ES2945891T3 - Análisis de datos angiográficos - Google Patents

Análisis de datos angiográficos Download PDF

Info

Publication number
ES2945891T3
ES2945891T3 ES20734269T ES20734269T ES2945891T3 ES 2945891 T3 ES2945891 T3 ES 2945891T3 ES 20734269 T ES20734269 T ES 20734269T ES 20734269 T ES20734269 T ES 20734269T ES 2945891 T3 ES2945891 T3 ES 2945891T3
Authority
ES
Spain
Prior art keywords
mask
skeletal
branch
artery
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES20734269T
Other languages
English (en)
Inventor
Rafael Namias
Olivier Joly
Eric Greveson
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Brainomix Ltd
Original Assignee
Brainomix Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Brainomix Ltd filed Critical Brainomix Ltd
Application granted granted Critical
Publication of ES2945891T3 publication Critical patent/ES2945891T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/34Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/426Graphical representations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48Diagnostic techniques
    • A61B6/481Diagnostic techniques involving the use of contrast agents
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104Vascular flow; Blood flow; Perfusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30204Marker
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/404Angiography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images
    • G06V2201/031Recognition of patterns in medical or anatomical images of internal organs

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

Un método para analizar datos de un escaneo angiográfico que proporciona información tridimensional sobre vasos sanguíneos en el cerebro de un paciente, comprendiendo el método los pasos de: procesar los datos (26) para producir una imagen tridimensional; extraer el sistema de vasos sanguíneos del interior del cráneo, para obtener una máscara de vasos (28); esqueletizar (30) la máscara de vaso con un algoritmo de adelgazamiento para producir una máscara de esqueleto realizando una extracción del plano central; analizar (32) la máscara del esqueleto para identificar vóxeles que tengan más de dos vecinos, indicando una bifurcación, bifurcación o rama; detectar la ubicación más próxima de cada una de las tres principales arterias de suministro de la cabeza en la máscara de esqueleto para identificar las posiciones iniciales; y luego comenzando desde cada posición inicial por turno, (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Análisis de datos angiográficos
[0001] La presente invención se refiere a un procedimiento de análisis de datos correspondientes a una imagen angiográfica, por ejemplo, una imagen tomográfica de la cabeza de un paciente obtenida por angiografía, para ayudar a un profesional médico a diagnosticar la afección médica del paciente y a identificar el tratamiento adecuado. Dicha imagen puede denominarse angiograma.
[0002] La invención es particularmente adecuada para un diagnóstico de un paciente que ha tenido recientemente un accidente cerebrovascular. Hay dos tipos diferentes de accidente cerebrovascular: un accidente cerebrovascular hemorrágico, en el que se produce un sangrado en el cerebro; y un accidente cerebrovascular isquémico en el que se produce una obstrucción de un vaso sanguíneo que reduce o impide el flujo sanguíneo a una región del cerebro. Un accidente cerebrovascular hemorrágico es detectable en una imagen tomográfica computarizada del cerebro puesto que la sangre es más densa que el tejido cerebral y, por lo tanto, atenúa los rayos X en mayor medida; mientras que un accidente cerebrovascular isquémico es detectable en una imagen tomográfica computarizada del cerebro porque la causa de la obstrucción es un coágulo sanguíneo que puede ser detectable debido a su mayor atenuación de rayos X, y porque la región del cerebro en la que las células han muerto como consecuencia de la falta de oxígeno disminuye en densidad hacia la del agua y, por lo tanto, es detectable a través de una menor atenuación de rayos X. La presente invención es particularmente adecuada para determinar la ubicación de un coágulo sanguíneo en etapas tempranas después del inicio de un accidente cerebrovascular isquémico, cuando el tratamiento para eliminar la obstrucción puede tener un efecto significativo en la recuperación posterior del paciente, al evitar nuevos daños cerebrales.
[0003] La invención utiliza datos obtenidos mediante tomografía computarizada. La tomografía es una técnica para obtener una imagen en sección transversal de un objeto, en particular, midiendo la atenuación de rayos X a lo largo de múltiples trayectorias a través de la sección transversal mediante la exploración de una fuente y un sensor opuesto alrededor del objeto y deduciendo la imagen en sección transversal mediante cálculo. A lo largo de cualquier trayectoria, la atenuación observada viene determinada por la atenuación acumulada de cada parte sucesiva del objeto que compone la trayectoria. Aunque la tomografía computarizada se concibió originalmente para obtener imágenes bidimensionales, la información sobre la estructura tridimensional de un objeto se puede obtener combinando información de múltiples imágenes bidimensionales en planos muy próximos entre sí, o realizando una exploración a lo largo de una trayectoria helicoidal alrededor del objeto. Para obtener una imagen bidimensional, el área de la sección transversal se descompone en píxeles, y el cálculo calcula la atenuación para cada píxel. Cuanto más pequeños sean los píxeles, mayor será la resolución potencial de la imagen, pero más cálculos serán necesarios y más ruido habrá en la imagen; a modo de ejemplo, cada píxel puede tener 1,0 mm cuadrados, o 0,5 mm cuadrados. Para obtener una imagen tridimensional, los datos de múltiples imágenes bidimensionales se combinan, y los valores de atenuación se deducen para "píxeles volumétricos" generalmente denominados "vóxeles". La altura de cada vóxel (es decir, la dimensión ortogonal al plano de la imagen bidimensional) puede diferir de la separación entre los planos de imágenes bidimensionales sucesivas, por ejemplo, puede ser mayor que la separación, de modo que la atenuación calculada de cada vóxel incorpora datos de una pluralidad de imágenes bidimensionales. Por ejemplo, cada vóxel podría tener entre 0,5 mm y 8 mm de altura, por ejemplo, 5 mm de altura. Normalmente, en un angiograma de TC sin procesar, cada vóxel tiene dimensiones espaciales de 0,5 mm x 0,5 mm x 0,6 mm.
[0004] Cuando un paciente que ha sufrido un accidente cerebrovascular isquémico llega al hospital, es importante que las decisiones sobre el tratamiento adecuado se tomen con precisión y rapidez, ya que un tratamiento más rápido puede minimizar la cantidad de tejido cerebral que finalmente se vea afectado por el accidente cerebrovascular. Lo ideal es que el profesional médico sepa dónde está la obstrucción del vaso sanguíneo, dónde está parte de tejido cerebral muerto y qué regiones del tejido cerebral pueden salvarse. Aunque se haya obstruido un vaso sanguíneo, privando así de oxígeno a una región del tejido cerebral, puede haber regiones circundantes del cerebro que siguen obteniendo oxígeno por perfusión de las arterias colaterales. Por lo tanto, puede ser posible tratar al paciente para garantizar que estas regiones circundantes no se deterioren aún más, si el tratamiento se administra lo suficientemente pronto. La tomografía computarizada es un proceso comparativamente rápido, ya que se puede realizar una exploración de la cabeza de un paciente en sólo unos minutos.
[0005] Las imágenes obtenidas mediante tomografía computarizada (TC) pueden ser evaluadas por el profesional médico para determinar la naturaleza del accidente cerebrovascular. En el caso de un accidente cerebrovascular isquémico, sería una práctica común realizar un angiograma de TC, es decir, realizar una angiografía, para determinar la ubicación de la oclusión o del coágulo sanguíneo. Esto implica realizar una tomografía computarizada después de la administración de un bolo de un medio de contraste de rayos X en el riego sanguíneo, normalmente en una vena, con el fin de identificar densidades sanguíneas locales relativamente más altas o más bajas. Si el accidente cerebrovascular isquémico se debe a la oclusión de un vaso sanguíneo grande, el paciente puede ser tratado mediante un tratamiento endovascular, también conocido como trombectomía o extracción mecánica de coágulos. Si se va a llevar a cabo este tratamiento, es de importancia fundamental localizar primero con precisión la posición del coágulo, lo cual puede lograrse mediante angiografía, ya que se mostrará como un "tope de contraste", es decir, una ausencia de, o disminución repentina en, la densidad de contraste más allá de un punto dentro de un vaso donde, en ausencia de un coágulo, no cabría esperar un cambio tan repentino de la densidad de contraste. Las trombectomías mecánicas se realizan principalmente en oclusiones ubicadas en las arterias grandes, como las arterias carótidas internas (ICA), las arterias cerebrales medias proximales (MCA), las arterias cerebrales anteriores proximales (ACA), la arteria basilar y las arterias cerebrales posteriores proximales (PCA), puesto que estas arterias proporcionan el acceso requerido para los dispositivos de trombectomía. En consecuencia, identificar correctamente los vasos en el angiograma es crucial para ayudar al profesional médico a identificar el territorio y la ubicación de la oclusión, y así ayudar al profesional médico a seleccionar el tratamiento correcto y a planificar la intervención en el paciente.
[0006] Sin embargo, estas arterias siguen trayectorias que son tridimensionales, y las interconexiones son algo complejas, particularmente en las proximidades del círculo de Willis y, de hecho, las posiciones exactas de las interconexiones varían de un paciente a otro, por lo que el análisis de las imágenes angiográficas no es sencillo. Sería deseable disponer de un procedimiento mejorado de análisis de tales imágenes angiográficas.
Lauric y col., "Automated detection of intracranial aneurysms based on parent vessel 3D analysis", Medical Image Analysis 14 (2010) 149-150 describen un modo para la detección automatizada de aneurismas intracraneales que detecta aneurismas como regiones sospechosas en el árbol vascular. Los vasos se segmentan y se calcula su eje medial. Se inspeccionan pequeñas regiones a lo largo de los vasos y se introduce el número de writhe como un nuevo descriptor de superficie para cuantificar el grado de aproximación de cualquier región dada a una estructura tubular. Los aneurismas se detectan como regiones no tubulares del árbol vascular.
Nouri y col., "3D birfurcations characterization for intracranial aneurysms prediction", Medical Imaging 2019: Image Processing, describen cómo el uso de un gráfico 3D aplicado sobre el esqueleto de la vasculatura puede determinar con precisión los centros de bifurcación, y cómo se pueden caracterizar las diversas características geométricas de la bifurcación.
Según la presente invención, en un primer aspecto, se proporciona un procedimiento de análisis de datos de una exploración angiográfica que proporciona información tridimensional sobre los vasos sanguíneos en el cerebro de un paciente, comprendiendo el procedimiento las etapas de:
- procesar los datos para producir una imagen tridimensional;
- extraer el sistema de vasos sanguíneos en el interior del cráneo, a fin de obtener una máscara vascular, es decir, una imagen tridimensional que consiste únicamente en los vasos sanguíneos;
- esqueletonizar la máscara vascular con un algoritmo de adelgazamiento para producir una máscara esquelética, de modo que cada vaso sanguíneo se reduce a una línea que tiene una anchura de un vóxel;
- opcionalmente realizar una extracción del plano central, para separar la máscara esquelética en lados izquierdo y derecho;
- analizar la máscara esquelética a lo largo de cada vaso sanguíneo para identificar los vóxeles que tienen más de dos vecinos, lo que indica una ramificación, bifurcación o rama, siendo estos vóxeles identificados denominados vóxeles de rama;
- detectar la ubicación más proximal de cada una de las tres principales arterias de irrigación de la cabeza en la máscara esquelética, las arterias carótidas internas izquierda y derecha y la arteria basilar, para identificar las posiciones de partida que están más distantes del vértice del cráneo; y después
- partiendo de cada posición de partida por turnos, y siguiendo la línea de la máscara esquelética que representa el vaso sanguíneo correspondiente, señalar las ubicaciones de los vóxeles de rama y la orientación relativa de la rama, y detectar así una pluralidad de marcadores anatómicos en la red de vasos sanguíneos.
[0007] Se apreciará que el proceso anterior permite que varios marcadores anatómicos diferentes se ubiquen en la imagen. El procedimiento exacto para detectar un marcador anatómico dependerá obviamente de la naturaleza del marcador anatómico. Algunos marcadores anatómicos adecuados son:
T-ICA: donde la arteria carótida interna se divide en MCA y ACA;
A1/A2: donde las ACA izquierda y derecha se interconectan, normalmente por una arteria comunicante anterior; M1/M2: donde la MCA se divide en ramas;
M1/P1: donde la MCA se comunica con la arteria comunicante posterior (que conduce a la PCA); y
B/P1: donde la arteria basilar se divide para formar las PCA izquierda y derecha
Se entiende que pueden identificarse marcadores anatómicos alternativos además de, o en lugar de, estos marcadores.
[0008] A modo de ejemplo, el marcador B/P1 puede identificarse recorriendo la arteria basilar hasta que se alcanza el punto de rama más alto; el marcador T-ICA puede identificarse recorriendo la ICA correspondiente hasta el primer punto de rama. Se utiliza información adicional para identificar los marcadores anatómicos, se tiene en cuenta la orientación de la rama; o puede haber un requisito adicional de que el punto de rama se encuentre en una región de interés predeterminada, estando la región de interés determinada en función de una imagen de atlas anterior que puede construirse, por ejemplo, anotando a mano el punto de rama equivalente en múltiples angiogramas de TC de otros pacientes, estando todos los angiogramas en correspondencia entre sí, indicando así con alta probabilidad estadística dónde esperar el punto de rama en el espacio de referencia de atlas común.
[0009] La atenuación asociada con un vóxel se mide normalmente en unidades de Hounsfield (HU), que da una escala lineal en la que la radiodensidad del agua destilada es de 0 HU, mientras que la radiodensidad del aire es de -1000 HU. A modo de ejemplo, la radiodensidad del hueso será de más de 200 HU, la de un coágulo de sangre puede ser de aproximadamente 60 HU, mientras que la del tejido cerebral sano de materia gris es de aproximadamente 40 HU.
[0010] La etapa de extraer el sistema de vasos sanguíneos en el interior del cráneo, a fin de obtener una máscara vascular, puede realizarse comparando la imagen angiográfica con una imagen de TC sin contraste que está en correspondencia conjunta con la misma (es decir, las dos imágenes del cráneo del paciente están en correspondencia entre sí), determinando la diferencia entre las imágenes. Los datos de vóxel resultantes pueden mejorarse aún más omitiendo cualquier vóxel cuyos datos son inferiores a un umbral preestablecido, por ejemplo, de 60 UH. Otras etapas de procesamiento posterior pueden incluir la eliminación de
componentes conectados en la imagen umbralizada resultante, si los componentes son más pequeños que un volumen preestablecido, tal como 4, 10 o 20 vóxeles.
[0011] La etapa de realizar la extracción del plano central se puede realizar haciendo corresponder la máscara esquelética con un modelo con un plano central conocido.
[0012] El resultado general de las etapas descritas anteriormente es que se puede representar una imagen que muestra la estructura tridimensional de las arterias, y en la que los marcadores anatómicos identificados están marcados en la imagen. Esto ayudará al profesional médico a determinar la ubicación de cualquier coágulo y a determinar cómo se puede eliminar. Por lo tanto, como etapa final, el profesional médico puede llevar a cabo la trombectomía en la ubicación identificada a partir de esta pantalla de visualización.
[0013] La invención se describirá ahora con mayor detalle y más específicamente, únicamente a modo de ejemplo, y haciendo referencia a los dibujos adjuntos, en los que:
La figura 1 muestra una vista esquemática de las arterias que irrigan sangre al cerebro, siendo la vista al menos en parte una vista de la cara inferior del cerebro, que muestra el círculo de Willis; y
La figura 2 muestra una malla 3D de volumen renderizado de los segmentos arteriales alrededor del círculo de Willis, en un paciente en particular;
La figura 3 muestra parte de una máscara esquelética de arterias en un paciente en particular; y
La figura 4 muestra un diagrama de flujo del proceso de la invención.
[0014] Con referencia a la figura 1, las arterias que conducen al cerebro y las que están dentro del cerebro son, en gran medida, simétricas con respecto al plano central del cerebro. Por consiguiente, como norma general, cualquier miembro que se encuentre en el lado izquierdo también está presente en el lado derecho en una imagen especular. La sangre se suministra al cerebro a través de tres arterias: la arteria basilar B y las arterias carótidas internas izquierda y derecha ICA.
[0015] La arteria basilar B se forma mediante la unión de las arterias vertebrales izquierda y derecha V. La arteria basilar B se extiende hacia arriba, y de ella parten varias arterias: arterias cerebelosas inferiores anteriores AICA, arterias pontinas PA, arterias cerebelosas superiores SCA y finalmente la arteria basilar B se divide en dos arterias cerebrales posteriores PCA. Cada arteria cerebral posterior PCA está conectada a la arteria carótida interna ICA correspondiente por una arteria comunicante posterior PCom.
[0016] Cada arteria carótida interna ICA tiene una rama que es la arteria oftálmica OA, y luego se divide para formar la arteria cerebral media MCA y la arteria cerebral anterior ACA; también hay una rama en la arteria coroidea anterior ACh. La arteria cerebral media MCA posteriormente se divide para formar dos ramas M2. Las arterias cerebrales anterior izquierda y derecha ACA están interconectadas por una arteria corta denominada arteria comunicante anterior ACom.
[0017] Se apreciará que la figura 1 es un diagrama simplificado y esquemático para indicar la forma normal en que las diversas arterias están interconectadas. A modo de ejemplo, con referencia ahora a la figura 2, ésta muestra una vista tridimensional de estas mismas arterias, en un individuo, como se observa desde la parte superior. Hay algunas diferencias menores en el marcado: la parte inicial de la arteria cerebral posterior PCA está marcada como P1; la parte inicial de la arteria cerebral media MCA está marcada como M1; las partes de la arteria cerebral anterior ACA antes y después de la arteria comunicante anterior ACom están marcadas como A1 y A2. En comparación con el diagrama esquemático de la figura 1, se apreciará que la disposición no es exactamente simétrica, y que también algunas de las arterias son mucho menos prominentes que otras. Por ejemplo, la parte inicial P1 de la arteria cerebral posterior PCA es mucho más prominente en el lado izquierdo que en el derecho (que no está marcado), mientras que la Pcom izquierda (que no está marcada) es mucho más grande que la PCom derecha.
[0018] El procedimiento de la presente invención permite identificar las ubicaciones de varios marcadores anatómicos en la imagen tridimensional que muestra los vasos sanguíneos, tal como se obtiene mediante una exploración angiográfica. En particular, se pueden identificar los siguientes marcadores anatómicos, y sus ubicaciones en el diagrama de la figura 1 se muestran mediante los números de referencia correspondientes:
1. T-ICA: donde la arteria carótida interna ICA se divide en MCA y ACA;
2. A1/A2: donde las ACA izquierda y derecha se interconectan, normalmente por una arteria comunicante anterior ACom;
3. M1/M2: donde la MCA se divide en ramas;
4. M1/P1: donde la MCA se comunica con la arteria comunicante posterior PCom (que conduce a la PCA); y 5. B/P1: donde la arteria basilar se divide para formar las PCA izquierda y derecha.
[0019] Una vez obtenida una imagen angiográfica, estas ubicaciones pueden identificarse usando un procedimiento a lo largo de las líneas.
a) Extraer el sistema de vasos completo en el interior del cráneo haciendo corresponder una imagen de TC sin contraste con la imagen angiográfica, es decir, corresponder conjuntamente el enmascaramiento cerebral de las dos imágenes para excluir cualquier parte de las imágenes que esté claramente fuera del cerebro, y restar, seguido de un umbral en un valor de HU fijo (por ejemplo, 40 HU o 6o HU). El resultado es una máscara vascular. b) Esqueletonizar la máscara vascular con un algoritmo de adelgazamiento (por ejemplo, "A fast parallel algorithm for thinning digital patterns", T. Y. Zhang y C. Y. Suen, Communications of the ACM, marzo de 1984, volumen 27, número 3), produciendo así una máscara esquelética.
c) Realizar una extracción del plano central en función de la correspondencia conjunta con un modelo con un plano central conocido (por ejemplo, una imagen donde los píxeles con valores X inferiores a la mitad de la anchura de la imagen están en el lado derecho del cerebro, de acuerdo con el protocolo radiográfico). La máscara esquelética ahora tiene etiquetas para cada píxel de primer plano de "izquierda" o "derecha".
d) Analizar la máscara esquelética con puntos de partida en el plano central (es decir, aquellos vóxeles vecinos de las etiquetas "izquierda" y "derecha"), e iterar sobre la máscara perpendicular al plano central, buscando ramificaciones/bifurcaciones/ramas, por ejemplo, usando la estrategia de T.-C. Lee, R.L. Kashyap y C.-N. Chu, "Building skeleton models via 3-D medial surface/axis thinning algorithms", Computer Vision, Graphics, and Image Processing, 56(6):462-478, 1994. Los vóxeles en los puntos de rama (>2 vecinos de máscara esquelética) se marcan como coincidencias.
e) Detectar la ubicación más proximal de las tres principales arterias de irrigación de la cabeza en la máscara esquelética: ICA izquierda y derecha, y la arteria basilar B. Para ello, en nuestra imagen modelo de referencia definida, los intervalos de vóxeles están marcados como "ICA izquierda", "ICA derecha" o "Basilar". El punto más bajo (más distante del vértice craneal) en la máscara esquelética en cada uno de estos intervalos de etiquetas se selecciona en consecuencia.
f) Partiendo desde la parte inferior de la arteria basilar B recorrer la trayectoria de la línea central hacia arriba y parar en la coincidencia más alta. Esta coincidencia define el marcador anatómico B/P1 5.
g) Partiendo desde la parte inferior de la ICA izquierda, mover hacia arriba a través de la máscara esquelética hasta la primera coincidencia en la trayectoria. Esta coincidencia define el marcador t-ICA izquierda 1. h) Repetir la etapa g para la ICA derecha.
i) Partiendo desde el marcador t-ICA izquierda 1, desplazar hacia arriba y centralmente a lo largo del segmento A1 de ACA hasta la primera coincidencia que define el marcador A1/A22.
j) Partiendo desde la t-ICA izquierda, desplazar lateralmente a la izquierda y a la derecha a lo largo de la trayectoria de la línea central M1 para cualquier coincidencia en la trayectoria que crea una bifurcación hacia la parte posterior del cerebro, y anotar la coincidencia como un marcador M1/P1 4. La primera coincidencia que se bifurca lateralmente o anteriormente define el marcador M1/M23.
k) Repetir las etapas j y k para la mitad derecha.
[0020] Con referencia ahora a la figura 3, ésta muestra parte de una máscara esquelética como se produce en la etapa (b). Esto muestra una vista bidimensional axial de una máscara esquelética tridimensional. La máscara consiste en líneas de vóxeles, y se apreciará que los huecos diagonales de un píxel de ancho entre un vóxel y el siguiente no representan roturas en la arteria correspondiente, sino que son un artefacto de pixelización. La imagen muestra el círculo de Willis cerca del centro de la imagen, y la arteria cerebral posterior (PCA) que forma la parte inferior del círculo de Willis. El lado izquierdo de la imagen muestra el círculo de Willis como completo, que conduce a la arteria comunicante anterior ACA. En el lado derecho de la imagen, el círculo de Willis está incompleto ya que la arteria cerebral media (MCA) no es visible debido a la oclusión, y la arteria comunicante posterior en el lado derecho, por lo tanto, no está visible tampoco.
[0021] Al realizar la extracción del plano central de la etapa (c), la máscara esquelética se compara con un modelo para el que ya se ha determinado el plano central. El modelo se puede obtener a partir de una única exploración de un individuo, generando una máscara esquelética a partir de esa exploración y luego determinando el plano central de la máscara esquelética; o alternativamente, el modelo puede producirse promediando máscaras esqueléticas obtenidas a partir de exploraciones de un número de individuos diferentes, y luego determinando el plano central de la máscara promediada.
[0022] Las etapas (f) a (k) pueden utilizar información adicional para localizar los marcadores anatómicos. En algunos casos, se puede usar una máscara esquelética de referencia para definir regiones de interés, es decir, regiones en las que se espera que se encuentren marcadores anatómicos particulares. Por lo tanto, cada búsqueda de un vóxel de rama, es decir, una coincidencia, en una máscara esquelética se puede llevar a cabo en una región de interés previamente especificada. Por ejemplo, las máscaras vasculares tridimensionales como se muestra en la Figura 2 que muestra las arterias en el cerebro se pueden obtener a partir de exploraciones de angiografía de múltiples personas que no sufren ninguna lesión cerebral, y se pueden anotar (por ejemplo, por un experto médico) con las ubicaciones de varios marcadores anatómicos diferentes en el espacio tridimensional. Por consiguiente, es posible deducir, para cada marcador anatómico, una región de ese espacio tridimensional en la que cabe esperar que se encuentre ese marcador anatómico, es decir, una región de interés. A modo de ejemplo, comparando varias de tales exploraciones angiográficas anotadas, se puede calcular la posición 3D media de un marcador anatómico, y también la desviación típica; se esperaría entonces que en cualquier nueva exploración el marcador anatómico correspondiente se encontrara dentro de, digamos, tres desviaciones típicas de la posición media.
[0023] Se apreciará que éste es sólo un ejemplo de un procedimiento de la invención. Aunque la máscara esquelética representa cada arteria mediante una línea que tiene una anchura de un vóxel, también puede registrarse información sobre el diámetro de la arteria en cada posición a lo largo de la línea, y sobre la distancia a lo largo de la trayectoria del flujo. Si hay ambigüedad acerca de un vóxel de rama o coincidencia particular, dicha información adicional puede permitir que se resuelva la ambigüedad.
[0024] Haciendo referencia ahora a la figura 4, ésta muestra un diagrama de flujo del proceso, en tres columnas, correspondientes a las etapas realizadas usando partes correspondientes del aparato 10, representadas esquemáticamente. El aparato 10 consiste esencialmente en un escáner 12, que proporciona datos a un ordenador 14, que proporciona datos a una pantalla de visualización 16.
[0025] La primera etapa 20 implica realizar una exploración que, en este ejemplo, es una exploración por TC, de la cabeza del paciente. Los datos de esa primera exploración por TC, como indica la línea discontinua 21, se transfieren al ordenador 14. La segunda etapa 22 consiste en inyectar un bolo de medio de contraste en el paciente; y tras un tiempo suficiente para que el medio de contraste haya circulado por los vasos sanguíneos del cerebro, la siguiente etapa 24 es realizar una segunda exploración; puesto que se trata de una exploración que incluye un medio de contraste, la imagen resultante puede denominarse angiograma. Como indica la línea discontinua 25, los datos de esta exploración angiográfica también se transfieren al ordenador 14.
[0026] El ordenador 14, en la etapa 26, compara la imagen de la exploración angiográfica con la imagen de la exploración inicial, es decir, compara las imágenes correspondientes con los datos 21 y los datos 25, produciendo así en la etapa 28 una máscara vascular tal como la mostrada en la figura 2, que muestra los vasos sanguíneos en tres dimensiones. A continuación, el ordenador esqueletoniza esta máscara vascular, en la etapa 30, para producir una máscara esquelética. A continuación, la máscara esquelética se analiza en la etapa 32 para identificar cualquier rama o bifurcación. A continuación, en la etapa 34, el ordenador, recorriendo las arterias principales identificadas, identifica marcadores anatómicos.
[0027] La máscara vascular se transfiere a la pantalla de visualización 16, como indica la línea discontinua 29; y los datos sobre las posiciones de los marcadores anatómicos se transfieren a la pantalla de visualización 16 como indica la línea discontinua 35. En la etapa 36, la pantalla de visualización 16 muestra entonces la máscara vascular con los marcadores anatómicos identificados superpuestos en las posiciones correspondientes en la máscara vascular. Esto puede ayudar al personal médico a identificar la naturaleza del accidente cerebrovascular y la ubicación de cualquier obstrucción o coágulo, y a determinar la mejor manera de tratar al paciente.

Claims (12)

REIVINDICACIONES
1. Un procedimiento implementado por ordenador de análisis de datos procedentes de una exploración angiográfica que proporciona información tridimensional sobre vasos sanguíneos en el cerebro de un paciente, comprendiendo el procedimiento las etapas de:
- procesar los datos para producir una imagen tridimensional;
- extraer el sistema de vasos sanguíneos en el interior del cráneo, a fin de obtener una máscara vascular (28), es decir, una imagen tridimensional que consiste únicamente en los vasos sanguíneos;
- esqueletonizar (30) la máscara vascular con un algoritmo de adelgazamiento para producir una máscara esquelética, de modo que cada vaso sanguíneo se reduce a una línea que tiene una anchura de un vóxel;
- opcionalmente realizar una extracción del plano central, para separar la máscara esquelética en lados izquierdo y derecho;
- analizar (32) la máscara esquelética para identificar los vóxeles que tienen más de dos vecinos, lo que indica una ramificación, bifurcación o rama, siendo estos vóxeles identificados denominados vóxeles de rama;
- detectar la ubicación más proximal de cada una de las tres principales arterias de irrigación de la cabeza en la máscara esquelética, las arterias carótidas internas izquierda y derecha y la arteria basilar, para identificar las posiciones de partida que están más distantes del vértice del cráneo; y después
- partiendo de cada posición de partida por turnos, y siguiendo la línea de la máscara esquelética que representa el vaso sanguíneo correspondiente, señalar las ubicaciones de los vóxeles de rama y la orientación relativa de la rama, y detectar así (34) una pluralidad de marcadores anatómicos en la red de vasos sanguíneos.
2. Un procedimiento según la reivindicación 1, que también comprende mostrar (36) la exploración angiográfica o la máscara vascular junto con los marcadores anatómicos en las posiciones correspondientes en la exploración angiográfica o la máscara vascular.
3. Un procedimiento según la reivindicación 1 o la reivindicación 2, donde la etapa de extraer el sistema de vasos sanguíneos en el interior del cráneo, a fin de obtener una máscara vascular, se realiza por comparación de la imagen angiográfica con una imagen de TC sin contraste que está en correspondencia con la misma, y determinar la diferencia entre las imágenes.
4. Un procedimiento según la reivindicación 3, donde los datos de vóxeles de las diferencias entre las imágenes se mejoran aún más omitiendo entonces cualquier vóxel para el que los datos son inferiores a un umbral preestablecido.
5. Un procedimiento según la reivindicación 4, donde el umbral preestablecido es de 60 HU.
6. Un procedimiento según una cualquiera de las reivindicaciones anteriores, donde la etapa de realizar la extracción del plano central se realiza haciendo corresponder la máscara esquelética con un modelo con un plano central conocido.
7. Un procedimiento según una cualquiera de las reivindicaciones anteriores, donde los marcadores anatómicos se seleccionan entre:
T-ICA: donde la arteria carótida interna se divide en MCA y ACA;
A1/A2: donde las ACA izquierda y derecha se interconectan, normalmente por una arteria comunicante anterior; M1/M2: donde la MCA se divide en ramas; M1/P1: donde la MCA se comunica con la arteria comunicante posterior; y
B/P1: donde la arteria basilar se divide para formar las PCA izquierda y derecha.
8. Un procedimiento según la reivindicación 7, donde el marcador B/P1 se identifica recorriendo la línea de la arteria basilar en la máscara esquelética hasta que se alcanza el punto de rama más alto.
9. Un procedimiento según la reivindicación 7 o la reivindicación 8, donde el marcador T-ICA se identifica recorriendo la línea de una ICA hasta el primer punto de la rama.
10. Un procedimiento según una cualquiera de las reivindicaciones anteriores, donde el marcador anatómico se identifica usando, además, la anchura de la rama.
11. Un procedimiento según una cualquiera de las reivindicaciones anteriores, donde el marcador anatómico se identifica usando, además de la máscara esquelética, un requisito de que el marcador anatómico esté situado en una región previamente especificada de la máscara esquelética.
12. Un procedimiento según la reivindicación 11, donde la región especificada de la máscara esquelética se determina a partir de una máscara esquelética de referencia.
ES20734269T 2019-06-12 2020-06-12 Análisis de datos angiográficos Active ES2945891T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
GBGB1908440.9A GB201908440D0 (en) 2019-06-12 2019-06-12 Angiographic data analysis
PCT/GB2020/051418 WO2020249960A1 (en) 2019-06-12 2020-06-12 Angiographic data analysis

Publications (1)

Publication Number Publication Date
ES2945891T3 true ES2945891T3 (es) 2023-07-10

Family

ID=67386257

Family Applications (1)

Application Number Title Priority Date Filing Date
ES20734269T Active ES2945891T3 (es) 2019-06-12 2020-06-12 Análisis de datos angiográficos

Country Status (6)

Country Link
US (1) US11481896B2 (es)
EP (1) EP3983995B8 (es)
CN (1) CN113826140B (es)
ES (1) ES2945891T3 (es)
GB (1) GB201908440D0 (es)
WO (1) WO2020249960A1 (es)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361584B (zh) * 2021-06-01 2022-05-27 推想医疗科技股份有限公司 模型训练的方法及装置、肺动脉高压的测量方法及装置
CN114533002B (zh) * 2022-03-04 2024-04-26 清华大学 一种颈动脉中心线提取方法、装置、存储介质及电子设备
US20230404512A1 (en) * 2022-06-20 2023-12-21 Siemens Healthcare Gmbh Large vessel occlusion detection and classification in medical imaging

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7003144B2 (en) * 2000-02-11 2006-02-21 The United States Of America As Represented By The Department Of Health And Human Services Vessel delineation in magnetic resonance angiographic images
DE60208431T2 (de) * 2001-10-16 2006-08-31 Koninklijke Philips Electronics N.V. Verfahren zur automatischen etikettierung von zweigen
US8090164B2 (en) * 2003-08-25 2012-01-03 The University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
US20050256400A1 (en) * 2003-12-03 2005-11-17 Bhargav Raman Method to identify arterial and venous vessels
US7953262B2 (en) * 2007-02-05 2011-05-31 General Electric Company Vascular image extraction and labeling system and method
WO2014158345A1 (en) * 2013-01-31 2014-10-02 University Of Iowa Research Foundation Methods and systems for vessel bifurcation detection
US9501620B2 (en) * 2012-03-20 2016-11-22 Oxford University Innovation Limited Quantification of blood volume flow rates from dynamic angiography data
US9471989B2 (en) 2013-06-03 2016-10-18 University Of Florida Research Foundation, Inc. Vascular anatomy modeling derived from 3-dimensional medical image processing
CN104318557B (zh) * 2014-10-17 2017-03-29 重庆大学 血管骨架线重构方法
IL246009B (en) * 2016-06-02 2018-11-29 Ezer Haim A system and method for monitoring the condition of a cerebral aneurysm
US10869644B2 (en) * 2016-07-30 2020-12-22 Shanghai United Imaging Healthcare Co., Ltd. Method and system for extracting lower limb vasculature
US20190117179A1 (en) * 2017-10-23 2019-04-25 Mg Stroke Analytics Inc. Systems And Methods For Deciding Management Strategy in Acute Ischemic Strokes Using Rotational Angiography

Also Published As

Publication number Publication date
CN113826140A (zh) 2021-12-21
WO2020249960A1 (en) 2020-12-17
EP3983995B8 (en) 2023-05-10
US20200394793A1 (en) 2020-12-17
EP3983995B1 (en) 2023-04-05
GB201908440D0 (en) 2019-07-24
US11481896B2 (en) 2022-10-25
EP3983995A1 (en) 2022-04-20
CN113826140B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
ES2945891T3 (es) Análisis de datos angiográficos
ES2928934T3 (es) Aparato de diagnóstico de accidentes cerebrovasculares basado en la IA (inteligencia artificial) y método
ES2864714T3 (es) Método para detectar y representar visualmente características endovasculares
ES2908571T3 (es) Identificación de ramas de un vaso sanguíneo
US11282170B2 (en) Contrast injection imaging
KR101120250B1 (ko) 컴퓨터로 구현된 의학 영상 데이터 처리 방법
ES2972655T3 (es) Análisis de datos tomográficos
US20100128954A1 (en) Method and system for segmenting medical imaging data according to a skeletal atlas
US20150141818A1 (en) Vascular imaging method and device
JP2005131011A (ja) 急性脳梗塞診断治療支援装置
US8917268B2 (en) Systems and methods for performing image background selection
US20190059840A1 (en) Method and system for imaging
US20220319004A1 (en) Automatic vessel analysis from 2d images
KR101571151B1 (ko) 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법
US11967079B1 (en) System and method for automatically detecting large vessel occlusion on a computational tomography angiogram
US11278257B2 (en) Diagnostic auxiliary image generation apparatus, diagnostic auxiliary image generation method, and diagnostic auxiliary image generation program
CN109978860B (zh) 胸水判别方法、装置和计算机设备
JP4505805B2 (ja) 領域抽出方法およびその装置
JP5801226B2 (ja) 画像診断支援装置、方法およびプログラム
US10402991B2 (en) Device and method for registration of two images
US20120014577A1 (en) Method and System for Indicating a Feeding Vessel of a Malformation
US20240112786A1 (en) Image processing apparatus, image processing method, and image processing program
US20230225684A1 (en) Determining needle position
Kuehnel et al. New analysis tools for the comprehensive assessment of the coronary arteries and myocardial viability in CT data sets
Kiraly et al. Parsing of the Lungs and Airways