JP2009518097A - モデル・ベースの流れの解析および可視化 - Google Patents
モデル・ベースの流れの解析および可視化 Download PDFInfo
- Publication number
- JP2009518097A JP2009518097A JP2008543947A JP2008543947A JP2009518097A JP 2009518097 A JP2009518097 A JP 2009518097A JP 2008543947 A JP2008543947 A JP 2008543947A JP 2008543947 A JP2008543947 A JP 2008543947A JP 2009518097 A JP2009518097 A JP 2009518097A
- Authority
- JP
- Japan
- Prior art keywords
- observation
- model
- vascular system
- blood flow
- flow
- 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.)
- Withdrawn
Links
- 238000012800 visualization Methods 0.000 title claims description 25
- 238000005206 flow analysis Methods 0.000 title claims description 18
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000017531 blood circulation Effects 0.000 claims abstract description 68
- 230000002792 vascular Effects 0.000 claims abstract description 65
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 239000002872 contrast media Substances 0.000 claims description 51
- 206010002329 Aneurysm Diseases 0.000 claims description 30
- 230000002123 temporal effect Effects 0.000 claims description 25
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 16
- 230000036262 stenosis Effects 0.000 claims description 16
- 208000037804 stenosis Diseases 0.000 claims description 16
- 210000004204 blood vessel Anatomy 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 10
- 239000012530 fluid Substances 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 7
- 210000004369 blood Anatomy 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000000747 cardiac effect Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000007723 transport mechanism Effects 0.000 claims 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000008929 regeneration Effects 0.000 abstract description 3
- 238000011069 regeneration method Methods 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 7
- 230000036772 blood pressure Effects 0.000 description 6
- 230000007170 pathology Effects 0.000 description 6
- 210000005166 vasculature Anatomy 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000000541 pulsatile effect Effects 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 208000022211 Arteriovenous Malformations Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000005744 arteriovenous malformation Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000006439 vascular pathology Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus 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
- A61B6/504—Apparatus 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus 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
- A61B6/507—Apparatus 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 determination of haemodynamic parameters, e.g. perfusion CT
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Vascular Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
動的な診断観察シーケンス(101)から血管システムにおける血流を解析するために、血流パラメータ(112)を決定し、フィルタ、再生速度をさらに決定し、最後には再生される元のシーケンスおよびフィルタリングされたシーケンスを可視化する、システム(900)、方法(100、200)および装置(600、700、800)が提供される。第一実施形態(100)は、観察の特徴を抽出し、それらの特徴を使って、関心のある血管システムの事前決定されたモデルのデータベースから適切なモデルを選択する。モデルにはパラメータが関連付けられている。これらのパラメータが変えられて、元の観察に最もよくマッチするモデルのインスタンスが生成される。第二実施形態(200)は元の観察(101)およびモデルによって予測された観察(101′)を可視化して両者の差を強調する。第三実施形態(800)は、フィルタリングおよび再生速度の制御を提供する。
Description
本発明は、画像のシーケンスに基づいて血管中の血流のモデルを導出し、導出されたモデルを標準的な血管モデルとマッチングして、自動的に血流の属性を測定し、異常を識別し、前記モデルを利用して結果を医師またはインターベンション実施者によるさらなる考察のために視覚化するシステム、装置および方法に関する。
多くの医療撮像モダリティが、種々の血管システムにおける血流に関する情報を医師およびインターベンション実施者に提供する。臨床観察の自動化され、計算機支援された解析は、十年以上にわたって研究および開発の一つの焦点であり続けてきた。これは血管造影取得像(acquisition)の流れ解析にも当てはまる。そのような解析の主たる目的は、観察された画像のシーケンスから、血流中の造影剤のダイナミクスを示す定量的かつ特徴的な流れ属性を、堅牢な仕方で抽出することである。
そのような解析は、血液の流体属性、心拍、画像ノイズ、造影剤注入および臨床取得において固定されることができない、または患者に特定的であるその他の属性を扱わねばならない。したがって、どんな自動化された流れ解析についても、重要な属性は、諸特徴の様相(appearance)を決定するすべての既知の影響を扱えることである。しかしながら、種々の影響のそのような大きな集合のこの先験的な知識は、観察された諸特徴の解釈に基づく解析に組み込むことは難しく、よって現在知られているたいていの方法は、臨床使用のためには堅牢性が不十分となっている。
血管サブシステムを通じた造影剤の前進を撮像する血管システムの診断的取得像からの機能的情報の抽出は、これらの影響の主要な測定を提供できる。たとえば、狭窄症の等級付け(grading)のためには、狭窄を通じた血圧降下が、治療に当たる医師にとっての主要な関心事である。動脈瘤の等級付けのためには、動脈瘤を通じた迂回路を取らずに動脈瘤を通過する血液の量が関心事でありうる。一方、分岐(bifurcation)のためには、分枝に流入する割合が重要な機能的情報である。扱うケースによって、どの機能的情報が重要かが決まってくるのである。定量的な血液流の評価のためのすべての既知のアルゴリズムは、注入された造影物質のボーラス(bolus)の到着時間のような単純な特徴解析に基づいており、特定的でない(unspecific)とともに、複雑な血管構成の評価のためには不十分である。
血流測定は、動脈または静脈における疾病(たとえば狭窄症または動脈瘤)の重症度を評価するために本質的である。造影剤の前進は、インターベンションX線、超音波、計算機断層撮影または磁気共鳴撮像を使った反復される取得およびその他のモダリティによって撮像されることができる。インターベンションX線についての例が挙げられるが、これはあくまでも例としてであって、X線モダリティへのいかなる限定も含意しない。
低侵襲手順では、インターベンション実施者はカテーテルを関心のある血管中に挿入し、X線シーケンスにおいてその血流が見えるようにするために造影剤を注入する。その後、医師が、取得されたX線シーケンスにおける造影剤の広がりの目視検査によって血流を評価できる。X線シーケンスにおける流体のダイナミクスの最適な視覚的印象のため、画像前処理が必要とされる。たとえば、背景ノイズは不満足な視覚的印象につながるので、背景ノイズの除去は本質的である。これは特に、高フレームレートで取得された流れのシーケンスに当てはまる。というのも、全体的な患者の線量を期待可能なレベルに維持するために低いフレーム線量を使わなければならないため、低い画像品質が得られるからである。一つの一般的なノイズ抑制方法は、所与の数のフレームが重み付けおよび平均される時間的フィルタリングである。
これまで、信号処理は、患者の個別的な血流を考慮することなく、固定されたパラメータ・セットを用いて実行されてきた。結果として、流体のダイナミックな効果の視覚的印象は、不適切なパラメータによって乱されることがある。時間的フィルタリングの場合、時間的フィルタリングの強さが決定的である。選ばれたフィルタリングの強さが強すぎると、造影剤のボーラスが撮像の間にその位置を根本的に変える。結果として、ぼやけたボーラスが表示され、重要な機能的情報が失われる。よって、時間的フィルタリングの強さは、患者、疾病および器官に強く依存する実際の流れの速度に適合されなければならない。さらに、造影剤は主として高濃度のボーラスとして到着し、観察の可視化はしばしばこのボーラスの到着を示すよう調整される。一方、造影剤濃度の局所的な、より小さい変動に現れる微小流現象にたくさんの診断的に重要な情報が含まれる。これらはしばしば、主要な造影剤ボーラスによって見えにくくなる。微小流現象を明らかにし、可視化する方法が望まれている。
機能的情報は、疾病の人体に対する影響の直接的な測定を許容し、通常利用可能ではないながら、きわめて望ましいものである。よって、医療撮像からの機能的情報の抽出については増大し続ける需要がある。しかしながら、血流解析は臨床的に日常的なものではない。というのも、造影されたX線画像または他のモダリティから自動的に得られる情報はまだ十分ではないからである。
本発明のシステム、装置および方法は、個人の根底にある物理的な血流に関する、特定的な流れ解析に基づく機能的な情報、すなわち撮像された関心のある血管サブシステムにおける特定的な患者の血流のパラメータを提供する。本発明のシステム、装置および方法の血流解析への先験的な知識の柔軟な組み込みは、従来技術の計算解析から、好適に選択された予測モデルに基づく新しいモデル・ベースの機能的解析へのパラダイム・シフトである。
第一実施形態では、先験的知識が流体ダイナミクスから導出され、一つまたは複数の血流画像のシーケンスから得られる、利用可能な、患者に特定的な情報によって補足される。ここで、画像は、血流の振る舞いの好適に選択されたモデルを、患者の血流画像のシーケンスによって表現される本物の生理学的プロセスに適合させるために使われる。本発明の基本的利点として、ある観察(ある患者から得られた血流画像のシーケンス)のすべての可能な逸脱を説明するために特徴解析アルゴリズムを定式化し、実装することはもはや必要ではない。その代わり、本発明のモデル・ベースのアプローチを使って、種々の影響が、診断上の取得において遭遇されることのある幅広い範囲の観察および特徴の予測を許容するために、組み込まれる。本発明のこの第一実施形態のアプローチは、従来技術の計算特徴解析に比して、観察されるプロセスについてのすべての先験的な知識を解析に含めるよく定義された可能性という利点を提供する。
さらなる実施形態は、抽出された流れ情報の、可視化のための有益な利用と、簡単に利用できる方法での観察者への呈示に焦点を当てる。種々の情報および現象が抽出され、向上されるかフィルタ・アウトされ、予測からの何らかの逸脱に基づいて、医師/インターベンション実施者に注目されるようにされる。それにより、微小流現象のさらなる可視化(識別された異常流のより詳細な可視化)が達成され、医師/インターベンション実施者によって期待される値と視覚的に比較されることができるようにされる。
第二実施形態では、診断画像のシーケンスに含まれる造影剤の伝搬が、観察されたシーケンスにマッチングされたモデル化された生態学的流れパターンと比較される。それぞれの残差の逸脱の可視化および定量化がまず異常流を識別するために、次いで詳細な解析、たとえば抽出されたパラメータの目標血管構造における期待される値の分布との比較を実行するために、使われる。
第三実施形態では、特定的な患者の血流速度、全血流および他の重要な流れパラメータを考慮に入れるために、適応的な信号前処理(フィルタリング)が、フィルタリング段階の間に適用される。ある代替は、スローモーション再生における再生速度に依存する適応的なフィルタリングを含む。
当業者は、以下の記述が限定ではなく例示の目的で与えられていることを理解するであろう。当業者は、本発明の精神および付属の特許請求の範囲内にはいる数多くの変形があることを理解するものである。既知の機能および構造の無用な詳細は、本発明を埋没させないよう、本記載からは省略されることがある。例は解説の目的のためのみであり、本発明の範囲に対する限定として意図されてはいない。
第一実施形態では、本発明のシステム、装置および方法は、重要な血管配位および関心のある病理をカバーする数学的な流れモデルの例示的なセットを医師/インターベンション実施者に提供し、考察対象のケースについての適切なモデルの手動または自動的な選択技法を提供する。各モデルは、血管トポロジーまたは病理の特定的な流れパラメータのセットをカバーするパラメータ・セットを有している。ある好ましい実施形態のモデル・ベースの解析のねらいは、このセットを最適化し、モデルが、観察にできるだけ似ている予測を与えるときにそのパラメータをユーザーに提供することである。こうして、最適化されたモデル・パラメータは、考察対象の血管構造についての診断および結果制御(outcome control)についての臨床的に重要な情報を含む。ある代替的な好ましい実施形態では、いくつかのテーラーメードの(tailored)モデルを接続することによって複雑な血管システムを解析することができる。モデル選択は、少なくとも一つの画像のシーケンスにおいて描かれている血管トポロジーに依存し、手動でまたは自動的に実行できる。
ここで図1を参照すると、ある好ましい第一実施形態において、本発明は、観察された特徴の流体ダイナミクスに基づく血流の先験的知識を組み込んで、血管システムにおける造影剤の前進を示す診断画像データのシーケンスからなる観察101によって表される実際の生理学的プロセスに適合された適切な流れモデルを決定する。しかしながら、異なる血管トポロジーおよび病理における流れの異なる振る舞いのため、関心のある各血管構造についてのテーラーメードのモデルが要求される。本発明は、重要な血管トポロジーおよび関心のある病理をカバーする数学的な流れのモデルの例示的なセットを指定し、考察対象の各ケースについての適切なモデルのための選択技法を提供する。他の血管サブシステムについての可能なさらなる予測モデルは、腫瘍フィード(a tumor feed)、動静脈奇形などを含むが、これらはあくまでも例であり、本方法の限定を意図してはいない。
ある好ましい実施形態では、各モデルは、血管配位および血管病理のうち少なくとも一方の特定的な諸流れパラメータにまたがるパラメータ・セットを含む。本発明は、考察対象の血管構造についての診断および結果制御のための臨床的に重要な情報を反映するよう、モデル・パラメータを最適化する。
ある代替的な好ましい実施形態では、特定の複雑な血管システム配位の解析のためにいくつかのテーラーメードのモデルを接続することが可能である。結果として得られる、ケースに特異的な流れモデルおよびその選択は、任意の生理学的に重要な構造についての血流評価を可能にする。これは、そのような解析が、患者において観察されうるすべての異なる血管配位に適用可能であるための必須要件である。本発明のモデル選択手順は、診断撮像、すなわち画像のシーケンスにおいて描かれる血管トポロジーを用いる。
人間の血流のモデル・ベースの流れ解析について、今扱うことのできる主たる問題は、血流の脈動性、患者間および患者内の変動性が高い、血液のあらゆる非ニュートン流体属性ならびに造影剤注入自身の影響である。
こうして、本発明のシステム、装置および方法によって提供されるモデル・ベースの流れ解析パラダイムは、要求される特徴を、画像のシーケンスとして取り込まれた臨床的な観察の解析のための使用が許容されるアルゴリズム的な枠組みに組み込む。このモデル・ベースの解析パラダイムでは、モデル・パラメータが有効であり、実世界の観察を説明するものであり、それらのパラメータを使ったもっともらしいモデル予測は前に観察された諸特徴を再現すると想定されている。
モデル・ベースの流れ解析のための方法のある好ましい実施形態が図1に示されている。取得における観察されたデータ101は今や二つの入力102を解析枠組みに提供する。流れプロセスのすべての要求される情報を含む代表的な特徴が抽出される104。さらに、モデルの境界条件がモデルを構成103するために抽出される。ここで、境界条件は脈管構造の属性であり、のちの特徴予測107のために知られている必要があるが、流れそのものとは独立である。ある好ましい実施形態では、脈管構造のモデルの配位は、解析された血管造影図から決定されることのできる、あるいは他の撮像モダリティから入手可能なすべての特徴的な幾何学的属性を含む。
モデル・インスタンス106は、境界条件をもって構成されたとき、流れ属性に依存して特徴108を予測107する。適合ループ110〜113は、予測された特徴108が、所定の許容度の範囲内で観察101からの抽出された特徴104にマッチするまで、流れ属性を修正する。
ひとたび作成されると、適合されたモデル・インスタンス106が利用可能であり、これが今や、流れパラメータによって制御されるとき特徴を予測できる。この予測が、本発明のモデル・ベースの解析の特徴的な段階である。というのも、ここでは、すべての利用可能な先験的な知識がプロセスに含められているからである。観察101から抽出102された特徴104と予測107された特徴108との比較は、モデルについての逸脱または予測誤差の尺度を与える。目標用途に依存して有意な流れパラメータが選択され、検索空間を形成する。好適な最適化アルゴリズムが適用されて、予測誤差を減らし、最終的には最小化するよう、これらの流れパラメータ112が適応される。本発明のある好ましい実施形態のモデル・ベースのパラダイムによれば、観察とモデル予測との間の残差誤差を最小化するそれらのパラメータが当該解析の結果であり、アプリケーション115に提供114されることができる。
そして、これらの結果の品質は、モデルの予測および配位の、有効性およびもっともらしさに依存する。ある好ましい実施形態では、これら二つの本質的な属性は、解析枠組みそのものを修正する必要なしに、各アプリケーションについて調整される。
モデル・ベースの解析は、複雑な観察を扱うために、もっともらしい先験的な知識を使って観察を予測し、よって説明することができるモデルの構成されたインスタンスを決定する。そのようなモデル・ベースの解析の生成において、ある好ましい実施形態では、前記解析において表されるべきあらゆる効果が、特徴108の予測107に含められる。
第一実施形態に基づく方法100の一例が、インターベンションX線について与えられるが、本方法をこのモダリティに限定することを意図するものではない。
1.X線監視下のボーラス注入の撮像:少なくとも二つのX線画像のシーケンスにおいて血流を可視にするために関心のある血管中に造影剤が注入される。この目的のために、特定的な所定の注入プロトコルが使われる。
2.血管構造の識別および流れモデルの選択:血管樹の不透明マスクが、少なくとも二つのX線画像のシーケンスに対して最大/最小演算を実行することによって計算される。その後、医師/インターベンション実施者は、提供された標準的なモデルのセットから、不透明血管樹の目視によって、適切なモデルを選択する。
第一実施形態によって提供される各流れモデルは、特定的な配位について造影剤の輸送を記述する。流れモデルを介して、ここでの諸特徴における時間強度曲線、すなわち、所定の観察点のセットにおける時間を通じて変動する造影剤濃度の予測がなされる。各モデルは、血管トポロジーまたは病理の少なくとも一つの特定的な特徴をカバーする、モデルに特定的なパラメータ・セットを含み、異なる数の少なくとも一つの所定の観察点を要求する。結果として、特定的な血流に関係するパラメータが、関心のある血管配位について抽出される。
流れモデルのセットは、これに限定されないが、狭窄症、動脈瘤および分岐のモデルを含む。カスタム構築された流れモデルからの臨床的に重要な情報の抽出の一例は、狭窄症の等級付けである。従来技術の臨床ルーチンでは、狭窄症等級付けは、血圧ワイヤ(pressure wire)を利用することにより狭窄症を通じた血圧降下を測定することによって実行される。この手順は、X線監視下の血流測定によって模倣されることができる。ある手順は、X線または類似の好適なモダリティによって取得された造影画像のシーケンスから、非分岐の血管における任意の観察点における脈動性の血流量および脈動性の速度を測定する。このアプローチによって、狭窄を通じたいくつかの観察点について速度v(t)が計算されることができる。図4b参照。血流量Q(t)が各観察点について同一であることを注意しておく。v(t)およびQ(t)を活用することによって、各観察点における狭窄の有効半径Rがその後
Q(t)=v(t)πR2 (1)
によって計算される。血圧降下Δp、有効半径Rおよび血流量Q(t)の間の関係は従来技術において既知である。結果として、狭窄を通じた血圧降下の計算が実行できる。
Q(t)=v(t)πR2 (1)
によって計算される。血圧降下Δp、有効半径Rおよび血流量Q(t)の間の関係は従来技術において既知である。結果として、狭窄を通じた血圧降下の計算が実行できる。
ある代替的な実施形態では、血圧降下測定は、速度に基づく狭窄症等級付けを使って実行される。ここで、狭窄症の程度は、
(1−v1/v2)100%
によって計算される。ここで、v1は観察点1における速度、v2は観察点2における速度である。
(1−v1/v2)100%
によって計算される。ここで、v1は観察点1における速度、v2は観察点2における速度である。
上記の解析のため、観察点の間の管状構造を通じた造影剤の輸送を予測するために、流れモデルが生成される。この予測は、好ましくは、血液およびコントラスト輸送のすべての機構、主として脈動性の分散、拡散および血管断面積にわたって変動する血液速度を考慮に入れることができる。
カスタム構築された流れモデルからの臨床的に重要な情報の抽出のもう一つの例は、動脈瘤の評価である。ここで、動脈瘤を通じて迂回する血液流量の割合が医師にとって関心がある。動脈瘤体積を通じて流れる親血管からの血液流の割合は、動脈瘤における血液の残留時間を決定するために要求される。これは、治療決定および結果制御のために重要なパラメータと考えられる。
まず、全体的な血液流量が、フィードにおける観察点301−302の間の造影剤輸送をシミュレートすることによって決定される。図3aの300a参照。その後、動脈瘤304を通じて迂回する割合およびはいることなく動脈瘤を通過する割合が計算される。この目的のために、第二の観察点302から第三の観察点303までの造影剤輸送が図3要素300bに描かれているモデルを使ってシミュレートされる。この根底にあるモデルは、二つの観察点を接続する二つの管状構造305、306からなる。第一の管状構造306は、両観察点の元の生理学的接続をモデル化する。一方、第二の管状構造305は、動脈瘤304において造影剤が取る迂回路をモデル化する。各管状構造の長さおよび半径は、最適化ルーチンにおけるパラメータであり、モデル化された管のそれぞれにおける造影剤ダイナミクスは好ましくは、上記したような管状血管としてモデル化される。さらなる実施形態として、動脈瘤嚢内での造影剤の濃度および量を予測するため、動脈瘤は均一なコントラスト濃度を内部に持つ流体体積としてモデル化され、該濃度が観察点302を介して流れる造影剤の量に基づいて予測される。
カスタム構築された流れモデルからの臨床的に重要な情報の抽出のもう一つの例は、分岐404.1 404.2における血液流量の比を使った分岐(図4aの404参照)の評価である。この目的のため、フィード401におけるある観察点から観察点402 403への、ドレインの各分枝における造影剤輸送が、好ましくは、上に与えた管状構造におけるコントラスト輸送についてのモデルを使ってシミュレートされる。このシミュレーションのパラメータの一つは、各分枝402、403に流入する割合である。これらのスケーリング因子の比は、ドレイン(分枝)402 403における血液流量の比を示す。
3.当該観察点における時間強度曲線(TIC: time intensity curve)の抽出:上に与えたすべての観察点について、ある好ましい実施形態では、造影剤の局所的な濃度は、ノイズの影響を減らすために、血管中の観察点のまわりの所定のエリアにおける造影剤の強度の平均を取って決定される。観察点の数および位置は、存在する血管トポロジーまたは病理に、したがって流れモデルに依存する。
4.モデル・パラメータの最適化:流れモデルは、血管に沿った各観察点での諸特徴の、好ましくは時間強度曲線および造影剤濃度の予測を提供する。ある好ましい実施形態のある最適化手順では、予測されたTICと観察されたTICが比較109され、測定された時間強度曲線とモデル予測との間の誤差が最小化されるようにモデル・パラメータが調節される。すると、出力パラメータは、疾病の評価のための重要な診断値を提供する。分岐、図400aの要素404の場合、ある好ましい実施形態では、これは上に示したように分枝404.1 404.2における血液流量の比である。これに対し、狭窄、図400bの要素408については、これは狭窄408を通じての血圧の低下である。動脈瘤の場合、親血管からの、動脈瘤自身を通じて流れる血液流の割合が主要なパラメータである。
5.関連する出力パラメータの表示:ある好ましい実施形態では、流れパラメータ112は適切な仕方で医師/インターベンション実施者に対して表示される。ある代替的な実施形態では、結果は、流れ解析からの結果を処理するアプリケーション115に渡される。
ここで図6を参照すると、第二実施形態を実装する、モデル・インスタンス発生器を有する装置600が示されている。モデル・インスタンス発生器は、関心のあるあらゆる可能な血管システムの例示的なモデルのデータベース602からの適切なモデルの選択および初期構成において、モデル構成モジュールを制御する。モデル・インスタンス洗練モジュール106は、前記モデルを実行し、予測される特徴108を得る。予測される特徴108は次いで抽出された実際の特徴と比較され、選択されたモデルに付随する流れパラメータの値は比較および適応モジュール110によって適応される。適応された流れパラメータは、モデル・インスタンス洗練モジュール106によって、モデル・インスタンスを洗練するために使用され、予測、比較、適応および洗練のプロセスは、実際の特徴と予測された特徴との間の差が少なくとも一つの所定の許容度の範囲内にはいるまで、繰り返される。この逐次プロセスからの最終的に決定された流れパラメータは他のシステム/アプリケーションにそこでの使用のために、たとえば以下に記載される第二実施形態における使用のためにエクスポート114される。
流れの可視化のためのモデルの使用
第二実施形態(図2参照)は、種々の情報および現象が、抽出され/向上されるおよびフィルタ・アウトされるのうちの一方をされる、モデル・ベースの可視化機構である。向上を行うかフィルタ・プロセスを実行するかの決定は、予測段階207の間になされる。
この第二実施形態のモデル・ベースの可視化枠組みにおいては、実際の観察201の選択された諸部分が、構成されたモデル206によって説明され、抑制されたり、あるいは特別な扱いをされたりすることができる。予測された観察208と実際の観察201との間の差210は、モデル予測段階207において利用可能な先験的な知識によってフィルタされるすべての情報を含む。
この第二実施形態のモデル・ベースの可視化方式については、モデル・インスタンスは固定されている。血管幾何構造に対する境界条件は、ここでもまた実際の観察から抽出202される。造影された血管造影図の流れ解析のために、この予測は、関心のある血管サブシステムにおける造影剤の局所的な量を含む。さらに、動的な流れパラメータも固定される。これらは通例、従来技術の流れ解析によって提供される。モデル・インスタンス206は、この第二実施形態における高められた予測能力を提供する。可視化の有意な内容のフィルタリングまたは選択は、モデル予測された観察208を真の観察201から減算することによって得られる。この差は、モデル・インスタンス自身206によって説明されていないすべての流れ現象を含む。有利には、モデル・インスタンス206は、生理学的な流れ現象を説明および予測できるように生成される。すると、モデル・インスタンス206によって予測された観察208と、実際の観察201との差210は、通常の生理学的な流れからのあらゆる逸脱を含む。次いで、この第二実施形態において、元の観察201の、生理学的な予測の残留する差との融合213が使用されて、すべての病理学的または説明不能な流れ現象を向上させる、たとえば色分けする。
この第二実施形態におけるこれらの差の向上された可視化214は、従来技術に対して著しい前進である。というのも、通例、すべての微小流効果は、生理学的な流れパターンにおいて、造影剤によって見えにくくされ、したがって、造影剤の存在が関心のある血管構造を強く減衰させてしまうからである。そのような可視化214の第二の好ましい実施形態において適用される融合および画像フィルタ213パラメータは、流れパラメータ自身から取られるのが有益である。特に、造影剤の期待される時間的ダイナミクスが、この融合段階202におけるノイズ削減フィルタを制御205するために、のちに述べる第三実施形態において使われる。
ここで図7を参照すると、第二実施形態を実装する、第一実施形態に基づくモデル・インスタンス発生器600を有する装置700が示されている。モデル・インスタンス発生器600は、予測された観察を得、該予測された観察をベース画像(実際の観察201)と比較し、それらの間の差210を導出するために、比較および差分モジュール209によって使用される。前記の差がその後、融合&フィルタ・モジュール213によって、ベース画像(実際の観察201)に関して可視化される。該フィルタは、第三実施形態800の実装である。
第二実施形態の一例(図5参照)では、動脈瘤嚢は、親血管流と交換に造影剤を含む一つの均一に混合された室としてモデル化される。ここで図5のa−1〜a−4を参照すると、診断取得からのフレームが、動脈瘤嚢への造影剤の到着を示している。この動脈瘤嚢の幾何構造は、診断X線血管造影図が入力(上記の項目2参照)として取られるとき、流れのシーケンスにおいて血管構造の不透明マスクから抽出される。ユーザー選択されたROI(図5a−1で長方形501として示されている)では、微小な減算画像に記憶されている最大減衰が、閾値セグメント化されて、投影において血管内腔が決定される。結果として、マップは、動脈瘤の、血管内腔および最大造影剤濃度(局所的な濃さを表す)を含む。動脈瘤における造影剤の総量が抽出される。動脈瘤マップのこの総量によるスケーリングをモデル予測において使って、可視化から、総減衰の影響が除去される。このモデル化された造影剤濃度の、観察そのものからの減算は、内部での瞬間的な減衰からは独立に、動脈瘤における微小流を明らかにする(図5のb−1〜b−4)。
ある代替的な第二実施形態は、色(図示せず)を導入する。これは、元の診断情報の修正なしに、グレーレベルの血管造影図の見え方の向上を許容し、色付けされた血管造影図の注目を引く性質およびその診断上の有用性を大幅に改善する。そのような色可視化のためには、診断的な観察I(x,y,t)において、グレーレベルIは、時刻インスタンス、よって画像フレームtにおける位置(x,y)における造影剤の局所的な濃度に対応する。モデル予測は画像シーケンスP(x,y,t)を提供する。これは、位置(x,y)および時刻tにおけるモデルによって提供される予測されるすべての造影剤濃度Pを含む。したがって、これら二つの画像シーケンスの差D(x,y,t)は、あらゆる説明されない造影剤変動を含む。ある好ましい実施形態では、元の取得Iは、可視化の局所的な強度を決定するために使われ、局所的な差Dは、好ましくは強度そのものの修正なしに、着色を選択するために使われる。
あるさらなる代替的な第二実施形態では、撮像された血管構造の合成ビューが生成される。このために、抽出された幾何構造が血管構造のスケッチとして表示される。諸配色が、選択された流れパラメータとともに、各血管セグメントについて使われることができる。流れの速度または脈動性の度合いが、そのような概観スケッチにおいて可視化されることのできる流れ樹における可能な局所的パラメータである。特に、期待より並外れて高いまたは低い値は、生理学的な血管構造から得られる統計的分布における抽出されたデータの分類によって指示されることができる。そのような色付けされたスケッチは、複雑な血管構造におけるサブツリーの状態のための概観として、あるいは病理学的に影響された血管におけるランレングス(runlength)の関数(function)として、はたらくことができる。前記第一の代替的な実施形態とは対照的に、ここでは、モデルおよび抽出されたパラメータから、新しい合成的な表示が生成される。
フィルタリングのための流れおよび再生パラメータの使用
ノイズおよびアーチファクトを減らすための画像フィルタリングは、あらゆる医療画像データに普通に適用されている。しかしながら、不適正な技術的パラメータを用いたフィルタリングは、重要な観察を見えにくくすることがあり、あるいは観察者の目には見えるが取得されたデータには存在していなかったアーチファクト構造を生成することさえある。第三実施形態は、こうした問題に対処するものである。それには、個々の患者の血流速度(これは心拍のため、時間とともに変動する)に関する情報を使ってフィルタを調整し、それにより画像に含まれるノイズができるだけ少なくなり、その一方で画像が常に造影剤ボーラスの動きをぼけること(これは、適正に調整されていない場合にフィルタが導入することがある最もよくある画像品質劣化の一つである)なく示すようにする。この第三実施形態では、画像(前)処理およびそのパラメータは、推定された流れ速度、総血流または、少なくとも一つの画像、たとえばX線のシーケンスにおいて描かれている患者の解剖学的構造の他の任意の有意な流れパラメータに依存する。
この第三実施形態の一例は、時間的フィルタリングによる画像ノイズの削減である。ここで、時間的フィルタリングの強度は血流速度に依存する。フィルタリング強度は、時間および位置とともに変動しうる。というのも、流れの速度は脈動性のため時間依存であり、流れの速度は観察されることのできる異なる血管システムによって強く変わってくるからである。
この第三実施形態に基づく方法のある好ましい実施形態は次のステップを含む。
1.コントラスト・ボーラスの注入。これはインターベンション放射線医によって関心のある血管中に注入される。
2.取得されたX線シーケンスから流れ速度を測定。これにはよく知られたビデオ濃度測定技法および前記第一実施形態の技法が使われる。結果として、流れの速度または総流量のような特徴的な流れのパラメータが得られる。
3.適応的なフィルタ・スケールを用いた時間的フィルタリング。これは、重み付けされ、平均されるフレームにおいてボーラスに最大距離dしかカバーすることを許容しないことによって、ぼけを回避する。流れ速度v(先述のように推定される)を導入すると、重み付けされ、平均されるフレームによってカバーされる最適時間期間Δtは、Δt=d/vである。さらに、シーケンスのフレームレートfが既知なので、時間的フィルタのために使われるガウシアン低域通過フィルタの標準偏差σは、
σ=d×f/v
によって計算できる。流れ速度v(t,x)は時間および位置の関数なので、時間的フィルタリングの強度を反映する標準偏差σは、それぞれの個々の時間的瞬間および(血管の)ピクセルについて個々に計算されることができる(一方、血管の外側では、適切な強い標準偏差σを選ぶことができる)。しかしながら、ノイズ抑制のそのような局所的強度が使われる場合、それはちかちかするシーケンスという視覚的印象につながることがありうる。この問題を解決するために、二つの可能性が存在する:
a.ノイズ抑制の局所的な強度を使う代わりに、大域的なσが使われる。適切な大域的なσを得るためには、画像シーケンスの最大流れ速度max∀x,t(v(t,x))が知られる必要がある。流れ速度は、少なくとも、完全な心拍周期にわたって測定される。その時間の間、時間的フィルタリングは行われないか、あるいは好ましくは、上述の測定された最大速度を使った時間適応的な時間的フィルタリングが実行される。好ましくは、心臓サイクルにわたって流れ速度およびその変化を決定するために、前記の第一実施形態が使われる。
σ=d×f/v
によって計算できる。流れ速度v(t,x)は時間および位置の関数なので、時間的フィルタリングの強度を反映する標準偏差σは、それぞれの個々の時間的瞬間および(血管の)ピクセルについて個々に計算されることができる(一方、血管の外側では、適切な強い標準偏差σを選ぶことができる)。しかしながら、ノイズ抑制のそのような局所的強度が使われる場合、それはちかちかするシーケンスという視覚的印象につながることがありうる。この問題を解決するために、二つの可能性が存在する:
a.ノイズ抑制の局所的な強度を使う代わりに、大域的なσが使われる。適切な大域的なσを得るためには、画像シーケンスの最大流れ速度max∀x,t(v(t,x))が知られる必要がある。流れ速度は、少なくとも、完全な心拍周期にわたって測定される。その時間の間、時間的フィルタリングは行われないか、あるいは好ましくは、上述の測定された最大速度を使った時間適応的な時間的フィルタリングが実行される。好ましくは、心臓サイクルにわたって流れ速度およびその変化を決定するために、前記の第一実施形態が使われる。
b.ノイズ極性の局所的な強度が使われるならば、画像にわたっての、そして時間にわたっての適切な正則化が実行される。
4.X線画像の再生。これは、時間的フィルタリング後の瞬間的な再生または画像取得後のスローモーションでの再生がある。瞬間的な再生については、標準的な前処理のためにすでに必要とされる遅延に加えた追加的な遅延が、追加的な血流評価によって導入される。しかしながら、スローモーション再生では、人間の目が画面のシーケンスを平均できないため、画質のほうが重要なので、リアルタイムの要請はそれほど重要ではない。
ある代替的な第三実施形態では、適用されるノイズ・フィルタの強度はさらに、スローモーション再生が当該装置によってオファーされたときにユーザーが選択した再生速度に依存する。時間的フィルタの強度は、ノイズのない可視化を与える、より高速な再生のために、上げることができる。その一方、より低い再生速度については、時間的フィルタの強度は、個々のフレームをスローモーションで見るときにますます明らかになるそれぞれのぼけを回避するために、下げられる。
ここで図8を参照すると、フィルタ・モジュール800のための装置が示されている。流れパラメータ112は前記第一実施形態を使って決定され、フィルタ決定モジュール805が、流れ速度(流れパラメータ112)および再生速度のうちの少なくとも一方に従って、フィルタを選択し、調整し、適用する。観察は、本発明の第二実施形態を使う画像シーケンス再生モジュール806によって再生され、造影剤の輸送が、フィルタリングされた観察ではなく実際の観察に含まれる観察において可視化される。
ここで図9を参照すると、医療撮像システム801を有するシステムが実際の診断観察101をフィルタ・モジュール800に提供する。フィルタ・モジュール800はそれにより選択された(第一実施形態の適用から帰結する流れパラメータ112を使って)フィルタを前記実際の流れおよび可能性としては流れ解析600から帰結するモデル化された流れ(予測された流れ)に適用する。そのフィルタリングされた再生は次いで、第三実施形態700によって可視化される。
本発明の好ましい実施形態が図示され、説明されてきたが、当業者は、ここに記載されるシステム、装置および方法が例示的であり、本発明の真の範囲から外れることなくさまざまな変更および修正がなされてもよく、その要素について等価物が代用されてもよいことは理解するであろう。さらに、本発明の教示を特定の状況に適応するために、その中心的な範囲から外れることなく数多くの修正がなされうる。したがって、本発明は、本発明を実施するための最良の形態として開示される個別的な実施形態に限定されることは意図されておらず、本発明は付属の特許請求の範囲内にはいるあらゆる実施形態を含むものである。
Claims (35)
- 血管システムの診断観察から血管システムにおける血流を解析する方法であって:
血管システムの少なくとも一つの例示的な血流モデルのデータベースであって、該少なくとも一つのモデルは、モデル化される血管システムの最も重要な諸血流パラメータの関連付けられたパラメータ・セットを有するデータベースを提供する段階と;
診断観察を、前記血管システムにおける造影剤の前進を示す少なくとも二つの画像のシーケンスとして提供する段階と;
前記モデルの前記パラメータ・セットを使って、前記提供された診断観察から、前記血管システムの抽出された定量的血流特徴のセットを抽出する段階と;
前記データベースから前記観察された血管システムについての少なくとも一つの血流モデルを選択し、リンクすることにより、前記モデルによって予測される予測血流特徴が抽出された血流特徴に、血流パラメータの前記関連付けられたセットの所定のマッチング機能に基づいてマッチするようにする段階と;
前記モデルおよび血流パラメータの前記関連付けられたパラメータ・セットを出力する段階とを有する、
方法。 - 前記選択されたモデルが、前記診断観察および該診断観察から抽出された定量的特徴の前記セットのうちの少なくとも一方を予測する段階をさらに有する、請求項1記載の方法。
- 前記所定のマッチング機能が、前記選択されたモデルの血流パラメータの値を、予測される特徴と対応する抽出される特徴との差が所定の許容差未満になるまで系統的に変える段階を有する、請求項2記載の方法。
- 前記系統的に変える段階が、数値的な最適化ルーチンを実行する、請求項3記載の方法。
- ある観察点における造影剤の局所的な濃度が、抽出された特徴の一つおよび予測された特徴の一つの両方である、請求項4記載の方法。
- 血管システムの血管に造影剤を注入する段階をさらに有する、請求項5記載の方法であって、
前記診断観察が、前記注入段階後に血管システムの少なくとも二つのX線画像の系列を撮る段階を実行することによって得られる診断X線である、
請求項5記載の方法。 - 血管システムについて撮られた診断X線から、血管システムの幾何学構造を決定する段階をさらに有する、請求項6記載の方法。
- 前記流れパラメータをユーザーに対して呈示する段階をさらに有する、請求項8記載の方法。
- 前記例示的なモデルの集合が、分散、拡散、対流、血管断面積にわたる変動する速度および心臓サイクルにわたる変動する速度からなる群より選択される輸送機構による管状構造を通じた造影剤の流れを記述するモデルを含む、請求項1記載の方法。
- 前記データベースが狭窄症のモデルを含み;
抽出された特徴のセットが狭窄症の等級を含む、
請求項1記載の方法。 - 前記データベースが、少なくとも一つの親管およびその分岐をなす少なくとも二つの分枝管を有するモデルを含み;
抽出された特徴のセットが、前記少なくとも二つの分枝管への流入割合を含む、
請求項1記載の方法。 - 前記データベースが、親血管を有する血管の動脈瘤嚢のモデルを含み;
抽出された特徴のセットが、前記親血管の流れのうち、動脈瘤を通じて流れる割合を含む、
請求項1記載の方法。 - 前記動脈瘤嚢が、親血管について一つ、動脈瘤自身を置換する一つで、二つの並行する管状血管を有する、請求項12記載の方法。
- 前記動脈瘤嚢が均一なコントラスト濃度をもつ流体の室を含む、請求項13記載の方法。
- 血管システムの診断観察から観察された血管システムにおける血流を解析する装置であって:
血管システムにおける血流の例示的なモデルのデータベースであって、各モデルが、モデル化される血管システムにとって最も有意な血流パラメータの関連付けられたセットを有するデータベースと;
少なくとも一つの例示的モデルのインスタンスの生成を制御するモデル・インスタンス発生器とを有しており、該少なくとも一つの例示的モデルのインスタンスは、観察された血管システムの抽出された特徴に基づいて前記データベースから選択され、リンクされて、前記少なくとも一つのモデルによって予測される予測血流特徴が抽出された血流特徴に、血流パラメータの前記関連付けられたセットの所定のマッチング機能に基づいてマッチするようにされる、
装置。 - 血管システムの診断観察から血管システムにおける血流を可視化する方法であって:
請求項1記載の方法を実行することによって、血流モデルを決定し、該モデルが前記流れパラメータに基づいて前記観察を予測するように該血流モデルの血流パラメータを決定する段階と;
前記流れパラメータに基づいて前記モデルの血流を可視化する可視化装置を提供する段階とを有する、
方法。 - 決定された血流モデルを使って予測された観察を生成する段階と;
前記の提供された可視化装置を用いて、前記観察および前記観察と前記予測された観察との差を可視化する段階とをさらに有する、
請求項16記載の方法。 - 決定された血流モデルを使って予測された観察を生成する段階と;
前記の提供された可視化装置を用いて、前記観察を可視化する段階と;
前記の可視化された観察を、前記観察と前記予測された観察との差の関数を用いて向上させる段階とをさらに有する、
請求項16記載の方法。 - 前記関数が、前記差から生成される色のオーバーレイである、請求項18記載の方法。
- 前記予測された観察が、血管中の造影剤の濃度の、その区間への流入における濃度が前記診断観察として時間にわたって観察されるときの、観察である、
請求項19記載の方法。 - 前記生成する段階がさらに、分散、拡散、対流、血管断面積にわたる変動する速度および心臓サイクルにわたる変動する速度からなる群より選択される輸送機構のコントラスト輸送効果を含める段階を有する、請求項20記載の方法。
- 前記の抽出される血流特徴が、血管システムまたはその一部における造影剤の量を含み;
前記生成する段階がさらに、血管システムまたはその一部における前記造影剤の均一な濃度を想定する段階を有する、
請求項20記載の方法。 - 前記の抽出される血流特徴が、血管システムまたはその一部の幾何学的構造を含み:
前記生成する段階がさらに、血管システムまたはその一部の幾何学的構造についての情報を含める段階を有する、
請求項22記載の方法。 - 前記生成する段階がさらに、前記診断観察以外の代替的なモダリティから得られる血管システムまたはその一部の幾何学的構造についての情報を含める段階を有する、
請求項22記載の方法。 - 血管システムの診断観察から血管システムにおける血流を可視化する装置であって:
血管システムにおける血流の例示的なモデルのデータベースであって、各モデルが、モデル化される血管システムにとって最も有意な血流パラメータの関連付けられたセットを有するデータベースと;
前記診断観察から観察される血管システムにおける血流を解析するために前記データベースのある例示的なモデルのモデル・インスタンスを生成する、請求項15記載の装置と;
前記モデル・インスタンスによって予測される予測観察との視覚的な比較のために前記診断観察のベース画像を可視化する可視化発生器とを有する、
装置。 - 前記可視化発生器が請求項24記載の方法を実行するようさらに構成されている、請求項25記載の装置。
- 血管システムにおける造影剤の前進を示す動的な診断観察シーケンスをフィルタリングする方法であって:
時間的フィルタの強さを、
・前記診断観察の局所的な血液速度および
・フィルタ・スケールによって定義される観察時間内に造影剤が通過できる所定の距離しかカバーしないフィルタリングに起因するぼけ
からなる群より選択される少なくとも一つの基準に基づいて局所的に決定する段階と;
前記局所的に決定されたフィルタの強さから最小値比較によって大域的なフィルタ強さを決定する段階と;
時間的フィルタおよび大域的フィルタからなる群より選択される所定数のフィルタを前記観察に適用する段階とを有する、
方法。 - 前記適用する段階に先立ち、各時間的フィルタを正則化する段階をさらに有する、請求項27記載の方法。
- 前記正則化する段階が、前記フィルタの強さの空間的および時間的な低域通過によって実装される、請求項28記載の方法。
- 前記適用する段階と同時に、請求項24記載の方法を実行して、前記血管システムにおける前記造影剤の前進を可視化する段階をさらに有する、請求項29記載の方法。
- 血管システムにおける造影剤の前進を可視化するために動的な診断観察シーケンスをフィルタリングする方法であって:
調整可能な再生速度を提供する段階と;
前記再生速度を調整する段階と;
前記選択された再生速度に基づいてノイズ・フィルタを選択する段階と;
同時に
a.前記選択されたノイズ・フィルタを適用する段階および
b.請求項25記載の方法を実行して前記血管システムにおいて造影剤の前進を可視化する段階を実行する段階とを有する、
方法。 - 前記再生速度が所定の強い閾値を超えるときに強い時間的フィルタを適用する段階と;
前記再生速度が所定の弱い閾値を下回るときに弱い時間的フィルタおよび時間的フィルタなしのうちの一方を適用する段階をさらに有する、
請求項31記載の方法。 - 前記提供する段階がさらに、前記再生速度の連続的な変化率を提供することを含み;
前記再生速度の変化率が連続的であるときに、前記選択する段階がさらに、前記の時間的なフィルタの強度の連続的な変化のみを含む、
請求項31記載の方法。 - 血管システムにおける造影剤の前進の動的な診断観察シーケンスをフィルタリングする装置であって:
前記観察の流れパラメータを決定する、請求項15記載のように構成された流れパラメータ決定モジュールと;
前記観察シーケンスに適用されるべき所定数のフィルタを決定する、請求項30記載の方法を実行するよう構成されたフィルタ決定モジュールと;
請求項33記載の方法を使って再生速度および該再生速度に基づく前記フィルタのフィルタ強さを決定し、前記観察シーケンスのフィルタリングされた再生を出力する、画像シーケンス再生モジュールと;
前記画像シーケンス再生モジュールによって出力された前記観察シーケンスのフィルタリングされた再生を受け付け、可視化する、請求項27記載のように構成された可視化発生モジュールとを有する、
装置。 - 動的な観察シーケンスをフィルタリングし、再生し、可視化するシステムであって:
・前記動的な観察シーケンスの流れパラメータから少なくとも一つのフィルタを決定し、
・フィルタリングされた動的な観察シーケンスを所定の速度で再生する、
フィルタ・モジュールと;
前記フィルタ・モジュールに動作可能的に接続された、前記動的な観察シーケンスの流れパラメータを決定し、前記決定された流れパラメータを前記流れ解析モジュールに提供する、流れ解析モジュールと;
前記フィルタ・モジュールに動作可能的に接続された、前記フィルタリングされたシーケンスの再生および前記観察の再生のうちの少なくとも一方を可視化する可視化システムとを有する、
システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US74880805P | 2005-12-09 | 2005-12-09 | |
PCT/IB2006/054279 WO2007066249A2 (en) | 2005-12-09 | 2006-11-15 | Model-based flow analysis and visualization |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009518097A true JP2009518097A (ja) | 2009-05-07 |
Family
ID=38123279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008543947A Withdrawn JP2009518097A (ja) | 2005-12-09 | 2006-11-15 | モデル・ベースの流れの解析および可視化 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080294038A1 (ja) |
EP (1) | EP1960965A2 (ja) |
JP (1) | JP2009518097A (ja) |
CN (1) | CN101374462A (ja) |
WO (1) | WO2007066249A2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014230793A (ja) * | 2013-05-29 | 2014-12-11 | 株式会社東芝 | 画像処理装置、方法、及び医用画像診断装置 |
JP2017029786A (ja) * | 2016-10-13 | 2017-02-09 | 株式会社東芝 | 管状構造解析装置、管状構造解析方法及び管状構造解析プログラム |
JP2018509971A (ja) * | 2015-02-27 | 2018-04-12 | パイ メディカル イメージング ビー ヴイPie Medical Imaging B.V. | 定量的フロー分析のための方法および装置 |
JP2018522653A (ja) * | 2015-07-17 | 2018-08-16 | ハートフロー, インコーポレイテッド | 造影剤分布予測及び測定を使用してプラーク及び/または狭窄性病変の重症度を評価するシステム及び方法 |
JP2022008936A (ja) * | 2010-08-12 | 2022-01-14 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
US11357409B2 (en) | 2012-11-19 | 2022-06-14 | Kabushiki Kaisha Toshiba | Blood vessel analysis apparatus, medical image diagnosis apparatus, and blood vessel analysis method |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1962688B1 (en) * | 2005-12-15 | 2012-05-16 | Koninklijke Philips Electronics N.V. | A method and an apparatus for determining a degree of pulsatility in angiography |
US9968256B2 (en) | 2007-03-08 | 2018-05-15 | Sync-Rx Ltd. | Automatic identification of a tool |
US8542900B2 (en) | 2007-03-08 | 2013-09-24 | Sync-Rx Ltd. | Automatic reduction of interfering elements from an image stream of a moving organ |
US10716528B2 (en) | 2007-03-08 | 2020-07-21 | Sync-Rx, Ltd. | Automatic display of previously-acquired endoluminal images |
JP5639764B2 (ja) | 2007-03-08 | 2014-12-10 | シンク−アールエックス,リミティド | 運動する器官と共に使用するイメージング及びツール |
US11197651B2 (en) | 2007-03-08 | 2021-12-14 | Sync-Rx, Ltd. | Identification and presentation of device-to-vessel relative motion |
US9629571B2 (en) | 2007-03-08 | 2017-04-25 | Sync-Rx, Ltd. | Co-use of endoluminal data and extraluminal imaging |
US11064964B2 (en) | 2007-03-08 | 2021-07-20 | Sync-Rx, Ltd | Determining a characteristic of a lumen by measuring velocity of a contrast agent |
JP2008244846A (ja) * | 2007-03-27 | 2008-10-09 | Toshiba Corp | フレーム補間装置及びその方法 |
US8411919B2 (en) * | 2008-07-07 | 2013-04-02 | Siemens Aktiengesellschaft | Fluid dynamics approach to image segmentation |
JP4909188B2 (ja) * | 2007-06-20 | 2012-04-04 | 株式会社日立メディコ | X線ct装置 |
EP2181432A2 (en) * | 2007-08-20 | 2010-05-05 | Koninklijke Philips Electronics N.V. | Method for measurement of a flow in an object, especially a lumen or a vessel |
US8188416B2 (en) * | 2008-01-14 | 2012-05-29 | The Charles Stark Draper Laboratory, Inc. | Engineered phantoms for perfusion imaging applications |
EP2250626A1 (en) | 2008-03-06 | 2010-11-17 | Philips Intellectual Property & Standards GmbH | Method for analyzing a tube system |
US9427173B2 (en) * | 2008-05-09 | 2016-08-30 | General Electric Company | Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information |
CN102077249B (zh) * | 2008-06-30 | 2014-05-14 | 皇家飞利浦电子股份有限公司 | 灌注成像 |
US8200466B2 (en) | 2008-07-21 | 2012-06-12 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
US11064903B2 (en) | 2008-11-18 | 2021-07-20 | Sync-Rx, Ltd | Apparatus and methods for mapping a sequence of images to a roadmap image |
US9974509B2 (en) | 2008-11-18 | 2018-05-22 | Sync-Rx Ltd. | Image super enhancement |
US10362962B2 (en) | 2008-11-18 | 2019-07-30 | Synx-Rx, Ltd. | Accounting for skipped imaging locations during movement of an endoluminal imaging probe |
DE102009004580A1 (de) * | 2009-01-14 | 2010-07-15 | Siemens Aktiengesellschaft | Abtast- und Rekonstruktionsverfahren eines CT-Systems und CT-System |
US9405886B2 (en) | 2009-03-17 | 2016-08-02 | The Board Of Trustees Of The Leland Stanford Junior University | Method for determining cardiovascular information |
JP5534703B2 (ja) * | 2009-04-15 | 2014-07-02 | 株式会社東芝 | X線診断装置 |
EP2559002A1 (en) * | 2010-04-13 | 2013-02-20 | Koninklijke Philips Electronics N.V. | Image analysing |
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
DE102010040944B4 (de) * | 2010-09-17 | 2021-03-04 | Siemens Healthcare Gmbh | Verfahren zur Bestimmung hämodynamischer Flussparameter von Blutgefäßen mit angiographischen CT-Bilddaten und CT-System |
US9545188B2 (en) | 2010-12-02 | 2017-01-17 | Ultradent Products, Inc. | System and method of viewing and tracking stereoscopic video images |
KR101207419B1 (ko) | 2011-01-19 | 2012-12-04 | 한국과학기술원 | 혈관내 조영물질의 동적 패턴의 전파분석을 이용한 정량적 조직 혈류속도 측정방법 |
DE102011003929B4 (de) * | 2011-02-10 | 2020-10-01 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung von Flussverteilungen aus Angiographiedaten und/oder DSA-Sequenzen |
JP6101048B2 (ja) * | 2012-02-20 | 2017-03-22 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US8548778B1 (en) | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
WO2013180773A1 (en) | 2012-06-01 | 2013-12-05 | Ultradent Products, Inc. | Stereoscopic video imaging |
JP6134789B2 (ja) * | 2012-06-26 | 2017-05-24 | シンク−アールエックス,リミティド | 管腔器官における流れに関連する画像処理 |
US10210956B2 (en) | 2012-10-24 | 2019-02-19 | Cathworks Ltd. | Diagnostically useful results in real time |
US9814433B2 (en) | 2012-10-24 | 2017-11-14 | Cathworks Ltd. | Creating a vascular tree model |
US9858387B2 (en) | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
US10595807B2 (en) | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
EP2943902B1 (en) | 2012-10-24 | 2020-03-11 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
US10424063B2 (en) | 2013-10-24 | 2019-09-24 | CathWorks, LTD. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US9449145B2 (en) * | 2014-04-22 | 2016-09-20 | Heartflow, Inc. | Systems and methods for virtual contrast agent simulation and computational fluid dynamics (CFD) to compute functional significance of stenoses |
US10987010B2 (en) * | 2015-02-02 | 2021-04-27 | Heartflow, Inc. | Systems and methods for vascular diagnosis using blood flow magnitude and/or direction |
WO2017199246A1 (en) | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | Vascular selection from images |
IL263065B1 (en) | 2016-05-16 | 2024-04-01 | Cathworks Ltd | Vascular evaluation system |
DE202017106016U1 (de) * | 2016-10-04 | 2017-12-07 | Toshiba Medical Systems Corporation | Medizinische Informationsverarbeitungsvorrichtung, Röntgen-CT-Vorrichtung und computerlesbares Speichermedium mit einem Programm für ein medizinisches Informationsverarbeitungsverfahren |
US11087453B2 (en) * | 2018-06-11 | 2021-08-10 | Dynatek Labs, Inc. | Automated failure detection for medical device testing systems and methods |
TWI698225B (zh) | 2019-06-11 | 2020-07-11 | 宏碁股份有限公司 | 血管狀態評估方法與血管狀態評估裝置 |
CN113303773B (zh) * | 2021-05-20 | 2023-02-28 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5150292A (en) * | 1989-10-27 | 1992-09-22 | Arch Development Corporation | Method and system for determination of instantaneous and average blood flow rates from digital angiograms |
US6711433B1 (en) * | 1999-09-30 | 2004-03-23 | Siemens Corporate Research, Inc. | Method for providing a virtual contrast agent for augmented angioscopy |
US6650928B1 (en) * | 2000-11-27 | 2003-11-18 | Ge Medical Systems Global Technology Company, Llc | Color parametric and composite maps for CT perfusion |
DE10100572A1 (de) * | 2001-01-09 | 2002-07-11 | Philips Corp Intellectual Pty | Verfahren zur Darstellung des Blutflusses in einem Gefäßbaum |
JP4537681B2 (ja) * | 2003-09-24 | 2010-09-01 | 株式会社東芝 | 血流解析装置 |
-
2006
- 2006-11-15 JP JP2008543947A patent/JP2009518097A/ja not_active Withdrawn
- 2006-11-15 CN CNA2006800459552A patent/CN101374462A/zh active Pending
- 2006-11-15 EP EP06821461A patent/EP1960965A2/en not_active Withdrawn
- 2006-11-15 WO PCT/IB2006/054279 patent/WO2007066249A2/en active Application Filing
- 2006-11-15 US US12/096,436 patent/US20080294038A1/en not_active Abandoned
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022008936A (ja) * | 2010-08-12 | 2022-01-14 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
JP7304390B2 (ja) | 2010-08-12 | 2023-07-06 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
US11793575B2 (en) | 2010-08-12 | 2023-10-24 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11357409B2 (en) | 2012-11-19 | 2022-06-14 | Kabushiki Kaisha Toshiba | Blood vessel analysis apparatus, medical image diagnosis apparatus, and blood vessel analysis method |
JP2014230793A (ja) * | 2013-05-29 | 2014-12-11 | 株式会社東芝 | 画像処理装置、方法、及び医用画像診断装置 |
JP2018509971A (ja) * | 2015-02-27 | 2018-04-12 | パイ メディカル イメージング ビー ヴイPie Medical Imaging B.V. | 定量的フロー分析のための方法および装置 |
US11983473B2 (en) | 2015-02-27 | 2024-05-14 | Pie Medical Imaging B.V. | Method and apparatus for quantitative flow analysis |
JP2018522653A (ja) * | 2015-07-17 | 2018-08-16 | ハートフロー, インコーポレイテッド | 造影剤分布予測及び測定を使用してプラーク及び/または狭窄性病変の重症度を評価するシステム及び方法 |
US10307131B2 (en) | 2015-07-17 | 2019-06-04 | Heartflow, Inc. | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements |
JP2019181290A (ja) * | 2015-07-17 | 2019-10-24 | ハートフロー, インコーポレイテッド | 造影剤分布予測及び測定を使用してプラーク及び/または狭窄性病変の重症度を評価するシステム及び方法 |
US11357469B2 (en) | 2015-07-17 | 2022-06-14 | Heartflow, Inc. | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements |
JP2017029786A (ja) * | 2016-10-13 | 2017-02-09 | 株式会社東芝 | 管状構造解析装置、管状構造解析方法及び管状構造解析プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2007066249A3 (en) | 2008-10-16 |
CN101374462A (zh) | 2009-02-25 |
EP1960965A2 (en) | 2008-08-27 |
US20080294038A1 (en) | 2008-11-27 |
WO2007066249A2 (en) | 2007-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2009518097A (ja) | モデル・ベースの流れの解析および可視化 | |
JP7090546B2 (ja) | 灌流デジタルサブトラクション血管造影 | |
CN105249954B (zh) | 预测支架术后血液动力学指标的方法和系统 | |
Lell et al. | New techniques in CT angiography | |
CN105380598B (zh) | 用于针对动脉狭窄的自动治疗规划的方法和系统 | |
JP6530743B2 (ja) | 血管セグメント化 | |
KR102336929B1 (ko) | 환자-특정 기하학적 모델들을 변경함으로써 치료들을 결정하기 위한 방법 및 시스템 | |
US9724164B2 (en) | Blood-vessel bloodstream simulation system, method therefor, and computer software program | |
CN108348206B (zh) | 用于无创血流储备分数(ffr)的侧支流建模 | |
US10694963B2 (en) | Computer-implemented method for identifying zones of stasis and stenosis in blood vessels | |
JP7053656B2 (ja) | 造影剤注入撮像 | |
JP2020011042A (ja) | 脳血管異常の同定のための方法およびシステム | |
JP2019534740A (ja) | 狭窄評価用の機能的指標を決定する装置 | |
Puig et al. | An interactive cerebral blood vessel exploration system | |
EP2378971B1 (en) | Flow sound in x-ray examination | |
Gasteiger | Visual exploration of cardiovascular hemodynamics | |
Józsa et al. | MRI-based parameter inference for cerebral perfusion modelling in health and ischaemic stroke | |
WO2010018495A1 (en) | Colour flow imaging in x-ray | |
CN110494893A (zh) | 基于ffr的对非侵入性成像的交互监测 | |
Shields et al. | 2D versus 3D comparison of angiographic imaging biomarkers using computational fluid dynamics simulations of contrast injections | |
Sarrami Foroushani | In-silico clinical trials for assessment of intracranial flow diverters | |
Liu et al. | Research on detection method of bleeding point in two-dimensional DSA image based on parametric color imaging | |
Scalzo et al. | Computational hemodynamics in intracranial vessels reconstructed from biplane angiograms | |
Shields | The Development and Application of High-Speed Angiography in Vascular Disease | |
Zajarias-Fainsod | Moving-mask volume growing: a novel volume segmentation algorithm for medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091112 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20100126 |