JP2019528090A - 胆樹構造の定量的データを生成する方法及び装置 - Google Patents
胆樹構造の定量的データを生成する方法及び装置 Download PDFInfo
- Publication number
- JP2019528090A JP2019528090A JP2018554439A JP2018554439A JP2019528090A JP 2019528090 A JP2019528090 A JP 2019528090A JP 2018554439 A JP2018554439 A JP 2018554439A JP 2018554439 A JP2018554439 A JP 2018554439A JP 2019528090 A JP2019528090 A JP 2019528090A
- Authority
- JP
- Japan
- Prior art keywords
- tubular
- segmented
- biliary
- centerline
- tubular biliary
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4222—Evaluating particular parts, e.g. particular organs
- A61B5/4244—Evaluating particular parts, e.g. particular organs liver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/162—Segmentation; Edge detection involving graph-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Gastroenterology & Hepatology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Endocrinology (AREA)
- High Energy & Nuclear Physics (AREA)
- Geometry (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Orthopedics, Nursing, And Contraception (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Prostheses (AREA)
- Image Analysis (AREA)
Abstract
Description
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の中心線位置、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の中心線向き、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の半径、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の直径、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の断面向き、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の断面プロファイル、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の分岐ポイントの存在の指標、及び、
− 少なくとも1つの位置における少なくとも1つのセグメント化された管状胆道構造の分岐ポイントの向き、
のうち少なくとも1つを表す少なくとも1つのパラメータを含んでもよい。
− 少なくとも1つのセグメント化された管状胆道構造の開始中心線ポイントを識別するステップと、
− 少なくとも1つのセグメント化された管状胆道構造の終了中心線ポイントを識別するステップと、
− 開始中心線ポイントからインクリメンタルに、終了中心線ポイントが到達されるまで、少なくとも1つのセグメント化された管状胆道構造の連続的中心線ポイントを決定するステップと、
を含んでもよい。
− 存立可能後続ポイントのセットを識別し、
− 存立可能後続ポイントのセット内の各ポイントのコスト関数を評価し、
− 存立可能後続ポイントのセットから、そのコスト関数に基づき、連続的中心線ポイントを選択する
ことにより決定されてもよい。
− 狭窄、
− 拡張、及び
− 数珠様
のうち少なくとも1つを検出するステップを含んでもよい。
‐ セグメント化された管状胆道構造の1つ以上の中心線位置、
‐ セグメント化された管状胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の中心線向き、
‐ 胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の半径値、
‐ 胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の直径値、
‐ 胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の断面向き、
‐ 胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の断面プロファイル(形状)、
‐ 胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の分岐ポイントの存在の指標、及び
‐ 胆道構造の長さに沿った1つ以上の位置におけるセグメント化された管状胆道構造の分岐ポイントの向き
が含まれる。
‐ Aylward S、「Intensity ridge and widths for tubular object segmentation and description」、A. A. Amini, F. L. Bookstein, D. C. Wilson編、Math. Meth.、Biomedical Image Analysis 1995: 131-138、
‐ Koller TMら、「Multiscale detection of curvilinear structures in 2D and 3D image data」、Proceedings of Fifth International Conference on Computer Visualization 1995: 864-869、
‐ Lorenz Cら、「Multi-scale line segmentation with automatic estimation of width, contrast and tangential direction in 2D and 3D medical images」、Lecture Notes in Computer Science 1997: 233-242 (“Lorenz”)、
‐ Gradshteyn, I. S. and Ryzhik, I. M.、「Hessian Determinants.」、§14.314 in Tables of Integrals, Series, and Products, 6th ed. San Diego, CA: Academic Press, p. 1069, 2000. (“Hessian”)、
‐ Sato Y, Nakajima S, Shiranga Nら、「Three-dimensional multi-scale line filter for segmentation and visualization of curvilinear structures in medical images」、Medical Image Analysis 1998;2(2): 143-168 (“Sato”)、及び
‐ Frangi AF, Niessen WJ, Vincken KL, Viergever MA、「Multiscale vessel enhancement filtering」、Medical Image Computing and Computer-Assisted Intervention (MICCAI) 1998;1496: 130-137 (“Frangi”)
に提案されているものが含まれる。
により与えられる。
(i)小さい値のRb、
(ii)大きい値のRa、及び
(iii)大きい値のS
であり、α、β、cは、フィルタの感度を制御する定数である。
として、最終的な管性尺度を取得するためにスケールにわたり統合され得る。
(i)セグメント化の一部である(すなわち、セグメント化されたボリューム内の識別された管状構造に対応する)
(ii)候補中心線としてすでに記録されていない
(iii)距離マップ閾値基準又はラプラシアンオブガウシアン(Laplacian of Gaussian)閾値基準を満たす
(iv)存立可能な向きである、等
のうち1つ以上の基準を満たすものとして識別されてもよい。
(i)開始ポイントコスト(SPdist):存立可能後続中心線ポイント及び開始中心ポイントの間の距離
(ii)終了ポイントコスト(EPdist):存立可能後続中心線ポイント及び終了中心ポイントの間の距離
(iii)管性ゲイン(To):存立可能後続中心線ポイントのボクセルの管性尺度To(例えば、式9参照)
(iv)中央性ゲイン(Mo):存立可能後続中心線ポイントのボクセルの中央性値
(v)予測向き固守(Adhering to predictive orientation)コスト(APO):1−予測向きベクトル及び候補向きベクトルのベクトルドット積
(vi)Rbコスト(Rb):存立可能後続中心線ポイントのボクセルのRbメトリック値、及び
(vii)ラプラシアンオブガウシアン(LOG)コスト:存立可能後続中心線ポイントのLOG値
のうち1つ以上に基づき計算されてもよい。
(i)4ノード先を見る
a.4番目のノードと現在のノードとの間の距離を計算する
b.距離が1.717ボクセル(3の平方根 − 各次元における、依然としてノードに接続されている1ボクセルのインクリメント)以下である場合、4番目のノードと現在のノードとの間のノードを除去する
(ii)3ノード先を見る
a.4番目のノードと現在のノードとの間の距離を計算する
b.距離が1.717ボクセル以下である場合、3番目のノードと現在のノードとの間のノードを除去する
(iii)2ノード先を見る
a.2番目のノードと現在のノードとの間の距離を計算する
b.距離が1.717ボクセル以下である場合、2番目のノードと現在のノードとの間のノードを除去する。
(i)現在の中心線ポイントを「アンカーノード」にする
(ii)後の中心線ポイントを「最適化ノード」にする
(iii)アンカーノードから最適化ノードへのベクトルを計算する
(iv)最適化ノードの近傍で、「より良好な」候補位置を検索し、該位置は
a.より高い中央性応答を有する(中央ボクセルである見込みがより高い)
b.アンカーノードからこの位置へのベクトルがアンカーノードから最適化ノードへのベクトルと同じ一般的方向である(一般的方向を維持する)
c.最適化ノードの次の接続ノードに接続される(接続性を維持する)
(v)これらの基準が満たされる場合、最適化ノードをより良好な候補位置で置換する
[外1]
が、見つけられた非ゼロのボクセル数に等しく設定され、半径rが計算される。次いで、中心線ポイントの管幅が、2*rで推定できる。
(i)現在の中心線ポイントを次の中心線ポイントに接続する、中心線向きベクトルを計算する
(ii)現在の中心線ポイントで推定された管幅の半分に等しい半径を有する検索近傍を形成する
(iii)検索近傍内の各ボクセル(候補位置)について、
a.現在の中心線ポイントから候補ボクセルへのベクトルを計算する
b.中心線向きベクトルとのベクトルドット積を計算する
c.計算されたドット積がゼロに近い場合(すなわち、中心線向きベクトルに対して直交面にある)、(バイナリの)セグメント化されたボリューム内の候補ボクセルをゼロに設定する(マスク)。
‐ 分岐胆管構造の第1の(親胆管構造に最も近い)中心線ポイントを分岐胆管構造のn番目に最も近い中心線ポイントに接続する局所的な向きベクトルを計算する
‐ 分岐胆管構造の第1の中心線ポイントに最も近い親胆管構造の中心線ポイントを識別する
‐ 親胆管構造の識別された最も近い中心線ポイントと、例えば、最も近い中心線ポイントの上流及び下流の10個の中心線ポイントとを含む、親中心線ポイントのセットを定義する
‐ 親中心線ポイントのセットの各々を分岐胆管構造の第1の中心線ポイントに接続する分岐向きベクトルを計算する、及び
‐ 分岐胆管構造の開始中心線ポイントとして、局所的な向きベクトルとそれぞれの分岐向きベクトルとの間のベクトルドット積が最も高い値を生じる親胆管構造の中心線ポイントを選択する。
1.各個々の胆管構造の定義された輪郭(中心線)
2.各胆管構造輪郭の各位置(中心線ポイント)における管幅推定
3.個々の胆管構造間の親子関係
4.各胆管構造輪郭上の分岐ポイントの位置及び向き
を含む、胆樹の完全な階層的パラメトリックモデルが生成できる。
として計算される。
(i)距離メトリック(Distance metric;DM):(中心線ポイントから中心線ポイントに移動する)実際の中心線長さと、開始中心線ポイント及び終了中心線ポイント間の直線距離との間の比率
(ii)変曲カウントメトリック(Inflection count metric;ICM):3D曲線について、変曲ポイントが、総曲率の最小値を提示する部位として定義される。変曲ポイントを検出するために、図9に示されるように、正接(T)、法線(N)、及び従法線(B)単位ベクトルを含むフレネ・セレ(Frenet-Serret)フレームが実現されてもよく、
a.Tは、曲線に接する単位ベクトルであり、動きの方向を向いている。
b.Nは、法線単位ベクトルであり、曲線の弧長パラメータに関するTの導関数を、その長さで除算したものである。
c.Bは、従法線単位ベクトルであり、T及びNのクロス積である。
(iii)角度合計メトリック(Sum of angles metric;SOAM):曲線に沿って総曲率を積分し、それを経路長で正規化することにより計算される。
により与えられる。
ここで、ΔNは、ポイントPk及びPk-1に関連づけられた法線軸の差を表す。ゆえに、変曲ポイントで、ΔNの長さは、単位ベクトルNが180度回転するとき、2単位に近い。ゆえに、変曲ポイントを通る経路は、4.0に略等しいΔN・ΔNを生じ、一方で、他の位置の値は、10-2から10-8の範囲内である。ゆえに、ΔN・ΔN>1.0の場合、曲線上のポイントを変曲ポイントと呼ぶことができる。
T1=Pk−Pk-1
T2=Pk+1−Pk
T3=Pk+2−Pk+1
として定義される。
により与えられる。
医療撮像スキャンデータのボリュームのセグメント化を実行して医療撮像スキャンデータのボリューム内の管状胆道構造を識別し、
識別された管状胆道構造の長さに沿って各位置の定量的構造パラメータのセットを計算し、
識別された管状胆道構造の定量的構造パラメータのセットを含む定量的胆樹データを出力するように構成される。
− ヘシアンボリューム
− 固有ベクトル
− Ra比率
− Rb比率
− 強度メトリックS
− 管状尺度(TO/TO(σ))
− スケール(σ)
− セグメント化された(2値化された)ボリューム
− 中心線ポイント
− 管幅推定
− 分岐ノード
− 中央性値
− 狭窄及び/又は拡張データ、及び
− 胆樹構造の近くの検出された炎症及び線維症
が含まれる。
Claims (37)
- ボリューメトリック医療撮像スキャンデータから胆樹構造の定量的データを生成する方法であって、
前記医療撮像スキャンデータのボリュームのセグメント化を実行して前記医療撮像スキャンデータの前記ボリューム内の管状胆道構造を識別するステップと、
前記医療撮像スキャンデータの前記ボリューム内の少なくとも1つのセグメント化された管状胆道構造について、前記管状胆道構造の長さに沿って少なくとも1つの位置の定量的構造パラメータの少なくとも1つのセットを計算するステップと、
前記少なくとも1つのセグメント化された管状胆道構造の前記定量的構造パラメータの少なくとも1つのセットを含む定量的胆樹データを出力するステップと、
を含む方法。 - 前記定量的構造パラメータのセットは、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の中心線位置、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の中心線向き、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の半径、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の直径、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の断面向き、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の断面プロファイル、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の分岐ポイントの存在の指標、及び、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の分岐ポイントの向き、
のうち少なくとも1つを表す少なくとも1つのパラメータを含む、請求項1に記載の方法。 - 当該方法は、前記少なくとも1つのセグメント化された管状胆道構造の長さに沿って複数の位置で中心線位置を決定するステップを含む、請求項1又は請求項2に記載の方法。
- 前記少なくとも1つのセグメント化された管状胆道構造の中心線位置を決定するステップは、
前記少なくとも1つのセグメント化された管状胆道構造の開始中心線ポイントを識別するステップと、
前記少なくとも1つのセグメント化された管状胆道構造の終了中心線ポイントを識別するステップと、
前記開始中心線ポイントからインクリメンタルに、前記終了中心線ポイントが到達されるまで、前記少なくとも1つのセグメント化された管状胆道構造の連続的中心線ポイントを決定するステップと、
を含む、請求項3に記載の方法。 - 連続的中心線ポイントは、
存立可能後続ポイントのセットを識別すること、
前記存立可能後続ポイントのセット内の各ポイントのコスト関数を評価すること、及び
前記存立可能後続ポイントのセットから、そのコスト関数に基づき、連続的中心線ポイントを選択すること
により決定される、請求項4に記載の方法。 - 当該方法は、前記少なくとも1つのセグメント化された管状胆道構造の長さに沿った前記複数の位置の各々について、前記少なくとも1つのセグメント化された管状胆道構造の管幅推定を決定するステップをさらに含む、請求項3乃至5のうちいずれか1項に記載の方法。
- 各位置の前記管幅推定は、それぞれの位置における前記少なくとも1つのセグメント化された管状胆道構造の断面向きを決定することと、前記決定された断面向きで前記少なくとも1つのセグメント化された管状胆道構造の管幅推定を決定することとにより計算される、請求項6に記載の方法。
- 当該方法は、前記少なくとも1つのセグメント化された管状構造の長さに沿って前記管幅推定に基づき前記少なくとも1つのセグメント化された管状構造内の変化のパターンを検出するステップをさらに含む、請求項6又は請求項7に記載の方法。
- 当該方法は、前記管幅推定データに少なくとも1つのパターン検出ウィンドウを適用することにより前記少なくとも1つのセグメント化された管状構造内の変化のパターンを検出するステップを含む、請求項8に記載の方法。
- 当該方法は、
狭窄、
拡張、及び
数珠様
のうち少なくとも1つを検出するステップを含む、請求項8又は請求項9に記載の方法。 - 当該方法は、
前記医療撮像スキャンデータの前記ボリューム内の第1の管状胆道構造を識別するステップと、
前記第1の管状胆道構造の長さに沿って分岐ノード位置を決定するステップと、
前記第1の管状胆道構造の長さに沿って前記分岐ノードから分岐するさらなる管状胆道構造を識別するステップと、
を含む、請求項1乃至10のうちいずれか1項に記載の方法。 - 当該方法は、識別された管状胆道構造から分岐するさらなる管状胆道構造を再帰的に識別して階層的胆樹構造を導出するステップを含む、請求項11に記載の方法。
- 当該方法は、各々の識別された管状胆道構造の長さに沿って各位置の定量的構造パラメータの少なくとも1つのセットを計算するステップを含む、請求項12に記載の方法。
- 当該方法は、前記ボリューメトリック医療撮像スキャンデータに対して管状強調を実行して前記ボリューメトリック医療撮像スキャンデータ内の各ボクセルの少なくとも1つの管性尺度を導出するステップと、前記医療撮像スキャンデータのセグメント化を実行して各ボクセルの前記少なくとも1つの管性尺度に少なくとも部分的に基づき管状胆道構造を識別するステップとを含む、請求項1乃至13のうちいずれか1項に記載の方法。
- 前記管状強調は、前記医療撮像スキャンデータの前記ボリューム内の各ボクセルについて、管状構造を他の構造から区別する少なくとも1つのメトリックを計算することと、前記少なくとも1つのメトリックに少なくとも部分的に基づきそれぞれのボクセルの管性尺度を計算することとを含む、請求項14に記載の方法。
- 前記管状強調は、前記医療撮像スキャンデータの前記ボリューム内の各ボクセルについて、管状構造を球状構造から区別する第1のメトリック及び管状構造を板状構造から区別する第2のメトリックを計算することと、それぞれのボクセルの前記第1のメトリック、前記第2のメトリック、及びスキャン強度値に少なくとも部分的に基づき前記それぞれのボクセルの管性尺度を計算することとを含む、請求項15に記載の方法。
- 当該方法は、マルチスケールヘシアンに基づく管状胆道構造強調を使用するステップを含む、請求項14乃至16のうちいずれか1項に記載の方法。
- 前記ボリューメトリック医療撮像スキャンデータは、磁気共鳴撮像モダリティを介して取得される撮像スキャンデータを含む、請求項1乃至17のうちいずれか1項に記載の方法。
- ボリューメトリック医療撮像スキャンデータから胆樹構造の定量的データを生成するように構成された画像処理システムであって、
前記医療撮像スキャンデータのボリュームのセグメント化を実行して前記医療撮像スキャンデータの前記ボリューム内の管状胆道構造を識別し、
前記医療撮像スキャンデータの前記ボリューム内の少なくとも1つのセグメント化された管状胆道構造について、前記管状胆道構造の長さに沿って少なくとも1つの位置の定量的構造パラメータの少なくとも1つのセットを計算し、
前記少なくとも1つのセグメント化された管状胆道構造の前記定量的構造パラメータの少なくとも1つのセットを含む定量的胆樹データを出力する
ように構成された少なくとも1つの処理デバイスを含む画像処理システム。 - 前記定量的構造パラメータのセットは、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の中心線位置、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の中心線向き、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の半径、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の直径、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の断面向き、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の断面プロファイル、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の分岐ポイントの存在の指標、及び、
前記少なくとも1つの位置における前記少なくとも1つのセグメント化された管状胆道構造の分岐ポイントの向き、
のうち少なくとも1つを表す少なくとも1つのパラメータを含む、請求項19に記載の画像処理システム。 - 前記少なくとも1つの処理デバイスは、前記少なくとも1つのセグメント化された管状胆道構造の長さに沿って複数の位置で中心線位置を決定するように構成される、請求項19又は請求項20に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、
前記少なくとも1つのセグメント化された管状胆道構造の開始中心線ポイントを識別すること、
前記少なくとも1つのセグメント化された管状胆道構造の終了中心線ポイントを識別すること、及び
前記開始中心線ポイントからインクリメンタルに、前記終了中心線ポイントが到達されるまで、前記少なくとも1つのセグメント化された管状胆道構造の連続的中心線ポイントを決定すること
により、前記少なくとも1つのセグメント化された管状胆道構造の中心線位置を決定するように構成される、請求項21に記載の画像処理システム。 - 前記少なくとも1つの処理デバイスは、
存立可能後続ポイントのセットを識別すること、
前記存立可能後続ポイントのセット内の各ポイントのコスト関数を評価すること、及び
前記存立可能後続ポイントのセットから、そのコスト関数に基づき、連続的中心線ポイントを選択すること
により、連続的中心線ポイントを決定するように構成される、請求項22に記載の画像処理システム。 - 前記少なくとも1つの処理デバイスは、前記少なくとも1つのセグメント化された管状胆道構造の長さに沿った前記複数の位置の各々について、前記少なくとも1つのセグメント化された管状胆道構造の管幅推定を決定するようにさらに構成される、請求項21乃至23のうちいずれか1項に記載の画像処理システム。
- 少なくとも1つの処理デバイスは、それぞれの位置における前記少なくとも1つのセグメント化された管状胆道構造の断面向きを決定することと、前記決定された断面向きで前記少なくとも1つのセグメント化された管状胆道構造の管幅推定を決定することとにより、各位置の前記管幅推定を計算するように構成される、請求項24に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、前記少なくとも1つのセグメント化された管状構造の長さに沿って前記管幅推定に基づき前記少なくとも1つのセグメント化された管状構造内の変化のパターンを検出するようにさらに構成される、請求項24又は請求項25に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、前記管幅推定データに少なくとも1つのパターン検出ウィンドウを適用することにより前記少なくとも1つのセグメント化された管状構造内の変化のパターンを検出するようにさらに構成される、請求項26に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、
狭窄、
拡張、及び
数珠様
のうち少なくとも1つを検出するように構成される、請求項26又は請求項27に記載の画像処理システム。 - 前記少なくとも1つの処理デバイスは、
前記医療撮像スキャンデータの前記ボリューム内の第1の管状胆道構造を識別し、
前記第1の管状胆道構造の長さに沿って分岐ノード位置を決定し、
前記第1の管状胆道構造の長さに沿って前記分岐ノードから分岐するさらなる管状胆道構造を識別する
ように構成される、請求項19乃至28のうちいずれか1項に記載の画像処理システム。 - 前記少なくとも1つの処理デバイスは、識別された管状胆道構造から分岐するさらなる管状胆道構造を再帰的に識別して階層的胆樹構造を導出するように構成される、請求項29に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、各々の識別された管状胆道構造の長さに沿って各位置の定量的構造パラメータの少なくとも1つのセットを計算するように構成される、請求項30に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、前記ボリューメトリック医療撮像スキャンデータに対して管状強調を実行して前記ボリューメトリック医療撮像スキャンデータ内の各ボクセルの少なくとも1つの管性尺度を導出し、前記医療撮像スキャンデータのセグメント化を実行して各ボクセルの前記少なくとも1つの管性尺度に少なくとも部分的に基づき管状胆道構造を識別するように構成される、請求項19乃至31のうちいずれか1項に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、前記医療撮像スキャンデータの前記ボリューム内の各ボクセルについて、管状構造を他の構造から区別する少なくとも1つのメトリックを計算することと、前記少なくとも1つのメトリックに少なくとも部分的に基づきそれぞれのボクセルの管性尺度を計算することと、を含む管状強調を実行するように構成される、請求項32に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、前記医療撮像スキャンデータの前記ボリューム内の各ボクセルについて、管状構造を球状構造から区別する第1のメトリック及び管状構造を板状構造から区別する第2のメトリックを計算することと、それぞれのボクセルの前記第1のメトリック、前記第2のメトリック、及びスキャン強度値に少なくとも部分的に基づき前記それぞれのボクセルの管性尺度を計算することと、を含む管状強調を実行するように構成される、請求項33に記載の画像処理システム。
- 前記少なくとも1つの処理デバイスは、マルチスケールヘシアンに基づく管状胆道構造強調を使用するように構成される、請求項32乃至34のうちいずれか1項に記載の画像処理システム。
- 前記ボリューメトリック医療撮像スキャンデータは、磁気共鳴撮像モダリティを介して取得される撮像スキャンデータを含む、請求項19乃至35のうちいずれか1項に記載の画像処理システム。
- プロセッサに請求項1乃至18のうちいずれか1項に記載の方法を実行させるコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1606282.0A GB2549459B (en) | 2016-04-12 | 2016-04-12 | Method and apparatus for generating quantitative data for biliary tree structures |
GB1606282.0 | 2016-04-12 | ||
PCT/EP2017/057302 WO2017178226A1 (en) | 2016-04-12 | 2017-03-28 | Method and apparatus for generating quantitative data for biliary tree structures |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019528090A true JP2019528090A (ja) | 2019-10-10 |
JP2019528090A5 JP2019528090A5 (ja) | 2020-05-07 |
JP6961614B2 JP6961614B2 (ja) | 2021-11-05 |
Family
ID=58428293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018554439A Active JP6961614B2 (ja) | 2016-04-12 | 2017-03-28 | 胆樹構造の定量的データを生成する方法及び装置 |
Country Status (14)
Country | Link |
---|---|
US (1) | US10846847B2 (ja) |
EP (1) | EP3443533B1 (ja) |
JP (1) | JP6961614B2 (ja) |
CN (1) | CN109155063B (ja) |
AU (1) | AU2017249265B2 (ja) |
CA (1) | CA3020788C (ja) |
ES (1) | ES2914779T3 (ja) |
GB (1) | GB2549459B (ja) |
MY (1) | MY188518A (ja) |
NZ (1) | NZ748167A (ja) |
PL (1) | PL3443533T3 (ja) |
PT (1) | PT3443533T (ja) |
SG (1) | SG11201808890SA (ja) |
WO (1) | WO2017178226A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019005722A1 (en) * | 2017-06-26 | 2019-01-03 | The Research Foundation For The State University Of New York | SYSTEM, METHOD AND COMPUTER-ACCESSIBLE MEDIA FOR VIRTUAL PANCREATOGRAPHY |
CN111105873B (zh) * | 2019-12-24 | 2023-03-24 | 武汉大学 | 经内镜逆行胰胆管造影术中辅助诊断和测量方法及系统 |
GB202001914D0 (en) * | 2020-02-12 | 2020-03-25 | Kings College | Apparatus and method for image processing |
JP2023540284A (ja) * | 2020-09-01 | 2023-09-22 | ザ リサーチ ファウンデーション フォー ザ ステイト ユニバーシティー オブ ニューヨーク | 仮想膵管造影パイプラインのためのシステムおよび方法 |
CN113469941B (zh) * | 2021-05-27 | 2022-11-08 | 武汉楚精灵医疗科技有限公司 | 一种在超声胆胰管检查中胆胰管宽度的测量方法 |
US11669959B1 (en) * | 2022-04-14 | 2023-06-06 | Honeywell Federal Manufacturing & Technologies, Llc | Automated analysis of lattice structures using computed tomography |
CN115944276B (zh) * | 2023-02-22 | 2024-07-05 | 武汉大学人民医院(湖北省人民医院) | 胆总管纤维化等级确定方法、装置及其相关设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2553627A1 (en) * | 2004-01-15 | 2005-07-28 | Algotec Systems Ltd. | Vessel centerline determination |
EP1894164A2 (en) * | 2005-06-24 | 2008-03-05 | Edda Technology, Inc. | Methods for interactive liver disease diagnosis |
US20080273777A1 (en) * | 2005-10-21 | 2008-11-06 | Vincent Luboz | Methods And Apparatus For Segmentation And Reconstruction For Endovascular And Endoluminal Anatomical Structures |
EP2181431A1 (en) * | 2007-08-16 | 2010-05-05 | Koninklijke Philips Electronics N.V. | Imaging method for sampling a cross-section plane in a three-dimensional (3d) image data volume |
CA2792354A1 (en) * | 2009-03-06 | 2010-09-10 | Bio-Tree Systems, Inc. | Vascular analysis methods and apparatus |
EP2427858B1 (en) * | 2009-05-08 | 2018-07-11 | Edda Technology, Inc. | Method, system, apparatus, and computer program product for interactive hepatic vascular and biliary system assessment |
CN101601585B (zh) * | 2009-07-02 | 2011-01-12 | 厦门强本科技有限公司 | 基于ct增强扫描技术的肝脏分段体积测量方法 |
CN102048550B (zh) * | 2009-11-02 | 2013-07-17 | 上海交通大学医学院附属仁济医院 | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 |
CN103295195B (zh) * | 2013-05-16 | 2017-07-07 | 深圳市旭东数字医学影像技术有限公司 | 低对比度图像的脉管增强的方法及其系统 |
-
2016
- 2016-04-12 GB GB1606282.0A patent/GB2549459B/en active Active
-
2017
- 2017-03-28 NZ NZ748167A patent/NZ748167A/en unknown
- 2017-03-28 JP JP2018554439A patent/JP6961614B2/ja active Active
- 2017-03-28 ES ES17713951T patent/ES2914779T3/es active Active
- 2017-03-28 US US16/092,281 patent/US10846847B2/en active Active
- 2017-03-28 CA CA3020788A patent/CA3020788C/en active Active
- 2017-03-28 WO PCT/EP2017/057302 patent/WO2017178226A1/en active Application Filing
- 2017-03-28 CN CN201780031379.4A patent/CN109155063B/zh active Active
- 2017-03-28 AU AU2017249265A patent/AU2017249265B2/en active Active
- 2017-03-28 PL PL17713951T patent/PL3443533T3/pl unknown
- 2017-03-28 SG SG11201808890SA patent/SG11201808890SA/en unknown
- 2017-03-28 EP EP17713951.6A patent/EP3443533B1/en active Active
- 2017-03-28 MY MYPI2018703712A patent/MY188518A/en unknown
- 2017-03-28 PT PT177139516T patent/PT3443533T/pt unknown
Also Published As
Publication number | Publication date |
---|---|
PL3443533T3 (pl) | 2022-06-27 |
EP3443533B1 (en) | 2022-05-11 |
MY188518A (en) | 2021-12-17 |
AU2017249265A1 (en) | 2018-11-29 |
US20190147590A1 (en) | 2019-05-16 |
CA3020788A1 (en) | 2017-10-19 |
GB2549459A (en) | 2017-10-25 |
GB2549459B (en) | 2020-06-03 |
PT3443533T (pt) | 2022-08-22 |
AU2017249265B2 (en) | 2021-02-25 |
WO2017178226A1 (en) | 2017-10-19 |
ES2914779T3 (es) | 2022-06-16 |
US10846847B2 (en) | 2020-11-24 |
EP3443533A1 (en) | 2019-02-20 |
CA3020788C (en) | 2023-05-23 |
CN109155063A (zh) | 2019-01-04 |
NZ748167A (en) | 2022-07-29 |
CN109155063B (zh) | 2022-05-03 |
SG11201808890SA (en) | 2018-11-29 |
JP6961614B2 (ja) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6961614B2 (ja) | 胆樹構造の定量的データを生成する方法及び装置 | |
US10672120B2 (en) | Methods and system for linking geometry obtained from images | |
KR102491988B1 (ko) | 정량적 이미징을 이용하기 위한 방법 및 시스템 | |
JP6703082B2 (ja) | 医用画像における構造物をセグメンテーションする医用画像処理装置、医用画像をセグメンテーションするための方法及び医用画像をセグメンテーションするコンピュータプログラムを記憶する記憶媒体 | |
Rebouças Filho et al. | Novel and powerful 3D adaptive crisp active contour method applied in the segmentation of CT lung images | |
US10664968B2 (en) | Computer aided diagnosis apparatus and method based on size model of region of interest | |
JP6718975B2 (ja) | 冠動脈において健全な管腔径を推定し狭窄を定量化するためのシステム及び方法 | |
EP2279490A1 (en) | Automatic detection and accurate segmentation of abdominal aortic aneurysm | |
Zeng et al. | Liver vessel segmentation and identification based on oriented flux symmetry and graph cuts | |
Wei et al. | Computerized detection of noncalcified plaques in coronary CT angiography: evaluation of topological soft gradient prescreening method and luminal analysis | |
Vukadinovic et al. | Segmentation of the outer vessel wall of the common carotid artery in CTA | |
JP2008519639A (ja) | 医療画像レジストレーションに対する装置及び方法 | |
Alirr et al. | Survey on liver tumour resection planning system: steps, techniques, and parameters | |
JP2006297099A (ja) | コンピュータ支援診断における小結節の改善されたセグメンテーションのための方法及びシステム及びコンピュータ支援診断において小結節の改善されたセグメンテーションのためのプログラムされたプロセッサにより実行可能な命令 | |
Zhang et al. | Robust infrarenal aortic aneurysm lumen centerline detection for rupture status classification | |
Orkisz et al. | Models, algorithms and applications in vascular image segmentation | |
Gemme et al. | Automatic MPST-cut for segmentation of carpal bones from MR volumes | |
Wang | Blood vessel segmentation and shape analysis for quantification of coronary artery stenosis in CT angiography | |
Han et al. | Reconnection of fragmented parts of coronary arteries using local geometric features in X-ray angiography images | |
Zhang et al. | Vascular centerline extraction of CTA images based on minimal path and Bayesian tracking | |
Guo | Deep learning meets graph: novel hybrid methods for improved medical image analysis | |
Li et al. | An automatic pipeline for segmentation and quantification of intravascular ultrasound images | |
Carretero | Pulmonary Artery-Vein Segmentation in Real and Synthetic CT Images | |
Berty | Semi-Automated Diagnosis of Pulmonary Hypertension Using PUMA, a Pulmonary Mapping and Analysis Tool | |
de Gouw | Automatic Coronary Calcium Scoring using Computed Tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200324 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200324 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210323 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210622 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211013 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6961614 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |