ES2914779T3 - Método y aparato para generar datos cuantitativos para estructuras del árbol biliar - Google Patents

Abstract

Un método implementado por ordenador para generar datos cuantitativos para las estructuras del árbol biliar (200) a partir de datos de escaneo de imágenes médicas volumétricas; el método que comprende: realizar una mejora tubular en los datos de escaneo de imágenes médicas volumétricas para derivar al menos una medida de tubularidad para cada vóxel dentro de los datos de escaneo de imágenes médicas volumétricas; en donde la mejora tubular comprende, para cada vóxel dentro del volumen de los datos de escaneo de imágenes médicas, calcular al menos una métrica que distinga las estructuras tubulares de otras estructuras y calcular una medida de tubularidad para el vóxel respectivo basada al menos parcialmente en al menos una métrica; realizar la segmentación de un volumen de datos de escaneo de imágenes médicas para identificar estructuras biliares tubulares dentro del volumen de datos de escaneo de imágenes médicas basadas al menos parcialmente en al menos una medida de tubularidad para cada vóxel (230); para al menos una estructura biliar tubular segmentada dentro del volumen de datos de escaneo de imágenes médicas, calcular al menos un conjunto de parámetros estructurales cuantitativos para al menos una ubicación a lo largo de la longitud de la estructura biliar tubular (240); determinar las posiciones de la línea central en una pluralidad de ubicaciones a lo largo de la longitud de al menos una estructura biliar tubular segmentada; para cada una de las pluralidades de ubicaciones a lo largo de la longitud de al menos una estructura biliar tubular segmentada, determinar una estimación del ancho del tubo para la al menos una estructura biliar tubular segmentada; detectar al menos una de las estenosis, dilataciones y cuentas en al menos una estructura tubular segmentada en base a las estimaciones del ancho del tubo a lo largo de la longitud de al menos una estructura tubular segmentada al determinar si dichas estimaciones del ancho de tubo cambian a lo largo de dicha longitud de acuerdo con patrones de cambio predefinidos, en donde cada patrón permite la detección de una correspondiente de dicha al menos una de estenosis, dilataciones y cuentas y generar datos cuantitativos del árbol biliar que comprenden al menos un conjunto de parámetros estructurales cuantitativos para al menos una estructura biliar tubular segmentada (250).

Description

DESCRIPCIÓN

Método y aparato para generar datos cuantitativos para estructuras del árbol biliar

Campo de la invención

Esta invención se refiere a un método y un aparato para generar datos cuantitativos para las estructuras de los árboles biliares. En particular, a un método y aparato para generar datos cuantitativos para estructuras de árboles biliares a partir de datos de escaneo de imágenes médicas volumétricas.

Antecedentes de la invención

Para el diagnóstico de ciertas enfermedades hepáticas, a menudo es fundamental que el médico diagnosticador obtenga una evaluación precisa del árbol biliar. Por ejemplo, la Figura 1 ilustra las recomendaciones para diagnosticar la colangitis esclerosante primaria (PSC) según lo documentado en las guías de práctica de la Asociación Estadounidense para el Estudio de Enfermedades Hepáticas (AASLD).

Ante un perfil bioquímico colestásico que indica la posible presencia de PSC dentro del hígado de un paciente, las guías de la AASLD recomiendan que se realice una ecografía que permita al médico observar el engrosamiento de la pared del conducto biliar y/o las dilataciones focales del conducto biliar.

Si la ecografía no es diagnóstica (es decir, el médico no puede determinar a partir de la ecografía de una manera u otra si la PSC está presente en el hígado del paciente), las guías de la AASLD recomiendan una ecografía por Colangio-Pancreatografía por Resonancia Magnética (MRCP). La MRCP es una técnica de resonancia magnética no invasiva en base a secuencias de pulso muy ponderadas en T2. Como resultado, los fluidos estacionarios como la bilis y las secreciones pancreáticas, que tienen largos tiempos de relajación T2, exhiben una alta intensidad de señal, mientras que los órganos sólidos, que tienen tiempos de relajación T2 más cortos, tienen una intensidad de señal baja. Por lo tanto, un escaneo MRCP puede proporcionar al médico una vista de los conductos biliares dentro del hígado de un paciente, lo que le permite detectar p Sc de conducto grande (es decir, la presencia de PSC dentro de conductos biliares más grandes).

Si el escaneo MRCP no es diagnóstica, las guías de la AASLD recomiendan la colangiopancreatografía retrógrada endoscópica (ERCP). La ERCP es un procedimiento que combina el uso de endoscopia y fluoroscopia (que involucra rayos X). Para la ERCP, el paciente es sedado o anestesiado, después de lo cual se inserta un endoscopio a través de la boca, hacia el estómago, luego a través del píloro hacia el duodeno donde existe la abertura del conducto pancreático. Luego, se inserta otro catéter a través del endoscopio y se inyecta contraste radiográfico en los conductos biliares. La fluoroscopia se utiliza para buscar obstrucciones o lesiones dentro de los conductos biliares. La ERCP también proporciona al médico una vista de los conductos biliares dentro del hígado del paciente, lo que le permite detectar PSC de conducto grande.

Si cualquiera de los procedimientos de MRCP o ERCP indica que el hígado es normal (es decir, no se detecta PSC de conducto grande), debido al perfil bioquímico colestásico que indica la posible presencia de PSC dentro del hígado, las guías de la AASLD recomiendan una biopsia de hígado para diagnosticar PSC de conducto pequeño, la cual es difícil de detectar mediante el uso de técnicas convencionales de MRCP y ERCP.

El análisis convencional de los datos de MRCP implica presentar a un médico los datos nativos adquiridos y/o reconstrucciones de proyección de máxima intensidad (MIP) de los datos nativos. Luego se requiere que el médico examine visualmente los datos presentados con el fin de ver las estructuras que incluyen los conductos biliares y similares, que pueden ser visibles dentro de los datos presentados. Los datos nativos típicamente se muestran de una manera estrictamente bidimensional, es decir, una proyección de la información tridimensional, al restringir al médico a ver un solo 'corte' bidimensional en cualquier momento. La MIP es un método de representación de volúmenes para datos tridimensionales que proyecta en el plano de visualización los vóxeles con máxima intensidad que caen en el camino de los rayos paralelos trazados desde el punto de vista hasta el plano de proyección. La visualización de MIP sufre de una falta de información de profundidad y problemas relacionados con la oclusión. Por ejemplo, los conductos pequeños pueden superponerse a conductos más grandes y serían apenas visibles.

Tanto las guías de la AASLD y la EASL (Asociación Europea para el Estudio de1Hígado) señalan que los pacientes con cambios tempranos de PSC pueden pasar por alto de la MRCP, por ejemplo, como resultado de que las vistas de la MRCP no son óptimas, con "Diagnostic accuracy of magnetic resonance and endoscopic retrograde cholangiography in primary sclerosing cholangitis", Berstad AE, Aabakken L, Smith HJ, Aasen S, Boberg KM, Schrumpf E, al informar que la representación de los conductos biliares puede ser más pobre en la MRCP que en la ERCP.

Sin embargo, los médicos pueden ser reacios a proceder con una ERCP en la evaluación de la colestasis debido a su naturaleza invasiva y al uso de radiación x, por lo que la PSC probablemente ha sido una afección subdiagnosticada ["EASL clinical practice guidelines", Asociación Europea para el Estudio de1Hígado, Hepatología 2009;51:237-267].

El documento US2008/273777 describe un método y aparato para la segmentación y reconstrucción de estructuras anatómicas endovasculares. Yuan-Tsung Chen y otros (Imágenes y gráficos médicos computarizados, vol. 28, Núm.

1-2, 2004, p13-20) describe un algoritmo para reconstruir la estructura biliar de la colangiografía por resonancia magnética.

De hecho, generalmente es conveniente evitar los procedimientos de diagnóstico invasivos como la ERCP y las biopsias de hígado siempre que sea posible. Como tal, existe la necesidad de una técnica de diagnóstico no invasiva mejorada que permita a un médico detectar enfermedades hepáticas y, más generalmente, una técnica de diagnóstico no invasiva mejorada para proporcionar al médico una evaluación precisa del árbol biliar.

Resumen de la invención

La invención se define mediante las reivindicaciones adjuntas. De acuerdo con un primer aspecto de la invención, se proporciona un método para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas como se reivindica en la reivindicación 1.

Ventajosamente, al generar dichos datos cuantitativos del árbol biliar que comprenden los parámetros estructurales cuantitativos generados a partir de datos de escaneo de imágenes médicas volumétricas, puede proporcionarse a un médico información mejorada relacionada con el árbol biliar de un paciente que permita al médico evaluar con mayor precisión y fiabilidad la patología del árbol biliar del paciente y, en particular, evaluar de manera más precisa y confiable las características topológicas y estructurales del árbol biliar, como el presencia de estenosis y dilataciones. De esta manera, las modalidades de la presente invención proporcionan una técnica de diagnóstico no invasiva mejorada que permite a un médico detectar enfermedades hepáticas y, más generalmente, una técnica de diagnóstico no invasiva mejorada para proporcionar a un médico una evaluación precisa del árbol biliar.

En algunas modalidades opcionales de la invención, el conjunto de parámetros estructurales cuantitativos puede comprender al menos un parámetro representativo de al menos uno de:

- una posición de línea central de al menos una estructura biliar tubular segmentada en al menos una ubicación; - una orientación de la línea central de al menos una estructura biliar tubular segmentada en al menos una ubicación; - un radio de la al menos una estructura biliar tubular segmentada en al menos una ubicación;

- un diámetro de la al menos una estructura biliar tubular segmentada en al menos una ubicación;

- una orientación de sección transversal de al menos una estructura biliar tubular segmentada en al menos una ubicación;

- un perfil de sección transversal de al menos una estructura biliar tubular segmentada en al menos una ubicación; - una indicación de la presencia de un punto de ramificación para al menos una estructura biliar tubular segmentada en al menos una ubicación; y

- una orientación de un punto de ramificación para al menos una estructura biliar tubular segmentada en al menos una ubicación.

En algunas modalidades opcionales de la invención, la determinación de las posiciones de la línea central para al menos una estructura biliar tubular segmentada puede comprender:

- identificar un punto inicial de la línea central para al menos una estructura biliar tubular segmentada;

- identificar un punto final de la línea central para al menos una estructura biliar tubular segmentada; e

- incrementalmente desde el punto inicial de la línea central, determinar los puntos sucesivos de la línea central para al menos una estructura biliar tubular segmentada hasta que se alcanza el punto final de la línea central.

En algunas modalidades opcionales de la invención, un punto de línea central sucesivo puede determinarse por:

- identificar un conjunto de puntos sucesores viables;

- evaluar una función de costo para cada punto dentro del conjunto de puntos sucesores viables; y

- seleccionar un punto de línea central sucesivo del conjunto de puntos sucesores viables en base a las funciones de costo correspondientes.

En algunas modalidades opcionales de la invención, la estimación del ancho del tubo para cada ubicación puede calcularse al determinar una orientación de sección transversal de al menos una estructura biliar tubular segmentada en la ubicación respectiva y al determinar una estimación del ancho del tubo para al menos una estructura biliar tubular segmentada en la orientación de sección transversal determinada.

En algunas modalidades opcionales de la invención, el método puede comprender la detección de patrones de cambio dentro de al menos una estructura tubular segmentada al aplicar al menos una ventana de detección de patrones a los datos de estimación del ancho del tubo.

En algunas modalidades opcionales de la invención, el método puede comprender identificar una primera estructura biliar tubular dentro del volumen de los datos de escaneo de imágenes médicas, determinar las ubicaciones de nódulos ramificados a lo largo de la longitud de la primera estructura biliar tubular e identificar otras estructuras biliares tubulares que se ramifican desde los nodos ramificados a lo largo de la longitud de la primera estructura biliar tubular.

En algunas modalidades opcionales de la invención, el método puede comprender identificar recursivamente estructuras biliares tubulares adicionales que se ramifican a partir de estructuras biliares tubulares identificadas para derivar una estructura jerárquica del árbol biliar.

En algunas modalidades opcionales de la invención, el método puede comprender calcular al menos un conjunto de parámetros estructurales cuantitativos para cada ubicación a lo largo de la longitud de cada estructura biliar tubular identificada.

En algunas modalidades opcionales de la invención, la mejora tubular puede comprender, para cada vóxel dentro del volumen de los datos de escaneo de imágenes médicas, calcular una primera métrica que distinga las estructuras tubulares de las estructuras esféricas y una segunda métrica que distinga las estructuras tubulares de las estructuras en forma de placa, y calcular una medida de tubularidad para el vóxel respectivo basándose al menos parcialmente en la primera métrica, la segunda métrica y un valor de intensidad de escaneo para el vóxel respectivo.

En algunas modalidades opcionales de la invención, el método puede comprender el uso de la mejora de la estructura biliar tubular multiescala basada en Hessian.

En algunas modalidades opcionales de la invención, los datos de escaneo de imágenes médicas volumétricas pueden comprender datos de escaneo de imágenes obtenidos a través de una modalidad de imágenes por resonancia magnética.

De acuerdo con un segundo aspecto de la presente invención, se proporciona un sistema de procesamiento de imágenes dispuesto para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas como se reivindica en la reivindicación 17.

De acuerdo con un tercer aspecto de la presente invención, se proporciona un producto de programa de ordenador no transitorio que tiene almacenado en el mismo un código de programa de ordenador ejecutable para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas, el código ejecutable del programa de ordenador operable para realizar el método de acuerdo con el primer aspecto de la presente invención.

Breve descripción de los dibujos

Otros detalles, aspectos y modalidades de la invención se describirán, a manera de ejemplo solamente, con referencia a los dibujos. En los dibujos, los números de referencia similares se usan para identificar elementos similares o funcionalmente similares. Los elementos en las Figuras se ilustran para la simplicidad y claridad y no necesariamente se han dibujado a escala.

La Figura 1 ilustra las recomendaciones para diagnosticar la colangitis esclerosante primaria (PSC) según lo documentado en las guías de práctica de la Asociación Estadounidense para el Estudio de Enfermedades Hepáticas (AASLD).

La Figura 2 ilustra un diagrama de flujo simplificado de un ejemplo de al menos una parte del método de generación de datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas.

La Figura 3 ilustra un diagrama de flujo simplificado de un ejemplo de segmentación de datos de escaneo volumétrico para identificar estructuras biliares tubulares.

La Figura 4 ilustra un diagrama de flujo simplificado de un ejemplo de un proceso de modelado paramétrico. La Figura 5 ilustra un diagrama de flujo simplificado de un ejemplo de un método para encontrar un punto final de la línea central de una estructura biliar.

La Figura 6 ilustra un diagrama de flujo simplificado de un método para definir incrementalmente los puntos de la línea central para una estructura del conducto biliar.

La Figura 7 ilustra un diagrama de flujo simplificado de un ejemplo de un método para identificar nodos ramificados a lo largo de una estructura de conducto biliar.

La Figura 8 ilustra un diagrama de flujo simplificado de un ejemplo de un método para detectar y cuantificar estenosis y dilataciones dentro de una estructura de conducto biliar.

La Figura 9 ilustra un ejemplo de un bastidor de Frenet-Serret que se usa para detectar un punto de inflexión. La Figura 10 ilustra un diagrama de flujo simplificado de un ejemplo de un método para detectar la inflamación y la fibrosis en la proximidad de estructuras biliares al utilizar datos cuantitativos del árbol biliar que comprenden parámetros estructurales cuantitativos.

La Figura 11 ilustra un diagrama de bloques simplificado de un ejemplo de un sistema de procesamiento de imágenes.

La Figura 12 ilustra un modelo cuantitativo renderizado en 3D del árbol biliar de un paciente con colangitis esclerosante primaria.

Descripción detallada de las modalidades preferidas

La presente invención se describirá ahora con referencia a los dibujos adjuntos en los cuales se ilustra un ejemplo de un método y un aparato para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas. Sin embargo, se apreciará que la presente invención no se limita a los ejemplos específicos que en la presente descripción se describen y como se ilustra en los dibujos adjuntos, sino más bien por las reivindicaciones adjuntas.

Además, debido a que las modalidades ilustradas de la presente invención pueden, en su mayor parte, implementarse mediante el uso de componentes electrónicos y circuitos conocidos por los expertos en la técnica, los detalles no se explicarán con mayor detalle que el que se considera necesario como se ilustra a continuación, para la comprensión y apreciación de los conceptos subyacentes de la presente invención y para no ofuscar o distraer de las enseñanzas de la presente invención.

Con referencia ahora a la Figura 2, se ilustra un diagrama de flujo simplificado 200 de un ejemplo de al menos una parte del método de generación de datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas. El método inicia en 210 y pasa a 220 donde se cargan los datos de escaneo volumétrico, los datos volumétricos que representan un volumen que contiene al menos una parte del hígado de un paciente. En el ejemplo ilustrado en la Figura 2, los datos de escaneo volumétrico comprenden datos de escaneo de imágenes obtenidos a través de una modalidad de imágenes de resonancia magnética y, en particular comprenden datos de escaneo de imágenes de Colangio-Pancreatografía por Resonancia Magnética (MRCP). La segmentación de al menos un volumen definido por los datos del escaneo volumétrico cargado se realiza, en 230, para identificar estructuras biliares tubulares dentro del volumen. El modelado paramétrico de las estructuras biliares tubulares identificadas se realiza luego a 240 para generar parámetros estructurales cuantitativos para las estructuras biliares tubulares identificadas.

Los ejemplos contemplados de los tipos de parámetros estructurales cuantitativos que pueden generarse por medio del modelado paramétrico incluyen:

- una o más posiciones de la línea central de la estructura biliar tubular segmentada;

- orientación de la línea central de la estructura biliar tubular segmentada en uno o más lugares a lo largo de la estructura biliar tubular segmentada;

- valores de radio de la estructura biliar tubular segmentada en uno o más lugares a lo largo de la longitud de la estructura biliar;

- valores de diámetro de la estructura biliar tubular segmentada en uno o más lugares a lo largo de la longitud de la estructura biliar;

- orientaciones de sección transversal de la estructura biliar tubular segmentada en uno o más lugares a lo largo de la longitud de la estructura biliar;

- perfiles de sección transversal (formas) de la estructura biliar tubular segmentada en uno o más lugares a lo largo de la longitud de la estructura biliar;

- indicaciones de la presencia de puntos de ramificación para la estructura biliar tubular segmentada en uno o más lugares a lo largo de la estructura biliar; y

- orientaciones de los puntos de ramificación para la estructura biliar tubular segmentada en uno o más lugares a lo largo de la estructura biliar.

En particular, para algunas modalidades de ejemplo de la presente invención, y como se describe con mayor detalle a continuación, el método puede comprender determinar dichos parámetros estructurales cuantitativos en una pluralidad de ubicaciones a lo largo de cada estructura biliar tubular identificada.

Al tener generado los parámetros estructurales cuantitativos para las estructuras biliares tubulares identificadas, los datos cuantitativos del árbol biliar que comprenden los parámetros estructurales cuantitativos generados se envían a 250, por ejemplo a una base de datos u otro dispositivo de almacenamiento de datos, y el método termina en 260.

Ventajosamente, al generar dichos datos cuantitativos del árbol biliar que comprenden los parámetros estructurales cuantitativos generados a partir de los datos de escaneo volumétrico obtenidos a través de, por ejemplo, una modalidad de imágenes de resonancia magnética, se proporciona a un médico información mejorada relacionada con el árbol biliar de un paciente que permite al médico evaluar con mayor precisión la patología del árbol biliar del paciente, y, en particular, evaluar con mayor precisión las características topológicas y estructurales del árbol biliar, como la presencia de estenosis y dilataciones. De esta manera, las modalidades de la presente invención proporcionan una técnica de diagnóstico no invasiva mejorada que permite a un médico detectar enfermedades hepáticas y, más generalmente, una técnica de diagnóstico no invasiva mejorada para proporcionar a un médico una evaluación precisa del árbol biliar.

Las modalidades de ejemplo de la presente invención se describirán ahora con mayor detalle. La segmentación de imágenes de escaneo médico, y de imágenes digitales en general, es un proceso bien conocido de identificar objetos y límites dentro de una imagen y asignar una etiqueta a cada píxel/vóxel en la imagen, de manera que los píxeles que comparten ciertas características se les asigna la misma etiqueta. El método más simple de segmentación de imágenes se denominan 'umbrales', donde los datos de imágenes digitales en escala de grises se convierten en datos de imágenes binarios en base a una comparación de los datos en escala de grises para cada píxel/vóxel a un valor de umbral.

Sin embargo, los conductos biliares son pequeños tubos que actúan como un sistema de drenaje para el hígado. Los conductos intrahepáticos típicamente tienen un intervalo de diámetro de 1 mm a 3 mm y los conductos biliares extrahepáticos típicamente tienen un intervalo de diámetro de 4 mm a 8 mm. Como resultado, los conductos biliares más pequeños a menudo son demasiado pequeños para identificarse mediante el uso de tales técnicas de segmentación estándar.

En consecuencia, en algunas modalidades de ejemplo de la presente invención se propone realizar una mejora tubular sobre los datos de escaneo médico no procesados para mejorar la identificación de estructuras tubulares como conductos biliares dentro de los datos de escaneo de imágenes médicas volumétricas. La mejora tubular tiene como objetivo mejorar la señal de las estructuras tubulares probables mientras suprime la señal de las estructuras no tubulares.

Existen varias técnicas conocidas para mejorar la estructura tubular. Algunas técnicas conocidas funcionan a una escala fija y usan combinaciones no lineales de operadores de diferencia finita aplicados en un conjunto de orientaciones. Estas técnicas de análisis de escala fija son problemáticas cuando se requiere identificar estructuras tubulares de un intervalo de tamaños, como es el caso cuando se identifican conductos biliares de tamaño variable dentro del hígado de un paciente. Se han propuesto varios enfoques multiescala para la mejora de la estructura tubular, incluidos los propuestos en:

- Aylward S, "Intensity ridge and widths for tubular object segmentation and description", En A. A. Amini, FL Bookstein, DC Wilson, eds., Math. Meth. En Biomedical Image Analysis 1995: 131-138;

- Koller TM, y otros, "Multiscale detection of curvilinear structures in 2D and 3D image data", Proceedings of Fifth International Conference on Computer Visualization 1995: 864-869;

- Lorenz C, y otros, "Multi-scale line segmentation with automatic estimation of width, contrast and tangential direction in 2D and 3D medical images", Lecture Notes in Computer Science 1997: 233-242 ("Lorenz");

- Gradshteyn, I. S. y Ryzhik, I.M. "Hessian Determinants." §14,314 en Tablas de Integrales, Series y Productos, 6ta ed. San Diego, c A: Academic Press, p. 1069, 2000.("Hessian");

- Sato Y, Nakajima S, Shiranga N, y otros, "Three-dimensional multi-scale line filter for segmentation and visualization of curvilinear structures in medical images", Medical Image Analysis 1998;2(2):143-168 ("Sato"); y

- Frangi AF, Niessen WJ, Vincken KL, Viergever MA, "Multiscale vessel enhancement filtering", Medical Image Computing and Computer-Assisted Intervention (MICCAI) 1998;1496:130-137 ("Frangi").

De acuerdo con algunas modalidades de ejemplo de la presente invención, se propone implementar una versión adaptada de una técnica de mejora de la estructura tubular multiescala basada en Hessian como se describe en Sato y Frangi. En consecuencia, las técnicas de mejora de la estructura tubular propuestas en Hessian, Sato y Frangi se incorporan en la presente descripción como referencia.

El enfoque multiescala se usa para atender los conductos biliares de diferentes tamaños dentro de la anatomía biliar. El conocimiento anatómico a priori sobre el tamaño de los conductos biliares puede usarse para adaptar la mejora tubular y, en particular, puede usarse para elegir el tamaño de los núcleos Gaussianos 3D empleados dentro del método de mejora de la estructura tubular propuesto.

Un tubo es una estructura 3D o un borde 3D en términos de imagen. Como se describe en Sato y Frangi, el proceso de mejora de bordes (y detección) puede derivarse de la derivada de primer y segundo orden de Gaussiano. El máximo de la derivada de segundo orden corresponde al máximo de la señal original. Dado que estamos interesados en un Gaussiano 3D, las derivadas de segundo orden incluyen las derivadas dobles en cada una de las tres direcciones ortogonales y tres derivadas parciales direccionales intermedias.

Las derivadas de segundo orden pueden expresarse como una matriz simétrica cuadrada que describe todas las derivadas de segundo orden de la función. Esta matriz se conoce como la matriz Hessiana. La derivada de segundo orden de un Gaussiano a una escala a genera un núcleo de sonda que mide el contraste entre regiones dentro y fuera del intervalo correspondiente (-a, a). El análisis de valor propio de las derivadas de segundo orden puede usarse para extraer las direcciones principales en las cuales puede descomponerse la estructura local de segundo orden de la imagen. El análisis del valor propio de la matriz Hessiana describe los principales modos de variación de intensidad/contraste. El vector propio correspondiente al valor propio más grande representa la dirección a lo largo de la cual la derivada de segundo orden es máxima (variación de intensidad máxima), es decir, en la dirección de la sección transversal del tubo. En consecuencia, el vector propio del valor propio más pequeño representa la dirección de variación de intensidad mínima, es decir, la dirección a lo largo de la longitud del tubo.

Como se describe en Frangi, las condiciones y medidas de similitud de tubos pueden derivarse al utilizar la información sobre la geometría tubular y el análisis de valor propio. Los valores de Figen (Ai, b, b) están ordenados en orden ascendente de su magnitud:

|A l | < |A21 < |A31 Ecuación 1 Las condiciones ideales que representan una estructura tubular brillante ideal sobre un fondo oscuro son:

|A1| ~ 0 Ecuación 2

|A1| « |A21 Ecuación 3

Ecuación 4

Mediante el uso de las condiciones ideales anteriores, pueden derivarse métricas para distinguir una estructura tubular de otras formas. Una primera métrica que consiste en la relación Ra puede estar dada por:

(Área de sección transversal más grande) / it _ |A2|

Ra = Ecuación 5 _{(Semi-longitud del eje más grande)2 |A3|}

La relación Ra distingue entre objetos en forma de placa y tubulares. Para un objeto tubular, esta relación alcanza un valor cercano a 1, y es cercana a cero para un objeto similar a una placa.

Una segunda métrica que consiste en la relación Rb puede definirse por:

V o lu m en /(4 it/3 ) _ |A1|

_{R * = (Área de sección transversal más grande/ ir ) 3/ 2 VA.2 A3} Ecuación 6

La relación Rb distingue entre un objeto con forma de gota (esférico) y un objeto tubular. Esta relación alcanza un máximo para un objeto esférico, y es cercana a cero para un objeto tubular.

Tenga en cuenta que las dos relaciones son geométricas y, por lo tanto, invariables en el nivel de gris. Sin embargo, la información del nivel de gris también puede ser un factor potencialmente discriminatorio. Por ejemplo, los conductos biliares típicamente aparecen muy brillantes en comparación con las estructuras no biliares en una imagen de MRCP. En consecuencia, puede usarse una tercera métrica S que aprovecha esta característica de nivel de gris, donde S viene dada por:

Ecuación 7

Una estructura tubular ideal, que aparece brillante sobre un fondo oscuro, debe cumplir las siguientes condiciones: (i) Valor pequeño de Rb;

(ii) Gran valor de Ra; y

(iii) Gran valor de S

Para una estructura esférica similar a una gota, se obtendrá un valor alto de R^b. Esta es una observación útil, ya que a menudo hay una esfericidad local en una ubicación ramificada del árbol biliar.

Las tres métricas anteriores (R^b, R^un, S) pueden combinarse para llegar a una métrica compuesta que mide la 'tubularidad' en una escala particular a, por ejemplo:

donde a, p, c son constantes que controlan la sensibilidad del filtro.

La medida de tubularidad To(a) descrita en la Ecuación 8 se calcula para cada vóxel para cada escala (a) correspondiente a diferentes tamaños de tubo. La respuesta del filtro para un vóxel en particular será máxima a una escala que coincida más estrechamente con el tamaño de la estructura tubular que se detecta. Las medidas de tubularidad para cada vóxel pueden por lo tanto integrarse sobre las escalas para obtener una medida final de tubularidad como:

Ecuación 9

Las medidas finales de tubularidad para todos los vóxeles dentro de la imagen volumétrica, junto con los valores propios correspondientes, los vectores propios, la escala de respuesta máxima y los valores R^ay R^b de respuesta máxima para cada vóxel dentro de la imagen volumétrica pueden registrarse. Significativamente, los valores finales de la medida de tubularidad calculados con la Ecuación 9 permiten que las estructuras tubulares, como los conductos biliares, incluidos los conductos intrahepáticos pequeños y tenues, se identifiquen más fácilmente dentro de la imagen volumétrica en comparación con los datos de escaneo sin procesar capturados.

La Figura 3 ilustra un diagrama de flujo simplificado 300 de un ejemplo de segmentación de datos de escaneo volumétrico para identificar estructuras biliares tubulares, como puede realizarse en el paso 230 de la Figura 2. En el ejemplo ilustrado en la Figura 3, el método comprende realizar una mejora tubular en los datos de escaneo de imágenes médicas volumétricas para derivar una medida de tubularidad para cada vóxel dentro de los datos de escaneo de imágenes médicas volumétricas, por ejemplo, como se describe anteriormente, y realizar la segmentación de los datos de escaneo de imágenes médicas en base a la medida de tubularidad para cada vóxel.

El método de la Figura 3 comienza en 310 y pasa a 315 donde se selecciona una primera escala a, por ejemplo de un conjunto predefinido de escalas representativas de los anchos típicos de conductos biliares. En el ejemplo ilustrado, el volumen Hessiano para la escala seleccionada se calcula a 320, de manera que se calcula la matriz Hessiana de derivadas Gaussianas de segundo orden para cada vóxel dentro del volumen a segmentar, las matrices Hessianas calculadas forman el volumen Hessiano.

Un primer vóxel dentro del volumen Hessiano se selecciona entonces en 325, y se calculan los vectores propios para las derivadas Gaussianas de segundo orden dentro de la matriz Hessiana para el vóxel seleccionado. Las métricas que distinguen las estructuras tubulares de otras estructuras con forma se calculan para el vóxel seleccionado. En particular para el ejemplo ilustrado, una primera métrica R^aque distingue entre estructuras tubulares y similares a placas se calcula en 335, por ejemplo, a través de la ecuación 5 anterior, y una segunda métrica R^b que distingue entre estructuras similares a gotas (esféricas) y tubulares se calcula en 340, por ejemplo por medio de la ecuación 6 anterior. En el ejemplo ilustrado, una tercera métrica S representativa de la intensidad de la señal (nivel de gris) para el vóxel seleccionado se calcula en 345, por ejemplo por medio de la Ecuación 7 anterior. Una medida de tubularidad T^o luego se calcula (a) para la escala seleccionada a y el vóxel seleccionado se calcula a 350, mediante el uso de las métricas calculadas, por ejemplo usando la Ecuación 8.

A continuación se determina si el vóxel seleccionado es el último vóxel, es decir, si se ha calculado una medida de tubularidad para la escala a seleccionada para todos los vóxeles dentro del volumen, a 355. Si se determina que el vóxel seleccionado actualmente no es el último vóxel, el método pasa a 360 y se selecciona el siguiente vóxel en el volumen y el método vuelve a 330. De esta manera, el método se repite hasta que se calcula una medida de tubularidad T^o(a) para la escala seleccionada a para cada vóxel dentro del volumen.

Una vez que se ha calculado una medida de tubularidad T^o(a) para todos los vóxeles en el volumen de la escala seleccionada o, el método pasa a 365 donde se determina si la escala seleccionada a es la última escala, es decir, que las medidas de tubularidad se han calculado para todas las escalas dentro del conjunto predefinido de escalas. Si se determina que la escala seleccionada actualmente no es la última escala, el método pasa a 370 y se selecciona la siguiente escala del conjunto y el método vuelve a 320. De esta manera, el método se repite hasta que se calculan las medidas de tubularidad para todas las escalas.

Una vez que se han calculado las medidas de tubularidad para todas las escalas, el método pasa a 375 donde para cada vóxel en el volumen se deriva una medida final de tubularidad del conjunto de medidas de tubularidad calculadas para el conjunto de escalas, por ejemplo mediante el uso de la Ecuación 9 anterior donde la medida de tubularidad máxima del conjunto de medidas de tubularidad para un vóxel se selecciona como la medida final de tubularidad para ese vóxel. A continuación, se registra la medida final de tubularidad derivada, junto con los valores propios correspondientes, los vectores propios, la escala de respuesta máxima y los valores Ra y Rb de respuesta máxima para cada vóxel dentro de la imagen volumétrica.

Al tener derivado la medida final de tubularidad para cada vóxel dentro del volumen, la segmentación se realiza en base a las medidas finales de tubularidad, en 380. En el ejemplo ilustrado en la Figura 3, la segmentación de los datos de la imagen volumétrica se realiza al aplicar un umbral a las medidas finales de tubularidad para generar valores binarios (es decir, '1' o '0') para los vóxeles dentro del volumen al indicar que los vóxeles corresponden a estructuras tubulares dentro de los datos de la imagen. El método de la Figura 3 termina entonces, en 385.

Refiriéndose a la Figura 2, después de tener realizado la segmentación de los datos de escaneo volumétrico en 230, se realiza un modelado paramétrico de las estructuras tubulares identificadas para generar parámetros estructurales cuantitativos para las estructuras tubulares identificadas. De acuerdo con algunas modalidades de ejemplo de la presente invención, dicho modelado paramétrico comprende calcular una representación paramétrica jerárquica del árbol biliar, donde puede seleccionarse un conducto biliar individual y calcular métricas sobre él. De esta manera, pueden identificarse y cuantificarse los conductos biliares individuales.

La Figura 4 ilustra un diagrama de flujo simplificado 400 de un ejemplo de tal proceso de modelado paramétrico. El método inicia en 410 y pasa a 420 donde se identifican puntos iniciales de la línea central de una estructura del conducto biliar (es decir, el punto axialmente central al inicio del conducto biliar) dentro del volumen segmentado a modelar. Por ejemplo, en el caso de un conducto biliar principal, como el conducto hepático común, el punto inicial de la línea central puede identificarse en base a la entrada del usuario. Por el contrario, en algunos ejemplos, los puntos de ramificación identificados a lo largo de la longitud de una estructura del conducto biliar (como se describe con mayor detalle a continuación) pueden usarse como puntos iniciales de línea central para las estructuras de conducto biliar 'infantil'. Al tener identificado el punto inicial de la línea central, el punto final de la línea central de una estructura biliar se determina, en 430, por ejemplo, al encontrar un punto dentro del volumen segmentado que tiene un valor de 'medialidad' más cercano al del punto inicial de la línea central y que maximiza la distancia euclidiana desde el punto inicial de la línea central.

La Figura 5 ilustra un diagrama de flujo simplificado 500 de un ejemplo de tal método para encontrar un punto final de la línea central de una estructura biliar. El método inicia en 510 y pasa a 520 donde en el ejemplo ilustrado se determina un valor de medialidad para el punto inicial de la línea central. Por ejemplo, puede generarse un mapa de medialidad para el volumen segmentado. En algunos ejemplos, puede realizarse un cálculo basado en el campo Flujo de Vector de Gradiente (GVF) para generar el mapa de medialidad como se describe en Bauer C, Bischof H, "Extracting curve skeletons from gray value images for virtual endoscopy", Lecture Notes in Computer Science 2008; 5128:303-402.

Al tener determinado un valor de medialidad para el punto inicial de la línea central, el método pasa a 530 donde se identifica un conjunto de vóxeles no modelados dentro del volumen segmentado (es decir, aquellos vóxeles etiquetados como correspondientes a estructuras tubulares durante la segmentación pero ubicados dentro de regiones del volumen segmentado) volumen aún por modelar paramétricamente) que tienen valores de medialidad más cercanos al valor de medialidad del punto inicial de la línea central. Por ejemplo, puede identificarse el conjunto de vóxeles no modelados que tienen valores de medialidad dentro de la desviación máxima del valor de medialidad del punto inicial de la línea central. Dado que el valor de medialidad para un vóxel es indicativo no solo de la probabilidad de que el vóxel corresponda a una línea central de una estructura biliar, sino también de las propiedades transversales (por ejemplo, el tamaño) de la estructura biliar respectiva, es probable que los vóxeles correspondientes a la línea central de una estructura biliar tiene valores de medialidad similares. En consecuencia, al identificar el conjunto de vóxeles que tienen valores de medialidad más cercanos al valor de medialidad del punto inicial de la línea central, es probable que el conjunto identificado de vóxeles corresponda a los puntos de la línea central para la misma estructura biliar a la que se refiere el punto central de inicio.

A partir del conjunto identificado de vóxeles no modelados, el vóxel que tiene la distancia euclidiana máxima desde los puntos iniciales de la línea central se selecciona en 540, al asumir que el punto final de la línea central será el punto de línea central dentro de la estructura biliar ubicada más lejos del punto inicial de la línea central. La ubicación correspondiente al vóxel seleccionado se registra como el punto final de la línea central de la estructura del conducto biliar en 550, y el método termina en 560.

Refiriéndose a la Figura 4, al tener identificado los puntos inicial y final de la línea central de la estructura del conducto biliar, el método pasa a 440 donde se definen los puntos de la línea central para la estructura del conducto biliar entre los puntos inicial y final de la línea central, con el objetivo de encontrar un esqueleto de línea central del conducto biliar. Por ejemplo, los puntos de la línea central para la estructura del conducto biliar pueden definirse, al iniciar incrementalmente a partir del punto inicial de la línea central, al determinar los puntos sucesivos de la línea central para la estructura biliar hasta que se alcanza el punto final de la línea central.

La Figura 6 ilustra un diagrama de flujo simplificado 600 de tal método para definir incrementalmente los puntos de la línea central para una estructura del conducto biliar. El método de la Figura 6 es en base a un algoritmo de búsqueda ponderado para encontrar una ruta óptima que conecte el punto inicial de la línea central y el punto final de la línea central, donde el peso indica el 'costo' de moverse de un punto al siguiente. El método inicia en 605 y pasa a 610, donde el punto inicial de la línea central para la estructura del conducto biliar se establece como el punto central actual. Los puntos sucesores viables para el punto de línea central actual se identifican en 615. Por ejemplo, sólo aquellos puntos conectados (por ejemplo, directamente adyacentes) al punto de línea central actual y que satisfacen criterios de viabilidad definidos pueden considerarse puntos sucesores viables. Por lo tanto, los puntos sucesores viables pueden limitarse a los 26 puntos que rodean inmediatamente el punto de línea central actual dentro del espacio tridimensional (volumétrico). A partir de los 26 puntos que rodean inmediatamente el punto de línea central actual, los puntos sucesores viables pueden identificarse como aquellos que satisfacen los criterios de, por ejemplo, uno o más de:

(i) forma parte de la segmentación (es decir, corresponde a una estructura tubular identificada dentro del volumen segmentado);

(ii) no haya sido ya inscrito como candidato a la línea central;

(iii) satisface un criterio de umbral de mapa de distancia o un criterio de umbral Laplaciano de Gauss;

(iv) se encuentra en una orientación viable; etc.

Con respecto a un criterio de umbral del mapa de distancia, puede calcularse un mapa de distancia a partir del volumen segmentado, en donde cada valor de vóxel representa la distancia del vóxel desde la superficie de una estructura tubular identificada. A los vóxeles que se encuentran dentro de las estructuras tubulares identificadas se les asignan valores negativos, mientras que a los vóxeles que se encuentran fuera de las estructuras tubulares identificadas se les asignan valores positivos. Por lo tanto, a un vóxel que se encuentra cerca de la línea central de una estructura tubular identificada se le asignaría un alto valor negativo, y a medida que uno se mueve hacia la superficie, los valores del vóxel tienden hacia cero. A medida que uno se mueve fuera de la estructura tubular, el valor se volverá positivo y aumentará a medida que uno se aleja de la superficie de la estructura tubular.

Con respecto a una orientación viable para un punto de línea central sucesor candidato, puede calcularse un vector de orientación predictivo a partir de, digamos, cuatro puntos de línea central que preceden al punto de línea central hasta el punto de línea actual. De esta manera, el vector de orientación predictivo es representativo de la orientación histórica de la línea central para la estructura del conducto biliar, y sirve como un buen predictor del siguiente punto de línea central ya que a pesar de tener una curvatura variable a lo largo de la longitud de una estructura del conducto biliar, una sección corta de la estructura del conducto biliar puede considerarse lineal por piezas. Puede calcularse un vector de orientación candidato correspondiente desde el punto de línea central actual hasta el punto de línea central sucesor candidato. Puede considerarse que el punto de línea central sucesor candidato satisface la orientación viable si, por ejemplo, el producto del punto vectorial del vector de orientación predictiva y el vector de orientación candidato es positivo.

En algunas modalidades de ejemplo, si se identifican muy pocos (por ejemplo, ninguno) o demasiados puntos de línea central sucesores viables, pueden usarse umbrales adaptativos para restringir o relajar los criterios de búsqueda. Por ejemplo, para los criterios de ejemplo anteriores, los criterios de umbral del mapa de distancia y/o los criterios de umbral Laplaciano de Gauss pueden restringirse o relajarse. Por ejemplo, al iniciar con criterios estrictos de umbral de mapa de distancia, si no se encuentran puntos de línea central sucesores viables, relaje iterativamente los criterios de umbral de mapa de distancia y reevalúe los puntos de línea central sucesores candidatos. Si el umbral del mapa de distancia alcanza un valor positivo sin identificar ningún punto de línea central sucesor viable, cambie a los criterios de umbral Laplaciano de Gauss en lugar de los criterios de umbral del mapa de distancia. Al iniciar con estrictos criterios de umbral Laplaciano de Gauss, evalúe los puntos de la línea central sucesores candidatos. Si no se encuentran puntos sucesores viables, reduzca iterativamente la escala Laplaciana de Gauss y reevalúe los puntos de la línea central sucesores candidatos. Si no se encuentran puntos de la línea central sucesores viables después de que la escala Laplaciana de Gauss haya alcanzado su escala mínima, declare que no se ha podido encontrar el punto sucesor de la línea central.

Refiriéndose a la Figura 6, al tener identificado puntos de línea central sucesores viables, el método pasa a 620 donde las funciones de costo se calculan para los puntos de línea central sucesores viables. Por ejemplo, la función de costo para un punto de línea central sucesor viable puede calcularse en base a uno o más de los siguientes:

(i) Costo del punto inicial (SP^dist): la distancia entre el punto central sucesor viable y el punto central inicial;

(ii) Costo del punto final (EP^dist): la distancia entre el punto central sucesor viable y el punto central final;

(iii) Ganancia de tubularidad (T^o): la medida de la tubularidad T^opara el vóxel del punto de línea central sucesor viable (por ejemplo, ver la Ecuación 9);

(iv) Ganancia de medialidad (M^o): el valor de medialidad para el vóxel del punto de línea central sucesor viable; (v) Adherirse al costo de orientación predictivo (APO): 1 - producto del punto vectorial del vector de orientación predictiva y del vector de orientación candidato;

(vi) R^b costo (R^b): R^b valor métrico para el vóxel del punto de línea central sucesor viable; y

(vii) Costo Laplaciano de Gauss (LOG): Valor LOG para el punto de línea central sucesor viable.

Refiriéndose a la Figura 6, al tener calculado las funciones de costo para los puntos de la línea central del sucesor viable identificados, se selecciona el punto de línea central del sucesor viable con el costo calculado más bajo y se agrega a un conjunto de puntos de línea central prospectivos para la estructura del conducto biliar en 625. A continuación, el punto seleccionado se establece como el punto de línea central actual, en 630. A continuación se determina si el (nuevo) punto de línea central actual es el punto final de la línea central para la estructura del conducto biliar. Si el punto de línea central actual no es el punto final de la línea central de la estructura del conducto biliar, el método vuelve a 615. Sin embargo, si el punto de línea central actual es el punto final de la línea central de la estructura del conducto biliar, el método de la Figura 6 pasa a 640 donde en el ejemplo ilustrado se 'limpia' el conjunto de puntos prospectivos de la línea central para la estructura del conducto biliar.

El objetivo de este paso es limpiar el conjunto de prospectivos 'ciclos cercanos' de posibles puntos de la línea central. Por ejemplo, si hay una conectividad directa de un punto de línea central registrado actualmente con un punto de línea central registrado 'n' puntos aguas arriba, entonces la presencia de 'ciclo cercano' es bastante probable, en cuyo caso los puntos de línea central registrados espurios entre el punto de línea central registrado actual y el n^ésimo punto de línea central aguas arriba debe eliminarse. Esto se logra al atravesar los puntos de la línea central registrados nodo por nodo. Por ejemplo, para cada nodo (punto de línea central registrado):

(i) mirar 4 nodos por adelante:

a. calcular la distancia entre el 4to nodo y el nodo actual;

b. si la distancia es menor o igual a 1,717 vóxeles (raíz cuadrada de 3 - incremento de 1 vóxel en cada dimensión y aún conectado al nodo), elimine los nodos entre el 4to nodo y el nodo actual.

(ii) mirar 3 nodos por adelante:

a. calcular la distancia entre el 4to nodo y el nodo actual;

b. si la distancia es menor o igual a 1,717 vóxeles, elimine los nodos entre el 3er nodo y el nodo actual.

(iii) mirar 2 nodos por adelante:

a. calcular la distancia entre el 2do nodo y el nodo actual;

b. si la distancia es menor o igual a 1,717 vóxeles, elimine los nodos entre el 2do nodo y el nodo actual.

Refiriéndose a la Figura 6, después de tener limpiado el conjunto de puntos prospectivos de la línea central para la estructura del conducto biliar, el método de la Figura 6 pasa a 645 donde en el ejemplo ilustrado se centran los puntos de la línea central limpia y los puntos de la línea central centrada se registran en 650.

El centrado de los puntos de la línea central limpia se realiza para garantizar que la línea central registrada definida por los puntos de la línea central (limpiados) encontrados se centre con precisión con respecto a la estructura biliar tubular segmentada. Por ejemplo, esto puede lograrse al atravesar la línea central registrada punto por punto y para cada punto de línea central registrado:

(i) convertir el punto de línea central actual en el 'nodo de anclaje';

(ii) convertir el punto de línea central posterior en el 'nodo de optimización';

(iii) calcular el vector desde el nodo de anclaje hasta el nodo de optimización;

(iv) en la vecindad del nodo de optimización, buscar una ubicación candidata 'mejor' que:

a. tiene una mayor respuesta de medialidad (más probable que sea vóxel central);

b. el vector desde el nodo de anclaje hasta esta ubicación está en la misma dirección general que el vector desde el nodo de anclaje hasta el nodo de optimización (preservar la dirección general); y

c. se conecta al siguiente nodo de conexión del nodo de optimización (preservar la conectividad), y

(v) si se cumplen estos criterios, reemplazar el nodo de optimización con la mejor ubicación candidata.

Refiriéndose a la Figura 6, al tener centrado y registrado los puntos de la línea central, el método ilustrado en la Figura 6 termina en 655.

El diagrama de flujo de la Figura 6 describe con precisión cómo se construye una sola 'rama' del árbol biliar. Sin embargo, en la práctica, hay situaciones en las que se construyen múltiples caminos posibles para la rama. En ese caso, sólo cuando se ha alcanzado el punto 'centro final', se determina la 'trayectoria óptima' general.

Refiriéndose a la Figura 4, al tener definido los puntos de la línea central para la estructura del conducto biliar entre los puntos inicial y final de la línea central, el método pasa a 450 donde las estimaciones del ancho del tubo se calculan a lo largo de la longitud de la estructura del conducto biliar, por ejemplo correspondiente a cada punto de línea central definido en el paso 440.

En algunas modalidades de ejemplo, una estimación del ancho del tubo correspondiente a un punto de línea central para la estructura del conducto biliar puede calcularse de la siguiente manera. La escala a de respuesta máxima para el vóxel correspondiente al punto de línea central, obtenida al realizar una mejora tubular en los datos del escaneo médica (consulte la Figura 3), puede usarse para definir un radio de búsqueda de ancho de tubo. En algunos ejemplos, la estimación del ancho del tubo para cada ubicación puede calcularse al determinar una orientación de sección transversal de la estructura del conducto biliar en la ubicación respectiva y al determinar una estimación del ancho del tubo para la estructura del conducto biliar en la orientación de sección transversal determinada. Por ejemplo, los vectores propios para las derivadas Gaussianas de segundo orden dentro de la matriz Hessiana para el vóxel correspondiente al punto de línea central, calculados al realizar una mejora tubular en los datos de escaneo médico, pueden usarse para determinar una orientación de un área de búsqueda de sección transversal que tiene un radio igual al radio de búsqueda de ancho de tubo. A continuación, se realiza una búsqueda de vóxeles distintos de cero del volumen segmentado (es decir, vóxeles etiquetados como parte de una estructura tubular) dentro del área de búsqueda de sección transversal. Un modelo de área de sección transversal circular n*r2 se establece igual al número de vóxeles distintos de cero encontrados y al radio r calculado. El ancho del tubo para el punto de línea central puede estimarse en 2*r.

Al tener calculado las estimaciones del ancho del tubo para cada punto de línea central de la estructura del conducto biliar, el método de la Figura 4 pasa a 460 donde se identifican los nodos ramificados a lo largo de la estructura del conducto biliar.

La Figura 7 ilustra un diagrama de flujo simplificado 700 de un ejemplo de un método para identificar los nodos ramificados a lo largo de una estructura del conducto biliar, como puede implantarse en el paso 460 de la Figura 4. El método de la Figura 7 inicia en 710 y pasa a 720, donde la estructura del conducto biliar actual se enmascarada del volumen segmentado. Enmascarar la estructura actual del conducto biliar de esta manera facilita la detección de otras estructuras del conducto biliar que se ramifican desde la estructura actual del conducto biliar. De acuerdo con algunas modalidades de ejemplo de la presente invención, el enmascaramiento de la estructura actual del conducto biliar puede lograrse al realizar lo siguiente para cada punto de línea central de la estructura del conducto biliar:

(i) calcular el vector de orientación de la línea central, al conectar el punto actual de la línea central con el siguiente punto de línea central;

(ii) formar una vecindad de búsqueda con un radio igual a la mitad del ancho estimado del tubo en el punto de línea central actual;

(iii) para cada vóxel en la vecindad de búsqueda (ubicación del candidato):

a. calcular el vector desde el punto de línea central actual hasta el vóxel candidato;

b. calcular el producto de punto vectorial con vector de orientación de línea central;

c. si el producto de punto calculado está cerca de cero (es decir, se encuentra en el plano ortogonal al vector de orientación de la línea central), establecer el vóxel candidato en el volumen segmentado (binario) en cero (máscara.

Refiriéndose a la Figura 7, al tener enmascarado la estructura actual del conducto biliar del volumen segmentado, el método pasa a 730 donde el punto inicial de la línea central para la estructura del conducto biliar actual se establece como el punto de línea central actual. La estimación del ancho del tubo para el punto de línea central actual se determina en 740, por ejemplo, como se calculó previamente en el paso 440 del método de la Figura 4. A continuación, se define una región de búsqueda del espacio anular (en forma de anillo) alrededor del punto de línea central actual en base a la estimación del ancho del tubo, en 750. Por ejemplo, la región de búsqueda del espacio anular puede definirse por un radio interior igual a la estimación del ancho del tubo y un radio exterior igual a la estimación del ancho del tubo A (siendo A un ancho de región de búsqueda predefinido). Los vectores propios para las derivadas Gaussianas de segundo orden dentro de la matriz Hessiana para el vóxel correspondiente al punto de línea central actual, calculados al realizar una mejora tubular en los datos del escaneo médico, pueden usarse para determinar una orientación de la región de búsqueda del espacio anular. A continuación las ubicaciones de los nodos ramificados se identifican dentro de la región de búsqueda y se registran en 760. Por ejemplo, pueden usarse vóxeles distintos de cero del volumen segmentado (enmascarado) dentro de la región de búsqueda del espacio anular para identificar puntos de bifurcación. De esta manera, se identifican y registran los puntos correspondientes a estructuras tubulares identificadas dentro del volumen segmentado ubicado dentro de una región A profunda externamente a lo largo de la longitud de la estructura del conducto biliar actual (enmascarada).

Al tener identificado y registrado los nodos ramificados para el punto de línea central actual, el método pasa a 770, donde se determina si el punto de línea central actual es el punto final de la línea central de la estructura del conducto biliar actual. Si se determina que el punto de línea central actual no es el punto final de la línea central de la estructura del conducto biliar actual, el método pasa a 780, donde el siguiente punto de línea central de la estructura actual del conducto biliar se establece como el punto actual de la línea central y el método vuelve a 740. De esta manera, el método identifica y registra iterativamente los nodos ramificados para todos los puntos de la línea central de la estructura del conducto biliar actual.

Al tener identificado y registrado los nodos ramificados para todos los puntos de la línea central de la estructura del conducto biliar actual, el método termina en 790.

Significativamente, al identificar los nodos ramificados de esta manera, pueden identificarse y registrarse los puntos iniciales de la línea central para las estructuras del conducto biliar infantil. Estos pueden usarse para encontrar los puntos finales de la línea central para las respectivas estructuras del conducto biliar infantil, por ejemplo por medio del método ilustrado en la Figura 5. Los puntos iniciales y finales de la línea central de las estructuras de los conductos biliares infantiles pueden usarse para encontrar los puntos restantes de la línea central de las respectivas estructuras del conducto biliar infantil, por ejemplo por medio del método de la Figura 6, y las estimaciones del ancho del tubo para cada punto de línea central de las estructuras del conducto biliar infantil calculadas, por ejemplo, como se describió anteriormente. Los nodos ramificados para las estructuras del conducto biliar secundario infantil pueden identificarse, por ejemplo, por medio del método de la Figura 7 para identificar los nodos ramificados para las estructuras del conducto biliar nieto.

En consecuencia, y refiriéndose a la Figura 4, al tener identificado los nodos ramificados para la estructura actual del conducto biliar, los nodos ramificados identificados pueden usarse como puntos iniciales de la línea central para las estructuras del conducto biliar 'infantil', y el método puede volver a 430 para cada nodo de ramificación identificado para tal modelado paramétrico para las respectivas estructuras del conducto biliar infantil, como se indica por la línea discontinua en la Figura 4.

Al tener realizado el modelado paramétrico de las estructuras de conductos biliares identificadas, el método ilustrado en la Figura 4 pasa a 470, donde las líneas centrales de las estructuras de conductos biliares infantiles se fusionan de nuevo con los puntos de línea central dentro de sus respectivas estructuras de conductos biliares parentales desde las que se ramifican. De esta manera, puede formarse una estructura de 'esqueleto' de línea central para la estructura del árbol biliar. Por ejemplo, para cada ramificación identificada (infantil) estructura del conducto biliar:

- calcular un vector de orientación local que conecte un primer punto de línea central (el más cercano a la estructura del conducto biliar principal) de la estructura del conducto biliar de la ramificación con un n^ésimo punto de línea central más cercano de la estructura del conducto biliar de la ramificación;

- identificar el punto de línea central de la estructura del conducto biliar parental más cercano al primer punto de línea central de la estructura del conducto biliar de la ramificación;

- definir un conjunto de puntos de la línea central parental que comprende el punto de línea central más cercano identificado de la estructura del conducto biliar parental y, por ejemplo, 10 puntos de la línea central aguas arriba y aguas abajo del punto de línea central más cercano;

- calcular los vectores de orientación de ramificación que conectan cada uno del conjunto de puntos de la línea central parental con el primer punto de línea central de la estructura del conducto biliar de la ramificación; y - seleccionar como punto inicial de la línea central de la estructura del conducto biliar de la ramificación el punto de línea central de la estructura del conducto biliar parental para el cual el producto del punto vectorial entre el vector de orientación local y el vector de orientación de ramificación respectivo produce el valor más alto.

Al tener fusionado todos los nodos ramificados de nuevo a los puntos de la línea central de la estructura del conducto biliar parental, el método de la Figura 4 termina, en 480.

En consecuencia, puede implementarse un proceso recursivo mediante el cual puede modelarse paramétricamente una estructura completa del árbol biliar a partir del conducto hepático mediante el uso de los diversos métodos descritos anteriormente y como se ilustra en los dibujos adjuntos, de manera que puede generarse un modelo paramétrico jerárquico completo del árbol biliar que comprende:

1. un esqueleto definido (línea central) para cada estructura individual del conducto biliar;

2. estimación del ancho del tubo en cada ubicación (punto de línea central) de cada esqueleto de la estructura del conducto biliar;

3. relación padre-hijo entre las estructuras individuales de los conductos biliares;

4. las ubicaciones y orientaciones de los puntos de ramificación en cada esqueleto de la estructura del conducto biliar.

Al tener generado un modelo paramétrico jerárquico del árbol biliar que comprende datos cuantitativos del árbol biliar, pueden calcularse métricas topológicas para conductos biliares individuales. Por ejemplo, se contempla que la detección y cuantificación de patrones de cambio dentro del árbol biliar que indiquen características estructurales particulares como estenosis, dilataciones y cuentas, puede realizarse en base a los datos cuantitativos obtenidos del árbol biliar, y en particular en las estimaciones de ancho de tubo.

La Figura 8 ilustra un diagrama de flujo simplificado 800 de un ejemplo de un método para detectar y cuantificar patrones de cambio indicativos de estenosis y dilataciones dentro de una estructura del conducto biliar. El método de la Figura 8 comienza en 810 y pasa a 820 donde se cargan los datos cuantitativos del árbol biliar. Las estimaciones del ancho del tubo para un conducto biliar de interés se extraen de los datos cuantitativos del árbol biliar en 830. En el ejemplo ilustrado, las estimaciones de ancho del tubo extraídas se suavizan a 840 para eliminar el ruido de los datos de estimación del ancho del tubo que podrían dar lugar a detecciones falsas. Por ejemplo, un núcleo Gaussiano puede aplicarse a las estimaciones de ancho de tubo con un sigma de, digamos, 1.

Al tener suavizado los datos de estimación del ancho del tubo, el método pasa a 850 donde, en el ejemplo ilustrado se aplica una ventana de detección de estenosis ("V") a los datos de estimación del ancho del tubo suavizados para detectar un patrón de cambio dentro de los datos del ancho del tubo indicativo de estenosis dentro del conducto biliar de interés. Por ejemplo, para cualquier punto P^k a lo largo de la longitud del conducto biliar que tiene un ancho estimado del tubo W ^k, se detecta una estenosis si se cumple la siguiente condición:

^W k _ 2 > ^{w k - i > w k < w k i < W} k+2 Ecuación 10

A continuación, se aplica una ventana de detección de dilatación ("A") a los datos de estimación del ancho del tubo suavizados para detectar un patrón de cambio dentro de los datos del ancho del tubo indicativo de dilataciones dentro del conducto biliar de interés. Por ejemplo, para cualquier punto Pk a lo largo de la longitud del conducto biliar que tiene un ancho estimado del tubo Wk, se detecta una dilatación si se cumple la siguiente condición:

_{W fc -2 <} w*-i < wk > wfc+1 > wk+2 ^{Ecuación 11}

También pueden detectarse cuentas, por ejemplo, en base a secuencias detectadas de estenosis y dilataciones. Los patrones de cambio detectados dentro de los datos de ancho de tubo indicativos de estenosis y dilataciones se cuantifican, en 870, al calcular una medida cuantitativa para la estenosis y dilatación detectadas. Por ejemplo, para cada punto de estenosis/dilatación detectado P^k, primero se calcula el ancho promedio W_avg de la vecindad como:

Para cada estenosis detectada, un porcentaje de estenosis se calcula como:

Porcentaje de restricción = 100 * (Wavg — W k) / Wavg Ecuación 13

Para cada dilatación detectada, un porcentaje de dilatación se calcula como:

Porcentaje de dilatación = 100 * (Wk — Wavg) / Wavg Ecuación 14

Los datos de estenosis y dilatación que comprenden la ubicación y la medida cuantitativa de cada estenosis y dilatación detectadas se registran luego en 880, y el método termina, en 890.

Otras métricas topológicas también pueden calcularse a partir de los datos cuantitativos del árbol biliar. Por ejemplo, se contempla que pueden calcularse una o más de las siguientes métricas topológicas de tortuosidad:

(i) Métrica de distancia (DM): la relación entre la longitud real de la línea central (que se desplaza del punto de línea central al punto de línea central) y la distancia lineal entre el punto inicial de la línea central y el punto final de la línea central.

(ii) Métrica de conteo de inflexión (ICM): para una curva 3D, un punto de inflexión se define como un lugar que exhibe un mínimo de curvatura total. Para detectar un punto de inflexión, puede implementarse un bastidor de Frenet-Serret, como se ilustra en la Figura 9, que comprende los vectores unitarios tangente (T), normal (N) y binormal (B) donde:

a. T es el vector unitario tangente a la curva, al apuntar en la dirección del movimiento;

b. N es el vector unitario normal, la derivada de T con respecto al parámetro de longitud de arco de la curva, dividido por su longitud; y

c. B es el vector unitario binormal, el producto cruzado de T y N.

(iii) Suma de ángulos métricos (SOAM): calcular al integrar la curvatura total a lo largo de la curva y normalizándola por la longitud de la trayectoria.

Para la métrica de conteo de inflexión, el cálculo de descomposición puede realizarse de la siguiente manera. El vector de velocidad V en un punto P^k puede aproximarse por el vector entre los puntos P^k-1y P^k+1. El vector de aceleración A en el punto P^k es dado por:

El eje de tangencia de Frenet T es un vector de velocidad normalizado, dado por:

T = Vf\V\ Ecuación 16

El eje normal de Frenet N es un vector normalizado dado por:

N = V x A x V / \V x A x V \ Ecuación 17

El eje binormal de Frenet B, es un vector normalizado dado por:

B = T x N Ecuación 18

En términos de descomposición del marco de Frenet, se define un punto de inflexión donde los ejes Normal (N) y Binormal (B) cambian de orientación cerca de 180 grados a medida que el bastidor pasa a través de la curva. Como resultado, puede buscarse un punto de inflexión 3D al identificar grandes máximos locales de producto de punto: A N ■ A N Ecuación 19

donde AN representa la diferencia de los ejes normales asociados con los puntos P^k y P^{k - i}. Entonces, en el punto de inflexión, la longitud de AN es cercana a 2 unidades ya que el vector unitario N gira 180 grados. Por lo tanto, el paso a través de un punto de inflexión produce ANAN aproximadamente igual a 4,0 mientras que los valores en otros lugares están en el intervalo de 10^-2a 10^-8. Por lo tanto, puede denominarse un punto en la curva como un punto de inflexión si ANAN > 1,0.

Por lo tanto, la métrica de recuento de inflexión ICM puede definirse como:

ICM = DM * número de puntos de inflexión Ecuación 20

El cálculo para la métrica Suma de ángulos puede ser el siguiente. Para cualquier punto P^k los vectores T1, T2 y T3 se definen como:

Tl = Pk- P k. l

T2 = Pk+i- P k

T3 = Pk+2 ~ P k+1

La curvatura en el plano puede estimarse al usar los vectores T1 y T2, el ángulo en el plano (IP^k) en el punto P^k es dado por:

La torsión en el punto P^k se representa por el ángulo entre el plano osculador cuya superficie normal es el producto cruzado normalizado de los vectores T1 y T2, y la superficie normal del plano posterior. Así como los ejes Normal y Binormal de Frenet invierten la dirección cuando cruzan un punto de inflexión, las normales de dos planos osculantes sucesivos apuntarán en direcciones opuestas cuando P^ky P^k+1 se encuentran en lados opuestos de los puntos de inflexión. El ángulo de torsión (TP^k) en el punto P^k es dado por:

TPk = cos_1((71 x T2 /\T1 x 72|) ■ (72 x 73 )/ (|72 x 73|)) Ecuación 22

El ángulo total (CP^k) en el punto P^k es dado por:

CPk - 7 (IPk x IPk) + (7Pfc x TPk) Ecuación 23

La métrica suma de ángulos calcula la tortuosidad total de la curva como:

SOAM = ( lU C P ^ /i lZ Z llP k ~ Pk- i l ) Ecuación 24

Cada una de las tres métricas topológicas (DM, ICM, SOAM) tiene sus usos. ICM y SOAM son capaces de distinguir entre curvas sinusoidales de frecuencias variables. Para curvas en forma de bobinas, SOAM es capaz de distinguir entre bobinas de frecuencias variables. Para curvas de amplitud variable DM e ICM pueden distinguirse efectivamente. A los conductos biliares individuales se les puede asignar un valor de tortuosidad mediante el uso de las tres métricas.

De acuerdo con algunas modalidades de ejemplo de la presente invención, los datos cuantitativos del árbol biliar que comprenden los parámetros estructurales cuantitativos generados pueden usarse junto con datos derivados de otros datos de escaneo de imágenes médicas para el paciente, por ejemplo, obtenidos por medio de diferentes modalidades de imágenes. Por ejemplo, en imágenes por resonancia magnética, la medición precisa del tiempo de relajación T1 (tiempo para la recuperación de la magnetización longitudinal) es de particular interés, ya que se sabe que ayuda en la caracterización de tejidos y la detección de enfermedades. En particular, se ha demostrado que los valores T1 correctos de hierro se correlacionan extremadamente bien con la inflamación y la fibrosis en el hígado, como se describe en Banerjee R, Pavlides M, Tunnicliffe E, y otros, "Multiparametric magnetic resonance for non-invasive diagnosis of liver disease", Hepatología 2014, 60:69-77.

Las estenosis biliares (un marcador de la PSC) son el resultado de una lesión progresiva y crónica de los conductos biliares pequeños, medianos y grandes con fibrosis periductal concéntrica inflamatoria y obliterante (la llamada piel de cebolla). Se cree que la PSC en etapa temprana se caracteriza por un aumento en la respuesta inflamatoria y fibrótica alrededor de los conductos biliares. En consecuencia, la capacidad de detectar la inflamación y la fibrosis alrededor de los conductos biliares proporcionaría una herramienta extremadamente poderosa para detectar PSC en etapa temprana.

La Figura 10 ilustra un diagrama de flujo simplificado 1000 de un ejemplo de un método de detección de inflamación y fibrosis en la proximidad de estructuras biliares al usar datos cuantitativos del árbol biliar que comprenden parámetros estructurales cuantitativos, como los generados por medio de los diversos métodos descritos anteriormente. El método comienza en 1010 y pasa a 1020 donde se cargan los datos de escaneo volumétrico MRCP y los datos de escaneo volumétrico T1, cada uno de los datos de escaneo volumétrico MRCP y T1 que representan un volumen que contiene el hígado y la vesícula biliar de un paciente. Los datos del escaneo volumétrico de MRCP incluyen (o están asociados de cualquier otra manera con) datos cuantitativos del árbol biliar que comprenden parámetros estructurales cuantitativos que definen una estructura del árbol biliar derivada de los datos de MRCP.

La vesícula biliar tiene la forma de un saco cónico, casi en forma de pera, con el extremo abierto que se abre hacia el árbol biliar. Anatómicamente, la vesícula biliar se divide en tres secciones: el fondo de ojo, cuerpo, y cuello: El fondo de ojo es un extremo redondeado que mira hacia la parte frontal del cuerpo; el cuerpo está en contacto con el hígado, acostado en la fosa de la vesícula biliar, una depresión en la parte inferior del hígado; el cuello se estrecha y es continuo con la parte del conducto cístico del árbol biliar. Significativamente, la vesícula biliar es claramente visible tanto en los datos de MRCP como en los datos de T1. La identificación/segmentación de la vesícula biliar tanto en MRCP como en T1 sirve como punto de referencia anatómico para realizar el registro del volumen T1 y el volumen MRCP.

En consecuencia, la segmentación de los datos de MRCP se realiza a 1030 para identificar la estructura de la vesícula biliar dentro de los datos de escaneo volumétrico MRCP. De manera similar, la segmentación de los datos T1 se realiza en 1040 para identificar la estructura de la vesícula biliar dentro de los datos de escaneo volumétrico T1. El registro se realiza entre los datos de escaneo volumétrico MRCP y los datos de escaneo volumétrico T1 mediante el uso de las estructuras segmentadas de la vesícula biliar para 'guiar' el proceso de registro, en 1050. De esta manera, mediante el uso de las estructuras de vesícula biliar segmentadas, puede lograrse un registro fiable y preciso entre los datos de escaneo volumétrico MRCP y los datos de escaneo volumétrica T1. Al tener registrado los datos de escaneo volumétrico MRCP con los datos de escaneo volumétrico T1, la estructura del árbol biliar derivada de los datos de escaneo volumétrico MRCP se asigna a los datos de escaneo volumétrico T1 en base al registro entre los datos de escaneo volumétrico MRCP y los datos de escaneo volumétrico T1, en 1060. La inflamación y la detección de fibrosis se realizan en la proximidad de la estructura del árbol biliar mediante el uso de los datos del escaneo volumétrico T1, en 1070, y las estenosis y dilataciones detectadas en la proximidad de la estructura del árbol biliar se registran en 1080. El método termina luego en 1090.

La Figura 11 ilustra un diagrama de bloques simplificado de un ejemplo de un sistema de procesamiento de imágenes 1100 que puede adaptarse de acuerdo con los ejemplos de la presente invención. El sistema 1100 comprende uno o más dispositivos de procesamiento 1110 dispuestos para realizar diversas funciones de procesamiento. En algunas modalidades de ejemplo, uno o más de los dispositivos de procesamiento 1110 pueden comprender uno o más núcleos de procesador dispuestos para ejecutar código de programa de ordenador. Adicionalmente/alternativamente, al menos uno de los dispositivos de procesamiento puede comprender un dispositivo de procesamiento de hardware, como un dispositivo de circuito integrado específico de la aplicación (ASIC) o un módulo acelerador de hardware que comprende un circuito de hardware dispuesto para realizar el procesamiento predefinido de los datos proporcionados al mismo.

El sistema 1100 comprende además uno o más elementos de memoria 1120. Los elementos de memoria 1120 pueden consistir en uno o más productos de programas de ordenadores no transitorios como, por ejemplo, un disco duro, un dispositivo de almacenamiento óptico como un dispositivo de CD-ROM, un dispositivo de almacenamiento magnético, una memoria de solo lectura, ROM, una memoria de solo lectura programable, PROM, una memoria de solo lectura programable borrable, EPROM, una memoria de solo lectura programable borrable eléctricamente, EEPROM y una memoria flash, etc. El elemento de memoria 1120 puede comprender adicionalmente/alternativamente uno o más elementos de memoria volátil como, por ejemplo, Memoria de Acceso Aleatorio (RAM), memoria caché, etc.

Por mayor simplicidad y facilidad de comprensión, a continuación se hará referencia a un único dispositivo de procesamiento 1110 y a un único elemento de memoria 1120. Sin embargo, se apreciará que tales referencias a un solo dispositivo de procesamiento 1110 o un solo elemento de memoria 1120 están destinadas a abarcar múltiples dispositivos de procesamiento 1110 y múltiples elementos de memoria 1120 respectivamente.

El elemento de memoria 1120 puede tener almacenado en el código ejecutable del programa de ordenador para ejecutarse por el dispositivo de procesamiento 1110. El elemento de memoria 1120 puede tener además almacenados en él datos para ser accedidos y/o procesados por el dispositivo de procesamiento 1110 al ejecutar un código de programa de ordenador.

El sistema 1100 ilustrado en la Figura 11 comprende además uno o más dispositivos de salida, indicados generalmente en 1130. Dichos dispositivos de salida pueden comprender, a manera de ejemplo, un dispositivo de visualización, un dispositivo de impresión, un dispositivo de interfaz de red, etc. El sistema 1100 ilustrado en la Figura 11 comprende además uno o más dispositivos de entrada de usuario, indicados generalmente en 1140. Dichos dispositivos de entrada pueden incluir, a manera de ejemplo, un teclado, un teclado numérico, un ratón, una pantalla táctil, etc.

De acuerdo con algunos ejemplos de la presente invención, el dispositivo de procesamiento 1110 se dispone para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas, por ejemplo, de acuerdo con los diversos métodos descritos anteriormente con referencia a los dibujos adjuntos. En consecuencia, el dispositivo de procesamiento 1110 se dispone para:

realizar la segmentación de un volumen de datos de escaneo de imágenes médicas para identificar estructuras biliares tubulares dentro del volumen de datos de escaneo de imágenes médicas;

calcular un conjunto de parámetros estructurales cuantitativos para cada ubicación a lo largo de las longitudes de las estructuras biliares tubulares identificadas; y

datos cuantitativos del árbol biliar que comprenden los conjuntos de parámetros estructurales cuantitativos para las estructuras biliares tubulares identificadas.

Por ejemplo, el dispositivo de procesamiento 1110 puede disponerse para ejecutar código de programa de ordenador almacenado dentro del elemento de memoria 1120 para realizar al menos algunos de los pasos de los diversos métodos descritos anteriormente con referencia a los dibujos adjuntos.

Como se ilustra en la Figura 11, el sistema de procesamiento de imágenes 1100 puede acoplarse operativamente a al menos un dispositivo de almacenamiento de datos 1150 desde el cual el dispositivo de procesamiento 1110 puede recuperar datos de escaneo de imágenes, y al cual el dispositivo de procesamiento 1110 puede ser capaz de generar los datos cuantitativos del árbol biliar que comprende el conjunto de parámetros estructurales cuantitativos para las estructuras biliares tubulares segmentadas. Se contempla además que los diversos valores, métricas, medidas y otros datos generados por el sistema de procesamiento de imágenes 1100 al generar los datos cuantitativos del árbol biliar también pueden enviarse y almacenarse dentro del dispositivo de almacenamiento de datos 1150, ya sea colectiva o por separadamente, tales datos incluyen, a manera de ejemplo solamente:

- Volúmenes Hessianos;

- Vectores propios;

- Relaciones Ra;

- Relaciones Rb;

- Métricas de intensidad S;

- Medidas tubulares (T0/T0(a));

- Balanzas (a);

- Volúmenes segmentados (binarizados)

- Puntos de la línea central;

- Estimaciones del ancho de tubo;

- Nodos de rama;

- Valores de medialidad;

- Datos de estenosis y/o dilatación; y

- Se detectó inflamación y fibrosis en la proximidad de la estructura del árbol biliar.

La Figura 12 ilustra un modelo cuantitativo renderizado en 3D del árbol biliar 1200 de un paciente con colangitis esclerosante primaria. Los diámetros de las ramas corresponden a los diámetros de los conductos biliares tras la segmentación del escaneo MRCP y el posterior modelado paramétrico de las estructuras tubulares identificadas.

Como se describió anteriormente, la invención puede implementarse en un programa de ordenador para ejecutarse en un sistema de procesamiento de imágenes, al menos al incluir porciones de código para realizar los pasos de un método de acuerdo con la invención cuando se ejecuta en un aparato programable, como un sistema de procesamiento de imágenes o permitir que un aparato programable realice funciones de un dispositivo o sistema de acuerdo con la invención.

Un programa de ordenador es una lista de instrucciones como un programa de aplicación particular y/o un sistema operativo. El programa de ordenador puede incluir, por ejemplo, una o más de: una subrutina, una función, un procedimiento, un método de objeto, una implementación de objeto, una aplicación ejecutable, un subprograma, un servlet, un código fuente, un código objeto, una biblioteca compartida/biblioteca de carga dinámica y/u otra secuencia de instrucciones diseñadas para su ejecución en un sistema de ordenador.

El programa de ordenador puede almacenarse internamente en un medio de almacenamiento legible por ordenador tangible y no transitorio o transmitirse al sistema de ordenador a través de un medio de transmisión legible por ordenador. Todo o parte del programa de ordenador puede proporcionarse en medios legibles por ordenador de forma permanente, extraíble o remotamente acoplado a un sistema de procesamiento de información. Los medios tangibles y no transitorios legibles por ordenador pueden incluir, por ejemplo y sin limitación, cualquier número de los siguientes: medios de almacenamiento magnéticos, incluidos los medios de almacenamiento en disco y cinta; medios de almacenamiento óptico como medios de disco compacto (por ejemplo, CD-ROM, CD-R, etc.) y medios de almacenamiento de discos de vídeo digital; medios de almacenamiento de memoria no volátiles, incluidas unidades de memoria basadas en semiconductores, como memoria FLASH, EEPROM, EPROM, ROM; memorias digitales ferromagnéticas; MRAM; medios de almacenamiento volátiles, incluidos registros, búferes o cachés, memoria principal, RAM, etc.

Un proceso informático típicamente incluye un programa en ejecución (en ejecución) o una parte de un programa, los valores actuales del programa y la información de estado, y los recursos usados por el sistema operativo para administrar la ejecución del proceso. Un sistema operativo (SO) es el software que administra el intercambio de los recursos de un ordenador y proporciona a los programadores una interfaz usada para acceder a esos recursos. Un sistema operativo procesa los datos del sistema y la entrada del usuario, y responde al asignar y administrar tareas y recursos internos del sistema como un servicio a los usuarios y programas del sistema.

En la descripción anterior, la invención se ha descrito con referencia a ejemplos específicos de las modalidades de la invención. Sin embargo, será evidente que en el mismo pueden introducirse diversas modificaciones y cambios sin apartarse del alcance de la invención establecido en las reivindicaciones adjuntas y que las reivindicaciones no se limitan a los ejemplos específicos descritos anteriormente.

En consecuencia, las especificaciones y los dibujos deben considerarse de manera ilustrativa y no restrictiva, y el alcance de la invención se limita solamente por las reivindicaciones adjuntas.

Claims (33)

REIVINDICACIONES

1. Un método implementado por ordenador para generar datos cuantitativos para las estructuras del árbol biliar (200) a partir de datos de escaneo de imágenes médicas volumétricas; el método que comprende:

realizar una mejora tubular en los datos de escaneo de imágenes médicas volumétricas para derivar al menos una medida de tubularidad para cada vóxel dentro de los datos de escaneo de imágenes médicas volumétricas; en donde la mejora tubular comprende, para cada vóxel dentro del volumen de los datos de escaneo de imágenes médicas, calcular al menos una métrica que distinga las estructuras tubulares de otras estructuras y calcular una medida de tubularidad para el vóxel respectivo basada al menos parcialmente en al menos una métrica;

realizar la segmentación de un volumen de datos de escaneo de imágenes médicas para identificar estructuras biliares tubulares dentro del volumen de datos de escaneo de imágenes médicas basadas al menos parcialmente en al menos una medida de tubularidad para cada vóxel (230);

para al menos una estructura biliar tubular segmentada dentro del volumen de datos de escaneo de imágenes médicas, calcular al menos un conjunto de parámetros estructurales cuantitativos para al menos una ubicación a lo largo de la longitud de la estructura biliar tubular (240); determinar las posiciones de la línea central en una pluralidad de ubicaciones a lo largo de la longitud de al menos una estructura biliar tubular segmentada; para cada una de las pluralidades de ubicaciones a lo largo de la longitud de al menos una estructura biliar tubular segmentada, determinar una estimación del ancho del tubo para la al menos una estructura biliar tubular segmentada; detectar al menos una de las estenosis, dilataciones y cuentas en al menos una estructura tubular segmentada en base a las estimaciones del ancho del tubo a lo largo de la longitud de al menos una estructura tubular segmentada al determinar si dichas estimaciones del ancho de tubo cambian a lo largo de dicha longitud de acuerdo con patrones de cambio predefinidos, en donde cada patrón permite la detección de una correspondiente de dicha al menos una de estenosis, dilataciones y cuentas y

generar datos cuantitativos del árbol biliar que comprenden al menos un conjunto de parámetros estructurales cuantitativos para al menos una estructura biliar tubular segmentada (250).

2. El método de la reivindicación 1, en donde el conjunto de parámetros estructurales cuantitativos comprende al menos un parámetro representativo de al menos uno de:

una posición de línea central de al menos una estructura biliar tubular segmentada en al menos una ubicación; una orientación de la línea central de al menos una estructura biliar tubular segmentada en al menos una ubicación;

un radio de la al menos una estructura biliar tubular segmentada en al menos una ubicación;

un diámetro de la al menos una estructura biliar tubular segmentada en al menos una ubicación;

una orientación de sección transversal de al menos una estructura biliar tubular segmentada en al menos una ubicación;

un perfil de sección transversal de al menos una estructura biliar tubular segmentada en al menos una ubicación;

una indicación de la presencia de un punto de ramificación para al menos una estructura biliar tubular segmentada en al menos una ubicación; y

una orientación de un punto de ramificación para al menos una estructura biliar tubular segmentada en al menos una ubicación.

3. El método de la reivindicación 1, en donde determinar las posiciones de la línea central para al menos una estructura biliar tubular segmentada comprende:

identificar un punto inicial de la línea central para al menos una estructura biliar tubular segmentada (420); identificar un punto final de la línea central para al menos una estructura biliar tubular segmentada (430); e incrementalmente desde el punto inicial de la línea central, determinar los puntos sucesivos de la línea central para al menos una estructura biliar tubular segmentada hasta que se alcanza el punto final de la línea central.

4. El método de la reivindicación 3, en donde un punto de línea central sucesivo se determina por:

identificar un conjunto de puntos sucesores viables;

evaluar una función de costo para cada punto dentro del conjunto de puntos sucesores viables; y seleccionar un punto de línea central sucesivo del conjunto de puntos sucesores viables en base a las funciones de costo correspondientes.

5. El método de la reivindicación 1, en donde la estimación del ancho del tubo para cada ubicación se calcula al determinar una orientación de sección transversal de al menos una estructura biliar tubular segmentada en la ubicación respectiva y al determinar una estimación del ancho del tubo para al menos una estructura biliar tubular segmentada en la orientación de sección transversal determinada.

6. El método de la reivindicación 1, en donde el método comprende detectar patrones de cambio dentro de al menos una estructura tubular segmentada al aplicar al menos una ventana de detección de patrones a los datos de estimación del ancho del tubo.

7. El método de cualquiera de las reivindicaciones anteriores, en donde el método comprende:

identificar una primera estructura biliar tubular dentro del volumen de los datos de escaneo de imágenes médicas;

determinar ubicaciones de los nodos ramificados a lo largo de la longitud de la primera estructura biliar tubular; e

identificar estructuras biliares tubulares adicionales que se ramifican desde los nodos ramificados a lo largo de la longitud de la primera estructura biliar tubular.

8. El método de la reivindicación 7, en donde el método comprende identificar recursivamente estructuras biliares tubulares adicionales que se ramifican a partir de estructuras biliares tubulares identificadas para derivar una estructura jerárquica del árbol biliar.

9. El método de la reivindicación 8, en donde el método comprende calcular al menos un conjunto de parámetros estructurales cuantitativos para cada ubicación a lo largo de la longitud de cada estructura biliar tubular identificada.

10. El método de la reivindicación 1, en donde la mejora tubular comprende, para cada vóxel dentro del volumen de los datos de escaneo de imágenes médicas, calcular una primera métrica que distinga las estructuras tubulares de las estructuras esféricas y una segunda métrica que distinga las estructuras tubulares de las estructuras en forma de placa, y calcular una medida de tubularidad para el vóxel respectivo basándose al menos parcialmente en la primera métrica, la segunda métrica y un valor de intensidad de escaneo para el vóxel respectivo.

11. El método de cualquiera de las reivindicaciones anteriores, en donde el método comprende el uso de la mejora de la estructura biliar tubular multiescala basada en Hessian.

12. El método de cualquiera de las reivindicaciones anteriores, en donde los datos de escaneo de imágenes médicas volumétricas comprenden datos de escaneo de imágenes obtenidos a través de una modalidad de imágenes de resonancia magnética.

13. Un método como se reivindicó en cualquiera de las reivindicaciones 1-12, que comprende además el paso de calcular una medida cuantitativa para las estenosis y dilataciones detectadas.

14. Un método como se reivindicó en la reivindicación 13, en donde la medida cuantitativa es un porcentaje de un promedio de vecindad de dichas estimaciones del ancho del tubo.

15. Un método como se reivindicó en cualquiera de las reivindicaciones 1 a 12, en donde los datos cuantitativos del árbol biliar de salida son datos de escaneo volumétrico MRCP y los datos de escaneo volumétrico T1, y el método comprende además los pasos de:

segmentar los datos del escaneo volumétrico MRCP (1030) para identificar la estructura de la vesícula biliar; realizar el registro entre los datos del escaneo volumétrico MRCP y los datos del escaneo volumétrico T1 mediante el uso de las estructuras segmentadas de la vesícula biliar;

mapear la estructura del árbol biliar a partir de los datos del escaneo volumétrico MRCP a los datos del escaneo volumétrico T1 en base al registro realizado.

16. Un método como se reivindicó en la reivindicación 15, que comprende además el paso de: segmentar los datos del escaneo volumétrico T1 (1040) para identificar la estructura de la vesícula biliar antes del registro de los datos del escaneo volumétrico MRCP y los datos del escaneo volumétrico T1.

17. Un sistema de procesamiento de imágenes dispuesto para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas, el sistema de procesamiento de imágenes que comprende al menos un dispositivo de procesamiento dispuesto para:

realizar una mejora tubular en los datos de escaneo de imágenes médicas volumétricas para derivar al menos una medida de tubularidad para cada vóxel dentro de los datos de escaneo de imágenes médicas volumétricas; en donde la mejora tubular comprende, para cada vóxel dentro del volumen de los datos de escaneo de imágenes médicas, calcular al menos una métrica que distinga las estructuras tubulares de otras estructuras y calcular una medida de tubularidad para el vóxel respectivo basada al menos parcialmente en al menos una métrica;

realizar la segmentación de un volumen de datos de escaneo de imágenes médicas para identificar estructuras biliares tubulares dentro del volumen de datos de escaneo de imágenes médicas basadas al menos parcialmente en al menos una medida de tubularidad para cada vóxel (230);

para al menos una estructura biliar tubular segmentada dentro del volumen de datos de escaneo de imágenes médicas, calcular al menos un conjunto de parámetros estructurales cuantitativos para al menos una ubicación a lo largo de la longitud de la estructura biliar tubular (240); determinar las posiciones de la línea central en una pluralidad de ubicaciones a lo largo de la longitud de al menos una estructura biliar tubular segmentada; para cada una de las pluralidades de ubicaciones a lo largo de la longitud de al menos una estructura biliar tubular segmentada, determinar una estimación del ancho del tubo para la al menos una estructura biliar tubular segmentada; detectar al menos una de las estenosis, dilataciones y cuentas en al menos una estructura tubular segmentada en base a las estimaciones del ancho del tubo a lo largo de la longitud de al menos una estructura tubular segmentada al determinar si dichas estimaciones del ancho de tubo cambian a lo largo de dicha longitud de acuerdo con patrones de cambio predefinidos, en donde cada patrón permite la detección de una correspondiente de dicha al menos una de estenosis, dilataciones y cuentas; y

generar datos cuantitativos del árbol biliar que comprenden al menos un conjunto de parámetros estructurales cuantitativos para al menos una estructura biliar tubular segmentada (250).

18. El sistema de procesamiento de imágenes de la reivindicación 17, en donde el conjunto de parámetros estructurales cuantitativos comprende al menos un parámetro representativo de al menos uno de:

una posición de línea central de al menos una estructura biliar tubular segmentada en al menos una ubicación; una orientación de la línea central de al menos una estructura biliar tubular segmentada en al menos una ubicación;

un radio de la al menos una estructura biliar tubular segmentada en al menos una ubicación;

un diámetro de la al menos una estructura biliar tubular segmentada en al menos una ubicación;

una orientación de sección transversal de al menos una estructura biliar tubular segmentada en al menos una ubicación;

un perfil de sección transversal de al menos una estructura biliar tubular segmentada en al menos una ubicación;

una indicación de la presencia de un punto de ramificación para al menos una estructura biliar tubular segmentada en al menos una ubicación; y

una orientación de un punto de ramificación para al menos una estructura biliar tubular segmentada en al menos una ubicación.

19. El sistema de procesamiento de imágenes de la reivindicación 17, en donde el al menos un dispositivo de procesamiento se dispone para determinar las posiciones de la línea central para al menos una estructura biliar tubular segmentada por:

identificar un punto inicial de la línea central para al menos una estructura biliar tubular segmentada (420); identificar un punto final de la línea central para al menos una estructura biliar tubular segmentada (430); e incrementalmente desde el punto inicial de la línea central, determinar los puntos sucesivos de la línea central para al menos una estructura biliar tubular segmentada hasta que se alcanza el punto final de la línea central.

20. El sistema de procesamiento de imágenes de la reivindicación 17, en donde al menos un dispositivo de procesamiento se dispone para determinar un punto de línea central sucesivo por:

identificar un conjunto de puntos sucesores viables;

evaluar una función de costo para cada punto dentro del conjunto de puntos sucesores viables; y seleccionar un punto de línea central sucesivo del conjunto de puntos sucesores viables en base a las funciones de costo correspondientes.

21. El sistema de procesamiento de imágenes de la reivindicación 17, en donde al menos un dispositivo de procesamiento se dispone para calcular la estimación del ancho del tubo para cada ubicación al determinar una orientación de sección transversal de al menos una estructura biliar tubular segmentada en la ubicación respectiva y determinar una estimación del ancho del tubo para la al menos una estructura biliar tubular segmentada en la orientación de sección transversal determinada.

22. El sistema de procesamiento de imágenes de la reivindicación 17, en donde al menos un dispositivo de procesamiento se dispone para detectar patrones de cambio dentro de al menos una estructura tubular segmentada al aplicar al menos una ventana de detección de patrones a los datos de estimación del ancho del tubo.

23. El sistema de procesamiento de imágenes de cualquiera de las reivindicaciones 17 a 22, en donde al menos un dispositivo de procesamiento se dispone para:

identificar una primera estructura biliar tubular dentro del volumen de los datos de escaneo de imágenes médicas;

determinar las ubicaciones de los nodos ramificados a lo largo de la longitud de la primera estructura biliar tubular; e

identificar estructuras biliares tubulares adicionales que se ramifican desde los nodos ramificados a lo largo de la longitud de la primera estructura biliar tubular.

24. El sistema de procesamiento de imágenes de la reivindicación 21, en donde al menos un dispositivo de procesamiento se dispone para identificar recursivamente estructuras biliares tubulares que se ramifican de las estructuras biliares tubulares identificadas para derivar una estructura jerárquica del árbol biliar.

25. El sistema de procesamiento de imágenes de la reivindicación 22, en donde al menos un dispositivo de procesamiento se dispone para calcular al menos un conjunto de parámetros estructurales cuantitativos para cada ubicación a lo largo de la longitud de cada estructura biliar tubular identificada.

26. El sistema de procesamiento de imágenes de una cualquiera de las reivindicaciones 17 a 25, en donde el al menos un dispositivo de procesamiento se dispone para usar la mejora de la estructura biliar tubular multiescala basada en Hessian.

27. El sistema de procesamiento de imágenes de cualquiera de las reivindicaciones 17 a 26, en donde los datos de escaneo de imágenes médicas volumétricas comprenden datos de escaneo de imágenes obtenidos a través de una modalidad de imágenes de resonancia magnética.

28. Un sistema de procesamiento de imágenes de acuerdo con cualquiera de las reivindicaciones 17 a 27, en donde el dispositivo de procesamiento se dispone para calcular una medida cuantitativa de las estenosis y dilataciones detectadas.

29. Un sistema de procesamiento de imágenes como se reivindicó en la reivindicación 28, en donde la medida cuantitativa es un porcentaje de un promedio de vecindad de dichas estimaciones del ancho del tubo.

30. Un sistema de procesamiento de imágenes como se reivindicó en cualquiera de las reivindicaciones 17 a 29, en donde los datos cuantitativos del árbol biliar de salida son datos de escaneo volumétrico MRCP y datos de escaneo volumétrico T1, y el dispositivo de procesamiento se dispone para realizar los pasos de:

segmentar los datos del escaneo volumétrico MRCP (1030) para identificar la estructura de la vesícula biliar; segmentar los datos del escaneo volumétrico T1 (1040) para identificar la estructura de la vesícula biliar; realizar el registro entre los datos de escaneo volumétrico MRCP y los datos de escaneo volumétrico T1: mapear la estructura del árbol biliar a partir de los datos del escaneo volumétrico MRCP a los datos del escaneo volumétrico T1 en base al registro realizado.

31. Un sistema de procesamiento de imágenes como se reivindicó en la reivindicación 30, donde el dispositivo de procesamiento se dispone para segmentar los datos de escaneo volumétrico T1 (1040) para identificar la estructura de la vesícula biliar antes del registro de los datos del escaneo volumétrico MRCP y los datos de escaneo volumétrico T1.

32. Un producto de programa de ordenador no transitorio que tiene almacenado un código de programa de ordenador ejecutable para generar datos cuantitativos para las estructuras del árbol biliar a partir de datos de escaneo de imágenes médicas volumétricas, el código ejecutable de programa de ordenador operable para realizar el método de cualquiera de las reivindicaciones 1 a 16.

33. El producto de programa de ordenador no transitorio de la reivindicación 32, en donde el producto de programa de ordenador no transitorio comprende un disco duro, un dispositivo de almacenamiento óptico, un dispositivo de almacenamiento magnético, una Memoria de Solo Lectura, una Memoria de Solo Lectura Programable, una Memoria de Solo Lectura Programable Borrable, una Memoria de Solo Lectura Programable Eléctricamente Borrable y una Memoria Flash.