JP2022526527A - 永続的なガイドワイヤの識別 - Google Patents

Abstract

画像ベースのナビゲーションをサポートするためのシステムＩＰＳであって、Ｘ線画像化装置の視野ＦｏＶに２つ以上の医療デバイスＧＷ１、ＧＷ２が存在している間に、Ｘ線イメージャＩＡによって獲得された１つ又は複数の入力画像を復活させるための入力インターフェースＩＮを備える。画像識別装置ＩＤは、１つ又は複数の画像内の画像情報に基づいて、２つ以上の医療デバイスを識別する。タガーＴＧＧは、それぞれの固有のタグを、そのように識別された２つ以上の医療デバイスＧＷ１、ＧＷ２のうちの少なくとも２つの各医療デバイスに関連付ける。グラフィックスディスプレイジェネレータＧＤＧは、タグが含まれているビデオフィード内の１つ又は複数の入力画像を表示デバイスＤＤに表示させる。

Description

本発明は、画像ベースのナビゲーションをサポートするためのシステム、画像ベースのナビゲーションをサポートするための方法、コンピュータプログラム要素、及びコンピュータ可読媒体に関する。

経皮的冠動脈介入（ＰＣＩ）などの特定の医療介入では、臨床医は、ガイドワイヤなどのいくつか（例えば、３つ以上）の医療デバイス又はツールを患者に導入する必要がある場合がある。例えば、臨床医は、冠状動脈の１つの支流の狭窄の治療を開始し、次に別の支流に切り替えて、前の支流に戻る前に２本のガイドワイヤで分岐点を治療する必要がある。他の使用事例では、臨床医は、順行性と逆行性との両方のガイドワイヤを使用して慢性完全閉塞（ＣＴＯ）を治療する。これら及び同様の介入は、ある時点で病変に複数のデバイスの存在を必要とする。

これらの困難で要求の厳しい介入の過程で、臨床医は、別の血管部分に焦点を合わせることにしたため、又は異なる物理的特性を有するガイドワイヤを使用したいための何れかによって、あるガイドワイヤの操作から別のガイドワイヤの操作に切り替える必要がある。

ガイドワイヤは、患者の外側に延び、検査台の上にあるワイヤのシステムを形成する。蛍光透視システムは、リアルタイムの画像で臨床医を支援するために使用される。リアルタイムのビデオフィード（動画）は、カテーテルラボのオンサイトの表示デバイスに表示される。ビデオフィードは、導入されたデバイスの透過フットプリントを明らかにする。臨床医は、ビデオフィードを見ることで、操作したいデバイスを知ることができるが、ビデオフィードに示されているように、どのデバイスがどのフットプリントに対応するかが明確ではない場合がある。

臨床医は、例えば間違ったガイドワイヤを手に取ってしまう可能性がある。しかし、そのような間違った選択は、非常に望ましくない場合がある。一部のガイドワイヤの以前のポジショニングは、十分に困難だった可能性がある。臨床医は、狭窄又は分岐点を通過するために、又はかなり安定した「パーキング」位置を見つけるために、数分間苦労することがあり、その後、間違った選択のために失われた完全なパーキング位置を認識する。具体的には、臨床医が、実際に意図せずに間違ったガイドワイヤを操作して、介入の次の段階を開始した場合、臨床医は意図せずにガイドワイヤを外す可能性がある。この不幸な出来事は、比較的まれであるが、非常に苛立たしいものである。面倒なポジショニングを、再度実行する必要がある。

一部のオペレータは、形状「シグネチャ」を取得するために、挿入前にガイドワイヤの先端を、例えば、ねじって、「探索的」な努力で意図的に成形する。しかし、この方式でシグネチャを手作業で行うことは、面倒で時間がかかる可能性があり、臨床ワークフローに簡単に適合しない可能性がある。

したがって、画像ベースのナビゲーションのサポートを改善し、上記の欠点の最後の部分に対処する必要がある。

本発明の目的は、さらなる実施形態が従属請求項に組み込まれている独立請求項の主題によって解決される。本発明の以下に説明する態様は、方法、コンピュータプログラム要素、及びコンピュータ可読媒体に等しく適合することに留意されたい。

本発明の第１の態様によれば、画像ベースのナビゲーションをサポートするためのシステムが提供され、このシステムは、
Ｘ線画像化装置の視野内に、２つ以上の医療デバイスが同時に、又は異なる１回又は複数回存在している間に、Ｘ線イメージャによって獲得された１つ又は複数の入力画像を復活させるための入力インターフェースと、
１つ又は複数の画像内の画像情報に基づいて、２つ以上の医療デバイスを識別して、２つ以上のデバイスを区別することができる画像識別装置と、
そのように識別された２つ以上の医療デバイスのうちの少なくとも２つの各医療デバイスに、それぞれのタグを関連付けるように構成されたタガーと、
ビデオフィード内の１つ又は複数の入力画像を、タグが含まれて、表示デバイス上に表示させるように構成されたグラフィックスディスプレイジェネレータとを備え、
少なくとも１つのさらなる入力画像は、入力インターフェースで受け取られ、グラフィックスディスプレイジェネレータは、画像識別装置が、少なくとも１つのさらなる入力画像において、医療デバイスのうちの少なくとも１つを再識別し、それにより、タガーによって前記少なくとも１つの医療デバイスに以前に関連付けられたものと同じタグを含む場合にのみ、前記１つ又は複数のさらなる入力画像を、ビデオフィードの一部として、表示デバイス上に表示させる。

言い換えれば、本明細書で提案されるタガーによるタグ付けは、２つ以上のデバイスのうちの任意の所与の１つが、それ自身のそのようなタグを有し、同じタグが、ビデオフィード全体又はその少なくとも一部を通して維持されるようなものである。

検出器は、しきい値処理又は機械学習アルゴリズムを備えた画像構成フィルタを使用する。検出器は、セグメンテーション動作を含む場合があるが、場合によっては、境界ボックスなどの境界領域を見つけるだけで十分な場合がある。

すべてのデバイスが必ずしも単一の入力画像に存在する訳ではなく、その存在は、複数の入力画像に分散している場合がある。

１つの実施形態によれば、識別装置は、ＦｏＶ内の２つ以上のデバイスの存在によって引き起こされる入力画像内の透過フットプリントを検出するように構成された検出器モジュールを含む。

１つの実施形態によれば、タガーは、検出された透過フットプリントを、クラスタへと処理するためのクラスタリングアルゴリズムを実施するように構成され、各クラスタは、２つ以上の医療デバイスのうちの１つに対応する。

１つの実施形態によれば、タガーは、新しい医療デバイスが存在するか、又は２つ以上の医療デバイスのうちの少なくとも１つが取り除かれたかに応じて、クラスタの数を変化させることができる。

１つの実施形態によれば、タガーによる関連付け動作は１つ又は複数の特徴に基づいていて、前記１つ又は複数の特徴は、検出されたフットプリントのそれぞれの形状、検出されたフットプリントの現在のそれぞれの画像位置、それぞれの医療デバイスの現在の解剖学的場所の組合せのうちのいずれか１つ又は複数を含む。

１つの実施形態によれば、２つ以上の入力画像、又は少なくとも１つのさらなる入力画像のうちの少なくとも２つは、異なる画像化ジオミトリにおいて獲得される。

１つの実施形態によれば、タガーは、Ｘ線イメージャの画像化ジオミトリの変化に応じて、関連付け動作に対する１つ又は複数の特徴のうちの１つ又は複数の影響を選択的に調整するように構成される。

１つの実施形態によれば、入力画像は、投影画像である。

１つの実施形態によれば、２つの医療デバイスのうちの少なくとも１つはガイドワイヤである。

別の態様では、上記の実施形態のうちのいずれか１つによるシステムと、画像化装置及び／又は表示デバイスとを備える構成システムが提供される。

別の態様では、画像ベースのナビゲーションをサポートするための方法が提供され、この方法は、
Ｘ線画像化装置のＦｏＶ内に２つ以上の医療デバイスが同時に又は異なる１回又は複数回存在している間に、Ｘ線イメージャによって獲得された１つ又は複数の入力画像を受け取ることと、
１つ又は複数の画像内の画像情報に基づいて２つ以上の医療デバイスを識別することであって、それにより、画像識別装置は、２つ以上のデバイスを区別できる、識別することと、
そのように識別された２つ以上の医療デバイスのうちの少なくとも２つの各医療デバイスに、それぞれの固有のタグを関連付けることと、
タグが含まれているビデオフィード内の１つ又は複数の入力画像を表示デバイスに表示することとを有し、
さらに
少なくとも１つのさらなる入力画像を受け取ることと、
少なくとも１つのさらなる入力画像において、少なくとも１つの医療デバイスが再識別され、それにより、前記少なくとも１つの医療デバイスに以前に関連付けられたものと同じタグを含む場合にのみ、ビデオフィードの一部として、前記１つ又は複数のさらなる入力画像を表示デバイスに表示することとを有する。

別の態様では、少なくとも１つの処理ユニットによって実行されると、処理ユニットに方法を実行させるように適応されたコンピュータプログラム要素が提供される。

さらに別の態様では、プログラム要素を格納したコンピュータ可読媒体が提供される。

提案されたシステム及び方法は、デバイスとそれらのフットプリントとの間の関連付けをより明確にすることを可能にする。したがって、インサイチュデバイスの上記説明された事前の探索的移動を回避することができる。各フットプリントには、各医療デバイスに永続的かつ一貫して関連付けられた識別コードがタグ付けされている。また、オペレータが間違ったデバイスを選択して、意図せずに外してしまうリスクも軽減される。

各デバイスは、介入全体で同じままであるそれぞれのタグである、識別コードに関連付けられる。通常、検査台にあるガイドワイヤの順序と一致させるために、ワイヤをガイドするタグコードが最初に導入されている。タグは、例えば、画面上のそれぞれのガイドワイヤフットプリントに空間的に関連して表示される番号を含む。このような番号付きコードの代わりに、又はそれに加えて、カラーコードが使用される。例えば、最初に導入されたガイドワイヤは赤で表示され、２番目は青などで表示される。

この視覚的な補助により、金属接続「画面上のガイドワイヤチップ」／「台上で順序付けられたガイドワイヤ本体」がはるかに簡単になり、臨床医は最小限の精神的労力でガイドワイヤを確実に切り替えることができる。

「タグ」は、ボックスウィジェット、又は、オプションで、テキストやグラフィックを含む他の形態で、注釈によって明示的であることができるか、又は、タグは、フットプリントのカラーコーディング、境界線種バリエーション（太字、破線など）、又は前述の組合せ、又は他の任意の視覚的スキームなどによって、暗黙的である。

本明細書で使用される「検出」は、「セグメンテーション」を含む。セグメンテーションは、透過フットプリントなどの画像オブジェクトの正確な描写を追跡することを目的とする。しかしながら、状況によっては、必ずしも境界をトレースせずに、フットプリントを含む境界ボックスを見つけるだけで十分な場合があるため、フットプリントの検出は必ずしもセグメンテーションに依存しない場合がある。画像内位置などの特定の特徴は、そのような境界ボックスから抽出できる場合がある。

「影響力調整」：これは、コスト関数の重みを調整することによって達成される。重みは、所与の特徴に関連する比較が、全体的なコストにどの程度寄与するかを決定する。

「画像化ジオミトリ」：蛍光透視では、これは、角形成角、回転角などを含む。一般に、Ｘ線源とＸ線検出器とを接続する仮想軸である光軸の位置又は方位を変化させる何れの設定でもよい。

本明細書で使用される「ユーザ」は、画像化装置を操作するか、又は患者内に医療デバイスを配置するための補助としてナビゲーション目的で画像を使用する人である。

「（透過）フットプリント」は、投影画像内の画像部分であり、Ｘ線が物体を透過した後、所与の方向からＸ線に曝されたときの物体の「影」に対応する。

次に、本発明の例示的な実施形態を、縮尺通りではない以下の図面を参照して説明する。

図１は、Ｘ線画像化装置を含む画像化構成システムのブロック図である。 図２Ａは、画像化構成システムの一部の平面図である。 図２Ｂは、Ｘ線投影画像に記録可能な透過フットプリントの概略図である。 図３は、画像ベースのナビゲーションをサポートするように構成された画像処理システムのブロック図である。 図４は、画像ベースのナビゲーションサポートのためのコンピュータ実施方法のフローチャートである。 図５は、図４の方法のさらなる詳細を提供するフローチャートである。 図６は、１つの実施形態によるグラフィックスディスプレイの概略図である。

図１を参照して、好ましくは医療介入のコンテキストで使用するための、ナビゲーションの画像ベースのサポートのための構成システムＡＲの概略図が示される。

構成システムＡＲは、関心領域ＲＯＩにおける患者の内部構造のＸ線画像Ｆ_ｉを取得するためにユーザによって操作可能な画像化装置ＩＡ、特にＸ線画像化装置を備える。関心領域ＲＯＩは、人間の心臓、肺、又は別の臓器又は臓器のグループである。

本明細書ではフレームのシーケンスと呼ばれる画像Ｆ_ｉは、表示デバイスＤＤ上の動画又はビデオフィードとして、リアルタイムでユーザへ表示される。

画像化構成システムＡＲは、画像を処理するための画像処理システムＩＰＳをさらに備える。概して、画像処理システムＩＰＳは、受け取った画像を処理して、それぞれの１つ又は複数の医療デバイスを表す１つ又は複数の視覚的なインジケーション又はタグをその中に含めるようにコンピュータ化されたシステムである。医療デバイスは、介入時に展開される。これらのデバイスＧＷ１のうちの１つ又は複数は、画像Ｆ_ｉが撮像されている間、イメージャの視野ＦｏＶ内に時々存在する。１つ又は複数の画像化デバイスの必ずしもすべてが、各画像に存在する訳ではない。ＩＰＳによって提供されるタグにより、ユーザは、表示された画像において、どの画像部分（透過フットプリント）がどの医療デバイスに対応するかを簡単に区別できる。

前述のように、画像化装置ＡＩ及び画像化処理システムＩＰＳは、本明細書における実施形態では、主に、経皮的冠動脈介入（ＰＣＩ）などの医療介入をサポートするために想定される。必ずしも人間又は動物の心臓に関連して実行されるとは限らない他の医療介入も想定され、アクセスできない陥没又は配管システムで実行される検査及び作業の画像ベースのサポートのような非医療用途、又は、補助者の目で直接検査できないエンジンや他の複雑な機械などの技術的機器の検査も想定されているが、ビデオフィードを介して視覚検査にアクセス可能な、閉塞した関心領域を作る画像化機器を必要とする。

ＰＣＩ用途では、医療デバイスは、特に、鼠径部における大腿動脈又は静脈の切断などの１つ又は複数の適切なアクセスポイントを介して患者ＰＡＴに導入される１つ又は複数のガイドワイヤを含む。次に、そのように導入されたガイドワイヤは、血管を通って注意深く進められ、患者の冠状動脈の特定の部分の狭窄などの病変部位に到達する。ガイドワイヤの先端部分が病変部位を通過すると、そこに固定（「パーク」）され、カテーテル又は他のツールがガイドワイヤに沿って病変部位までスライドされ、処置が実行される。そのような１つの処置は、狭窄を緩和するためにバルーンカテーテルを使用することによって狭窄を治療することを含む。他のガイドワイヤ、カテーテル又は他の医療ツールは、同じアクセスポイント又は異なるアクセスポイントを介して患者に追加的に導入される。冠状動脈は、血管の支流と小支流とからなる複雑な系である。ユーザがガイドワイヤを病変部位に成功裡にナビゲートするために、ナビゲーションサポートは、表示デバイスＤ上にビデオフィード又は動画としてリアルタイムで表示される獲得された画像によって提供される。これにより、ユーザは、デバイスが患者内を進行するとき、又は介入が実行されている間、患者内の１つ又は複数の医療デバイスの位置を観察できる。

ここで、画像化装置ＩＡをより詳細に手短に参照すると、これは、Ｃアームタイプの画像化装置として、図１における例示的な実施形態に示されるように構成される。図１の実施形態では、ＣアームシステムＩＡは天井ＣＬに取り付けられているが、これは必ずしもすべての実施形態でそうであるとは限らない。或いは、画像化装置ＩＡは、床に取り付けられるか、又はスタンドに取り付けられる。さらなる代替例では、画像化装置は、車輪付き又はトラックマウントなどの可動式である。

Ｘ線画像化装置は、Ｘ線検出器ＸＤ及びＸ線源ＸＳを含む。概して、実施形態では、必ずしもすべての実施形態ではないが、画像化装置は、Ｘ線検出器ＸＤと、Ｘ線管などのＸ線源ＸＳとを運ぶガントリＧを備える。Ｘ線検出器及びＸ線源ＸＳは、Ｘ線源とＸ線検出器との間に検査領域を形成するために、対向する空間的関係においてガントリＧ上に配置される。画像化装置のアイソセンタＩＳに関心領域が粗く配置されるように、患者ＰＡＴがこの検査領域に配置される。患者は、画像化中に検査台ＴＢに横になる。台は、高さＨを調整される。

画像化手順の間、Ｘ線源ＸＳは、カソード電流および電圧を、アノードとカソードとの間に印加することによってエネルギを与えられ、アノードの焦点から放出するＸ線ビームＸＢを生成する。ビームはＸ線源を出て、検査領域を通過し、したがって関心領域及びその周辺の患者組織を通過し、その後、Ｘ線検出器ＸＤのＸ線感知面に衝突する。検出器のＸ線感知面は、衝突するＸ線を強度値に変換するピクセル要素を備える。強度値は場所ごとに変化し、その変化は、局所的に異なる物質密度を有する組織又は組織タイプによる、Ｘ線ビームの異なる減衰によって引き起こされる。

検出器ＸＳにおいてそのように記録された強度値は、投影画像（「フレーム」）を形成するために、カラー又はグレー値パレットにしたがって、画像値にマッピングされる。獲得回路構成は、この方式で、適切なフレームレートで、画像化手順中、異なるインスタンスで、異なる投影画像のシーケンスを捕獲するように動作する。本明細書で想定される例示的なフレームレートは、２０～３０ｆｐｓである。蛍光透視では、本明細書で想定される主なモダリティとして、強度値は、黒からグレー色の値から白までの範囲の値の範囲にマッピングされ、画像値が暗くなるほど、強度値は低くなる。逆マッピングなどの他のマッピングスキームが使用され、より低い強度値が、ラジオグラフィで一般的に使用されるようなより明るい画像値にマッピングされる。代わりに、さらに他のマッピングスキームが使用される。

一次Ｘ線ビームの空間幅は、イメージャＩＡの視野ＦｏＶを画定する。視野内、したがってＸ線ビーム内に存在又は拡張するオブジェクトは、Ｘ線が検出器において局所的に検出される強度を修正する。視野は、Ｘ線源を移動する、患者を移動する、又はコリメータ（図示せず）を使用してビーム幅を拡大又は制限するなどのユーザの要求によって変化される。

Ｘ線検出器は、表示デバイスＤＤに通信可能に結合されたデジタルフラットパネル検出器として構成される。フラットパネル検出器ＸＤは、直接変換タイプ又は間接変換タイプである。代替実施形態では、画像化検出器は、ビデオカメラを介して表示デバイスに結合された画像増強器として構成される。

本明細書で主に想定される投影画像のコントラスト付与メカニズムは減衰であるが、位相コントラスト及び／又は暗視野画像化などの他のコントラストメカニズムを追加又は代わりに利用する他の画像化技法は本明細書で除外されない。後者の２つの場合において、画像化装置は、干渉計又は他のものなどの追加の構成要素を含む。

画像化装置は、ユーザが画像化手順をいつ開始及び停止するか、特にいつＸ線源ＸＳに通電するかを決定できる制御コンソールＣＣを含む。ペダルをユーザインターフェースとしてコンソールに結合して、Ｘ線源の通電又は非通電を制御したり、グリッドスイッチを操作してＸ線ビームへの照射を停止又は再開する。

（散乱放射線を除く）一次Ｘ線ビームの主な伝搬方向は、Ｘ線源の焦点（図示せず）から、Ｘ線検出器ＸＤのＸ線感知面の中心部分まで延びる仮想線である光軸ＯＸによって画定される。光軸は、空間投影方向を画定する。

ナビゲーションにおいてユーザをよりよくサポートするために、光軸の位置又は空間的方位、したがって投影方向は、ユーザの要求に応じて変化される。これは、１つの実施形態では、ガントリを、互いに垂直な１つ、又は好ましくは２つのそれぞれの軸の周りで回転可能になるように構成することによって達成できる。そのような回転軸が２つあると、光軸を変化させるための２つの自由度が得られる。例えば、あるジオミトリでは、回転軸のうちの１つが、図１の描画平面まで延びており、光軸を、角度βを中心に回転させることができる。他方の回転軸は、図１の描画平面に平行であり、図１に概略的に示されているように、βとは無関係に別の角度αの周りの方位が変化される。慣例により、αの軸は「回転」を定義し、βの軸は「角度」を定義する。

オプションで、図１において二重矢印Ｈで示されているように、ガントリ自体の高さも変化される。さらに、光軸ＯＸは、ガントリをそれに応じて線に沿って移動させることによって、平行移動される。光軸の位置及び方位は、本明細書では、画像化ジオミトリを少なくとも部分的に画定するために参照される。言い換えれば、本明細書で実施形態において想定される画像化装置は、ユーザが画像化ジオミトリを変化させることを可能にする。画像化ジオミトリの変化は、ユーザが、ジョイスティック、又は制御コンソールＣＣに結合された他の適切なインターフェース手段を操作することによって要求される。画像化ジオミトリの変化を要求するためにインターフェースを操作することは、ガントリに対して配置された適切なアクチュエータに制御信号を適用させることを含む。アクチュエータは、制御信号に応答して動作し、画像化ジオミトリを変化させる。

画像化ジオミトリを変化させる他のオプションは、検出器とＸ線源との間の距離の変化、及び／又は関心領域とＸ線検出器、したがってＸ線源との間の距離の変化を含む。後者の変化は、患者が横たわっている検査台ＴＢの高さｈを変化させることによってなされる。高さｈ及び／又は光源と検出器との間の距離を変化させると、特定の倍率で画像が再スケーリングされる場合がある。画像化ジオミトリを変化させるためのさらに他のオプションは、視野ＦｏＶを変化させるために、Ｘ線ビームの形状又はサイズにおいて断面を制限又は拡大するためのコリメータ（図示せず）の操作を含む。画像化ジオミトリを変化させるさらに別のオプションは、患者台ＴＢを台の表面に平行な平面でＸ、Ｙ方向に平行移動することを含み、一方の方向は、図１の描画平面に平行であり、他方の方向は、画像平面に延びる。

一般に、そして要約すると、ジオミトリの変化は、関心領域に対するＸ線源及び／又は検出器の間の空間的関係を変化させる。それに加えて又はその代わりに、視野は、コリメータの動作によって、又は説明されているように、例えば、台ＴＢの平行移動によって患者を動かすことによって変化される。

前述したように、蛍光透視では、通常、獲得されるものは単一の画像ではなく、画像または「フレーム」Ｆ_ｉのシリーズまたはストリームである。フレームＦ_ｉのこのストリームは、本目的のために、そのようなフレームの異なるシーケンスを備える。フレームのシーケンスは、本目的のために、シーケンス内のすべてのフレームが、単一の画像化ジオミトリで取得されたものとして定義され、特に、光軸の位置及び／又は方位は、シーケンス中に変化しない。典型的なプロトコルでは、ユーザはＸ線源にエネルギを与え、所与の画像化ジオミトリにおいて画像のシーケンスを獲得する一方、フレームのシーケンスは、表示デバイスのビデオフィードに次々に表示される。ユーザは、画像化の停止を要求することができ、つまり、Ｘ線源の電源を切るか、コリメータやグリッドスイッチの操作などによってＸ線ビームを無効にする。次に、例えば、ユーザが異なる角度を選択することによって、画像化ジオミトリが変化される。次に、Ｘ線ビームが再び有効にされ、及び／又は、Ｘ線源に再びエネルギが与えられ、フレームの第２のシーケンス、今度は第２の画像化ジオミトリにおいてというように、３つ以上の異なるそのようなシーケンスが獲得される。全体の画像化手順は、その後、２つの隣接するシーケンスの画像化ジオミトリが異なる可能性がある１つ又は複数の異なる画像シーケンスを有する。画像化手順におけるすべてのシーケンスが、異なる画像化ジオミトリにおいて獲得される場合があるが、一部のシーケンスのように必ずしもそうであるとは限らず、隣接するシーケンスであっても、同じ画像化ジオミトリが保持されている場合がある。

ここで図２Ａを参照して示すように、これは、画像情報が、記録されたＸ線フレームＦにエンコードされる方式を示している。例えば、ガイドワイヤなどの医療デバイスＧＷは、イメージャＩＡの視野ＦｏＶ内に存在する。Ｘ線ビームＸＢは、Ｘ線源ＸＳから放射され、ガイドワイヤと相互作用する。ガイドワイヤＧＷの放射線不透過性のため、Ｘ線ビームは減衰する。そのように経験された減衰は、周囲の組織によって引き起こされる減衰と比較して高い。この差分減衰は、現在設定されている画像化ジオミトリにしたがって、所与の投影方向に沿って見たときにガイドワイヤの形状に対応する強度値のパターンを残す。そのように生成された強度値のこのパターンは、本明細書では、所与の画像化ジオミトリにおける検出器ＸＤの投影面ｐｐにおいて、図２Ａに概略的に描かれる特定の医療デバイスの透過フットプリントＴＦ（ＧＷ）又は「シャドーグラフ」と呼ばれる。

周囲の組織が血管などの軟組織である場合、それぞれの透過フットプリントは、非常に低いコントラストでのみ記録される可能性がある。必要に応じて、造影剤を投与することにより、軟組織のコントラストを高めることができる。関心領域に造影剤が存在する間に獲得されたフレームは、本明細書では血管造影図と呼ばれる。それに加えて又はその代わりに、「ロードマッピング」技法が使用され、血管樹を表す線を重ね合わせることによって、血管境界がグラフィカルに示される。患者のために以前に取得された造影剤でサポートされた３Ｄ画像、又はおそらく患者に合わせてパーソナライズされた一般的な血管モデルは、蛍光透視フレームに適切に登録した後、ロードマッピングを行うために使用される。ロードマッピングは、例えば、出願人の米国特許第８，２５５，０３７号に説明されている。しかしながら、デバイスの透過フットプリントによって与えられるコントラストのみに依存する場合、場合によっては造影剤を投与するだけで、ナビゲーションをサポートするのに十分な場合があるため、明示的なロードマッピングは必要ない場合がある。

ユーザがしばしば直面する状況は、使用されるものは１つの医療デバイスだけではなく、１つ又は複数のタイプの複数の２、３、４又はそれ以上のデバイスが適用され、患者に導入されることである。そのような４つのデバイスＧＷ１～ＧＷ４が、図２Ｂの平面図に概略的かつ例示的に示されている。したがって、画面ＤＤ上のビデオフィード中に示される所与の画像フレームは、複数のデバイスＧＷ１～ＧＷ４の複数の透過フットプリントのパターンを備え、ユーザは、どのデバイスＧＷ１～ＧＷ４が、表示されたフレームのどの透過フットプリントに対応するかに関して途方に暮れる可能性がある。図２ＢにおけるデバイスＧＷ１～ＧＷ４の配置は、実際にはほとんどのデバイスが同じアクセスポイントを介して導入されているため、例示目的のためである。それでも、例えば、特定の狭く焦点を合わせた「タイトな」コリメーション設定では、図２Ｂにおける表示デバイスＤＤ（及びさらに以下の図６）に示されているものと同様のフットプリントの表現が得られる可能性がある。

提案された画像化装置ＩＰＳは、画像化手順のすべてのシーケンスを通して一貫した方式で各フレームにおけるそれぞれの画像フットプリントにタグ付けすることによって、この懸念に対処することを可能にする。タグ付けは、グラフィカル又はテキスト形式である。タグ付けは、明示的又は暗黙的である。暗黙的なグラフィックタグ付けは、例えば、それぞれのシャドーグラフを異なる色で表示したり、破線、点線、その他などの異なる線種で輪郭を描くことを含む。それに加えて又はその代わりに、ボックス、三角形、円、楕円、又はそれぞれの透過フットプリントに空間的に関連する他の任意の幾何学的形状などのグラフィカルウィジェットを表示することによって、明示的なタグ付けが使用される。明示的なタグはまた、それぞれのデバイスが視野に導入された時系列順序を示すテキストマテリアルを含む。それに加えて又はその代わりに、テキスト情報は、適切な頭字語又はフルネーム、或いはいくつかの英数字文字列を含み、これらは、それぞれのタグがどのタイプの医療デバイスに関連付けられているかについての手がかりをユーザに提供する。或いは、タグは、必ずしも特定のセマンティクスに結び付けられている訳ではなく、より良い区別をサポートするために、単純にそれぞれ別個の英数字文字列を含む。

画像化処理システムＩＰＳの動作が、図３のブロック図を参照してより詳細に説明される。概して、画像化処理システムＩＰＳは、異なるジオミトリにわたって一貫しており、好ましくは医療デバイスの個々のそれぞれに永続的に関連付けられている画像ベースの透過フットプリントタグ付けを実行するように構成される。

画像化処理システムはコンピュータ化されている。これは、単一又は複数のデータ処理システムＰＵに実施される。画像処理システムを実施する処理システムは、図３においてＰＵとして図式的及び概略的に示されている。ＩＰＳは、画像化装置ＩＡに統合されているか、そうでなければ、ワイヤ又はワイヤレス方式で、フレームＦ_ｉを供給する画像化装置ＩＡと通信可能に結合されている。

画像化処理システムＩＰＳは、適切にリンクされ、１つ又は複数の処理ユニットＰＵ上で実行される１つ又は複数のソフトウェアモジュールとして構成される。或いは、画像化処理システムＩＰＳは、適切に構成されたマイクロコントローラ又はマイクロプロセッサとしてハードウェアで構成される。画像処理システムは、複数の通信可能に結合された処理ユニットによって分散的に実施される。画像処理ユニットは、一部はハードウェアで、一部はソフトウェアで構成される。画像処理システムＩＰＳの、以下に説明する構成要素のいくつか又は複数は、適切に通信可能に結合された１つ又は複数のメモリＭＥＭに存在する。データ処理システムＰＵは、適切にプログラムされた汎用コンピューティングデバイスである。処理ユニットは、迅速な計算を達成するために、グラフィカル処理システム（ＧＰＵ）を含む。

画像化処理システムＩＰＳは、画像Ｆ_ｉを受け取るための入力ポートＩＮを含む。画像化処理システムＩＰＳは、画像化中にＦｏＶ内にたまたま存在する可能性がある１つ又は複数の医療デバイスを識別するための画像識別装置ＩＤを含む。識別装置ＩＤは、デバイスＧＷ１～ＧＷ４の透過フットプリントを検出するための検出器モジュールＤＭを含む。識別装置ＩＤによる識別動作は、もしあれば、検出された透過フットプリントＴＦに基づく。

画像識別装置ＩＤは、入力ポートにおいて受け取られた画像で検出された透過フットプリントに基づいて、医療デバイスの識別を試みる。以下でより詳細に説明されるように、識別装置ＩＤは、画像全体、特に画像化ジオミトリの変化にわたって一貫してこの識別動作を実行するように構成される。画像検出器はまた、デバイスが視野から取り除かれたとき、及び／又は以前のデバイスがＦｏＶに再導入されたとき、又は、画像化中に、新しい、以前に見られなかったデバイスが視野に導入されたときを検出するように構成される。

フットプリントが、新しい又は以前に識別されたそれぞれの医療デバイスに属することが識別されると、検出されたフットプリントにタグ付けするためのタガーＴＧＧもある。タガーＴＧＧは、所与のデバイスＧＷを識別するために発見された各フットプリントに関連付けられ、これは、個々のデバイスＧＷに残る固有のタグである。

タガーによって提供される１つ又は複数のタグを有する画像は、もしあれば、グラフィカルディスプレイジェネレータＧＤＧによって処理される。所与のフレームごとに、１つ又は複数のタグが、例えばオーバレイとして、又は他の方式で、受け取られた画像に統合される。

そのようにタグ付けされた画像は、出力ポートＯＵＴにおいて出力される。次に、タグ付けされた画像は、適切なグラフィックス制御回路構成によって表示デバイスＤＤに表示され、おそらくは、タグ付けされた画像からビデオフィードを構築する。

より具体的には、所与のタグは、それぞれのデバイスが所与のフレーム内の識別子によって実際に識別される場合にのみ、処理された画像に含まれる。デバイスは１つのフレームに記録され、別のフレームには記録されていない可能性がある。したがって、そのタグはそれぞれのフレームに含まれる場合と含まれない場合とがある。

画像識別装置ＩＤの動作は、イベント駆動型である。イベントは、ＦｏＶ内のデバイス数の変化、使用されるＧＷのタイプの変化、又は画像化ジオミトリの変化を含む。識別装置ＩＤは、動的かつ適応的に作用して、前記イベントに適応する。識別装置ＩＤによって実施されるアルゴリズムは、これらのイベントのうちのいずれか１つ又は複数に応答して適応される。実施形態では、クラスタアルゴリズムが使用される。識別装置ＩＤは、１つ又は複数の既存のクラスタが与えられた場合に、新しいクラスタを割り当てて定義するために保守的に機能することが好ましく、検出されたフットプリントを、既存のクラスタのうちの１つに割り当てるように試みられる。最小化スキームのコンテキストで適切に構成されたコスト関数によって測定されるように、これが妥当なコストで達成できない場合にのみ、新しいクラスタが宣言される。

オプションで、画像処理システムは、画像化ジオミトリの変化がいつ起こったかを検出するように構成された回路構成を含む。

一般に、識別装置ＩＤの検出器モジュールの動作は、もしあれば、記録されたフットプリントの検出器モジュールによるセグメンテーションを含む。セグメンテーションの部分は、細長いフィルタや、しきい値処理などのコンピュータビジョン処理ツールをマニュアルで作成することで解決できる。代わりに、例えば、「Ｍａｒｇｉｎａｌ Ｓｐａｃｅ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｅｆｆｉｃｉｅｎｔ Ｄｅｔｅｃｔｉｏｎ ｏｆ ２Ｄ／３Ｄ ａｎａｔｏｍｉｃａｌ ｓｔｒｕｃｔｕｒｅｓ ｉｎ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ」Ｉｎｆ， Ｐｒｏｃｅｓｓ Ｍｅｄ． Ｉｍａｇｉｎｇ、第２１号、４１１～４２２頁、２００９年によって報告される限界空間学習（ＭＬＳ）のような機械学習が使用される。深層学習アーキテクチャニューラルネットワーク、つまり、１つ又は複数の隠れ層を有するニューラルネットワークも想定される。好ましくは、ニューラルネットワークは、畳み込み型である。

結果のセグメンテーションのクラスタリングは、２つの連続するフレームのフットプリントセグメンテーションの類似性比較を関連付けることによって実行できる。両方のセグメンテーションが同じガイドワイヤに対応する場合、この距離は小さいと予想されるため、比較は、異なるフレームからの２つのフットプリントの画像内位置間の空間距離に基づく。それに加えて又はその代わりに、フットプリントの幾何学的形状など、他の特徴の類似性が評価される。（以下で詳しく説明するため、ここで説明する必要はない）同じ画像化ジオミトリが使用されている場合、２つのフレームからのフットプリントが、同じデバイスに対応している場合、フットプリントの形状は、互いに類似していると予想できる。任意の２つのデバイスが正確に同じ位置に存在することはめったに期待されないので、形状および画像内位置の比較は、同じ又は類似の形状特徴を有するデバイスが使用された場合に発生する可能性のある曖昧さを解決するために、組み合わせて使用する必要がある。最適化方法（例えば、動的プログラミング）を利用して、関連するセグメンテーション間で最も類似しているラベリングを決定できる。セグメンテーション及び識別は、ユーザ経験を向上させるために、準リアルタイムで実行することが望ましい。そのような準リアルタイム処理を達成するために、ＧＰＵが使用される。

ここで、画像ベースのナビゲーションをサポートする方法がより詳細に説明されている図４のフローチャートを参照する。この方法は、上記の画像処理システムＩＰＳの動作の根底にあると理解される。しかしながら、図４、図５で説明された方法ステップは、図１～図３に関連して上記で説明したように、画像処理システムＩＰＳのアーキテクチャに必ずしも結び付けられていないことがさらに理解されよう。より具体的には、以下に説明される方法は、それ自体が教示として理解される。

ステップＳ４１０において、フレームは、Ｘ線画像装置ＩＡによって獲得されたものとして順番に受け取られる。

シーケンス内のこれらの１つ又は複数のフレームの獲得中、前述のガイドワイヤ、カテーテル、又は他のツールなどの２つ以上の医療デバイスが、画像化装置の視野内に存在していた。しかしながら、本目的のために、すべての医療デバイスが、所与の任意の時間においてともに存在する必要はないが、異なる獲得時間に別々に存在していた可能性がある。言い換えれば、医療デバイスは、もちろん実施形態においても想定される単一のフレームに記録されるすべてのデバイスではなく、２つ以上のフレームにわたって記録される。例えば、特定の時間に獲得された１つのフレームが、２つ以上、特に現在使用されているすべての医療デバイスを記録している可能性がある。或いは、しかしながら、１つ又は複数のデバイスが、１つのフレームに記録される一方、１つ又は複数の他のデバイスが、異なる１つ又は複数のフレームに記録される。ユーザが、視野から１つ又は複数のデバイスを取り除くことを決定したり、ユーザが、コリメータ設定やチューブＸＳ角度／回転などの画像化ジオミトリ設定を選択するため、１つ又は複数のデバイスが新しいＦｏＶになくなるなど、デバイスの存在が変化する可能性がある。

ステップＳ４２０において、受け取られたフレームにおいてエンコードされた画像情報に基づいて医療デバイスを計算的に識別する試みがなされる。識別動作は、異なる医療デバイスを互いに区別できるようなものである。この識別動作のために使用される画像情報は、特に、フレームにエンコード及び記録された透過フットプリントを含む。

識別ステップＳ４２０自体、２つのサブステップを含む。１つは、１つ又は複数のフレーム内の画像構成システムとしての画像フットプリント自体の検出である。検出は、セグメンテーションによって行うことができる。セグメンテーションは、機械学習、フィルタリング、強度値のしきい値処理などのコンピュータビジョン技法によって行われる。しかしながら、場合によっては、境界ボックス、円などの領域を、ヒストグラム、標準偏差ＣＶなどの領域内のピクセルの分析統計情報に確立するために十分であるので、セグメンテーションは必ずしも必要条件ではない。フットプリントの境界の正確なコースは、すべての実施形態において必ずしも必要とされない場合がある。このサブステップでは、透過フットプリントを引き起こしたそれぞれの医療デバイスへのフットプリントの関連付けはまだない。

検出されたフットプリント対医療デバイスの識別又は関連付けは、識別ステップの第２のサブステップで実行される。それぞれのフットプリントでデバイス自体を識別する第２のサブステップは、クラスタリングアルゴリズムによって実施される。クラスタリングアルゴリズムは、フットプリントをグループにクラスタ化し、ここで、各グループは、医療デバイスのうちの１つを正確に表す。

識別ステップＳ４２０のこの第２のサブステップは、以下でより詳細に説明され、識別されたフットプリント及び／又はコンテキスト情報に関連して抽出可能な特定の画像特徴に基づく。特に、クラスタリング動作を通知するために、画像化ジオミトリの変化に関する情報が使用される。組み合わせて又は単独で使用できる他の特徴は、幾何学的形状又はサイズ、画像内位置、又は解剖学的位置を含む。これら特徴は、それぞれのクラスタに関連付けられたメモリＭＥＭに格納される。そのように事前に格納された特徴の一部又はすべては、次のフレームでクラスタリングを実行するときなどに検索される。

ステップＳ４２０における識別動作では、フットプリントの一部のみを識別し、この部分のみに関連する特徴を計算することで十分である。実施形態では、このセクションはガイドワイヤ先端などのデバイスの先端部分を表し、この部分は一般に臨床的に関連する部分であるため、フットプリントが終了する周辺を考慮することが有用である。他の特徴は、フットプリント全体に関連して計算される。

次に、以下のステップＳ４３０において、それぞれの固有のタグが、ステップＳ４２０で識別されたそれぞれの各医療デバイスに関連付けられる。

各タグは、他のタグと視覚的に区別されるものとして表され、上記のようにグラフィカルウィジェットによって表される。タグの種類、カラーコーディングなどは、設定動作時にユーザによって事前に指定される。例えば、グラフィカルユーザインターフェースにおけるメニュー構造は、タグスタイルを選択するためにユーザに提示される。前述のように、タグ付けは、明示的又は暗黙的である。暗黙的なタグ付けは、識別されたフットプリントのカラーコーディング、及び又は、カラー又は線種（破線、点線など）コーディングによる輪郭の変化を含む。

明示的なタグ付けは、それぞれのフットプリント、個別の離散的な情報ボックス、円、楕円、又は他の幾何学的構造ウィジェットとの空間的関係での隣接を含む。タグウィジェットは、タグが画像に含まれている場合には、タグ付けされたデバイスの識別情報を、ユーザがより適切に識別できるようにするテキスト情報を含む場合と、含まない場合とがある。

ステップＳ４４０において、受け取られたフレームは、タグが含まれたビデオフィード（動画）として表示デバイス上に表示される。特に、これは、グラフィカルウィジェットを、それぞれの透過フットプリント、したがってデバイスと、空間的に関連して適切に配置された画像にオーバレイすることを伴う場合がある。

識別動作Ｓ４２０は、メモリに格納され、同様の方式でフォローアップフレームを処理するときにそこから検索される画像特徴に基づく。

本明細書では、それぞれのデバイスに関連付けられたタグが、画像化手順全体を通して永続的又は残留的であることが想定される。特に、１つの特定のタグは、画像化手順全体を通じて特定の固有の画像化デバイスに関連付けられたままである。より詳細には、フォローアップフレームが受け取られた場合、これは上記で説明したように処理されるが、所与の医療デバイスのタグは、その医療デバイスがフォローアップフレームで肯定的に識別された場合にのみそのフレームに含まれる。ユーザがＦｏＶからデバイスを取り除いたか、画像化ジオミトリの変化によりＦｏＶが変化したために識別されない場合、そのデバイスのタグはそのフレームに統合されない。しかしながら、デバイスが、後にフォローアップフレームで識別された場合、そのタグは、その後のフォローアップフレームに含まれる。

同様に、新しいデバイスが導入された場合、新しく導入されたデバイスに対応するために新しいクラスタを定義することができ、新しいタグが、新しく導入されたデバイスに関連付けられる。新しいタグは、以前に他のデバイスに割り当てられていた他のすべてのタグとは異なる。ＦｏＶからデバイスを取り除くことは、例えば、ユーザが、デバイス、例えば、ガイドワイヤを、視野ＦｏＶの外に「引っ張る」、特に、患者から完全にデバイスを取り除くときに生じる。例えば、台ＴＢが移動したり、及び／又は、コリメータが視野を制限したりするなど、画像化ジオミトリの変化が生じた場合、又は、新しい角度又は回転、又は平行移動、又はそれらの組合せを要求するユーザによってＸ線源が再配置された場合、特定の所与のデバイスが、所与のフレームに記録されないことがある。

要約すると、デバイスのうちの１つが現在のＦｏＶから取り除かれた場合、又は、新しいデバイスがＦｏＶに導入された場合、又は以前のＦｏＶにはなかったが、現在のＦｏＶに再導入された既知のデバイスの場合、識別ステップによって定義されたクラスタの数は、そのＦｏＶで記録された所与のフレームに応じて動的に調整される。言い換えれば、上述した使用事例から理解されるように、識別ステップ及びタグ付けステップは、イベント駆動型の動作であり、任意の所与のフレーム内の実際の画像コンテンツに動的に適応される。

識別動作は、数値最適化手順のコンテキストで実施される。特に、クラスタリング動作は、クラスタリングに関連付けられたコスト関数を最適化する、例えば最小化するための最適化手順として定式化される。コスト、つまりコスト関数のスカラ値は、フレームに記録されるデバイスの数が一定のままである場合は比較的安定していると予想されるが、デバイスがＦｏＶから取り除かれるか、新しいデバイスが導入されるか、又は既知のデバイスが再び表れる場合、大幅に変化すると予想される。このコストの突然の変化は、考慮されるクラスタの数を増やすか減らす必要があることを示すインジケーションを提供する。言い換えれば、クラスタ数の適応は、完全に自動的に行われる。このイベントは、以降「数の乱れ」と呼ばれ、医療デバイスが取り除かれたか、視野に（再）導入されたイベントを示す。

数の乱れイベントの別のインジケーションは、検出されたフットプリントの数の変化である。クラスタの数は、通常、フレームで検出された画像フットプリントの数に対応する。この数は監視される場合があり、あるフレームから別のフレームへの変化がある場合、最適化手順は、それに応じて、クラスタの数を変化させようとする。ローカル分析が実行される場合がある。例えば、インスタント画像の特定の領域にフットプリントがあり、フォローアップ画像の対応する領域にフットプリントがなくなった場合、クラスタ番号を適応させる必要がある。

オプションで、ユーザは、例えば、ボタンを押すことによって、又はそうでなければ、入力として、アルゴリズムに信号を提供する。信号は、クラスタの数を適応させるための識別ステップで使用される。

したがって、識別動作ステップＳ４２０は、数の乱れイベントに対してロバストであることが分かる。このステップは、画像化ジオミトリの変化に対してさらにロバストである。

識別ステップＳ４２０のロバスト性は、動作が、識別された透過フットプリントに関連付けられた特徴に特に基づいているために達成される。本明細書で考慮される特徴は、検出された透過フットプリントに示されるような幾何学的形状の１つ又は複数又は組合せを含む。それに加えて又はその代わりに、フットプリントの現在のフレームにおける画像内位置は、透過フットプリントの別の特徴を構成する。所与のフレームの画像平面内の位置を画定するために、検出されたフットプリント内の適切な基準点が使用される。或いは、透過フットプリントのための重心座標を計算する。実施形態では、フットプリントの末端の極端な部分が識別され、フットプリントのこの先端は、ガイドワイヤ、カテーテル、又は他のデバイスの物理的な先端の場所に対応するので、画像内場所を画定するために使用される。

所与のフレームにおける所与の透過フットプリントのコンテキスト上の特徴は、フットプリント、したがってそれぞれの医療デバイスに関連付けられた解剖学的場所である。例えば、以下でより詳細に説明されるように、画像化ジオミトリの変化イベントにおいて、所与の画像化デバイスの永続的かつ一貫した識別を保証するために、解剖学的場所が使用される。

解剖学的場所は、ロードマッピング技法によって、又は同じ又は異なる画像モダリティによって以前に記録された関心領域の３Ｄ画像に現在のフレームを登録することによって決定される。特に、ＣＴデータセットは、適切にセグメント化されて使用され、次いで、これは、例えば、現在の画像フレームに前方投影によって登録され、画像場所が識別される。或いは、解剖学的場所を計算するために、好ましくは、所与の患者の関心領域に合わせてパーソナライズされた人工モデルが使用される。

ロードマッピングに加えて、又はその代わりに、トレーニング画像データを使用して適切にトレーニングされたディープラーニングが使用される。以下では、いくつかの異なる実施形態について、ディープアーキテクチャニューラルネットワークベースの機械学習技法を通じて解剖学的場所をどのようにして導出できるかについて説明する。しかしながら、サポートベクターマシン（ＳＶＭ）、他のカーネルベースの方法、又は決定木などの他の機械学習技法は、本明細書では除外されない。トレーニングデータは、入力と（望ましい）出力とのペアで提供される。

機械学習は、様々な投影方向に沿った血管樹を表す画像に基づくトレーニングで使用される。

別の実施形態では、ガイドワイヤ位置が、対応する血管造影図（存在する場合）に投影される場合、同時登録が使用され、血管造影図に示されるような造影剤増強冠状動脈ツリーをセグメント化し、そのサブセグメントに分割し、したがって、解剖学的位置を定義する。以下のトレーニングデータペアでトレーニングすることにより、画像化ジオミトリの変化を考慮するために、機械学習構成要素が使用される。入力：画像内の血管の画像又はセグメンテーション、及び画像化ジオミトリの変化仕様（たとえば、角度）。出力：解剖学的にラベル付けされた支流又は小支流。

１つの実施形態では、デバイスＧＷ位置に関連付けられた解剖学的場所は、蛍光透視画像からのみ取得される。機械学習構成要素は、以下の入力／出力ペアに基づいてトレーニングされる。入力：蛍光透視画像とジオミトリ変化の仕様（例えば、角度や現在のデバイスＧＷ位置。出力：解剖学的場所の仕様。

或いは、機械学習アプローチが、前述したロードマッピング技法と組み合わされる。より具体的には、第１のステップで、デバイスＧＷ位置は、この場合は同時登録と同等であるロードマッピングによって血管造影図で検出される。次に、機械学習アプローチが、以下の入力／出力ペアで適合される。入力：ロードマッピングによって蛍光透視画像から取得された血管造影図とデバイス位置ＧＷ。出力：解剖学的位置。

さらなる実施形態では、以前に説明した実施形態よりも明確に、第１のステップで、ロードマッピングを使用して、血管造影図上のデバイスＧＷ位置を取得する。第２のステップでは、検出、例えばセグメンテーションが実行される。血管造影図の血管樹でそのように発見された支流は、機械学習によってラベル付けされる。最後に、ラベル付けされた血管樹における支流をスキャンして、デバイスフットプリントＧＷが配置されている位置を見つける。

さらなる実施形態では、所与のデバイスＧＷフットプリントは、冠状動脈樹の３Ｄモデルに投影される。モデルは、ＣＴボリュームなどの３Ｄ画像から取得された、一般的なパーソナライズされたモデルである。モデルは、事前にラベル付けされるか、又は機械学習によってラベル付けされる。投影は、例えば、以下のシーケンス、蛍光透視画像－＞血管造影図－＞モデルのように、直接的又は血管造影図を介して行われる。

ＰＣＩ又は同様の心臓関連の介入では、解剖学的位置は、ガイドワイヤの先端が存在するそれぞれの小血管（例えば、ＲＣＡ中央又はＬＤＡ遠位）によって画定される。確かに、特定の画像化ジオミトリが仮定された場合、例えば角度のように、投影された冠状動脈がどのように見えるかが大まかに知られている。次に、ガイドワイヤが次のフレームのためにどの血管支流にナビゲートしているのか、そしておおよそどの遠位位置にガイドワイヤが配置されているのかを認識する。次に、例えば、現在のシーケンスの現在のフレームにしたがって近位サーカムフレックスに存在するガイドワイヤフットプリントを、次のシーケンスのフレームにしたがって近位サーカムフレックスに存在するガイドワイヤフットプリントと関連付ける。同じ血管サブセグメントにたまたま存在する可能性のあるデバイスは、どちらが他方よりも遠位であるかを評価することによって明確化される。ここで、「遠位」とは、血管の下流の方向を指し、これは、デバイスが進行する反対方向（「近位」）である。

形状、画像内場所、及び／又は解剖学的場所などの所与のフットプリントに関連して抽出された１つ又は複数の特徴は、所与のフレームの所与のフットプリントに関連付けられ、メモリに格納される。次に、クラスタリング動作は、クラスタリングを実行するために、１つのフレームに格納された透過フットプリントの特徴を、フォローアップフレームの特徴と比較することを含む。比較は、フォローアップフレームにおいて１つのフットプリントを別のフットプリントからピクセル単位で減算し、その差分にコストを適切に定量化又は付加することによって実行される。必要に応じて、画像内位置及び／又は解剖学的場所を使用して、減算による同様の比較を行うことができる。

画像領域における特徴を比較する代わりに、フットプリントの形状の記述子を比較することが望ましい場合がある。１つの実施形態では、これは、登録することによって比較される２つのフットプリントを重ね合わせることである。その場合、比較は、それらの中心線間の偏差の尺度に基づく。適切な尺度は、最大／平均／中央値の距離のいずれかを含む。

或いは、フットプリントの形状、例えばそれらの境界は、スプラインなどの一連の基底関数のそれぞれの座標（係数）として表される。次に、前記座標に基づいて比較が行われる。絶対値の減算、又はユークリッド距離、又は他の適切な距離尺度が使用される。

解剖学的場所に関する比較は、バイナリである。両フットプリントのいずれかは、同じ解剖学的セグメント（例えば、血管支流）にあるか、又はない。デバイスがフレーム間で、一方のセグメントの遠位端から、他方の隣接するセグメントの近位端まで通過したと仮定すると、隣接するセグメントも考慮される。例えば、左冠状動脈から右冠状動脈に「ジャンプ」することは不可能であるように、解剖学的に不可能な動きを除外するために、解剖学的制約が適用される。

１つ又は複数の特徴の特徴比較は、正規化され、単一のコスト値に統合されて、コスト関数を形成する。例えば、異なる特徴比較で発生した部分コストが合計される。

各クラスタリングは、全体的なコストを引き付ける。異なるクラスタリングの全体的なコストが計算され、最も低いコスト、又はしきい値よりも低いコストを引き付けるクラスタリングが、正しいクラスタリングとして選択される。クラスタリングは、フレームのペアからクラスタにすべてのフットプリントを割り当てることによって定義される。クラスタの数は、適切に定量化され、コスト関数に含まれる、さらなる特徴として使用される。

一般に、クラスタリングは、連続するフレームＦ_ｊ、Ｆ_ｊ＋ｋ、ｋ＝１の任意の２ペアについて、検出されたすべての透過フットプリントに対して実行されるが、画質の低下などの理由で、一部のフレームがスキップされる場合があり、考慮されるペアは、Ｆ_ｊ、Ｆ_ｊ＋ｋ、ｋ＞１である。次に、クラスタリングは、所与の各ペアＦ_ｊ、Ｆ_ｊ＋ｋ、ｋにおけるフットプリントの、抽出された特徴に基づいて実行される。特定のデバイスを表す各クラスタは、一般に、フレームペアＦ_ｊ及びＦ_ｊ＋ｋのおのおのから少なくとも１つの、少なくとも２つのフットプリントを含む。しかしながら、ペアのフレームの１つが、新しく導入又は再導入されたデバイスのフットプリントを含む場合、又はデバイスが現在のＦｏＶの外側にある場合は、単一のフレームのみを含むシングルトンクラスタも出現する。

大まかに言えば、クラスタリングコスト関数f（^＊）は、次のように定義される。
ｆ（φ→Ｃ）＝ｗ^ｐ×Δ（ｐ（φ），ｐ（ｘ^Ｃ）＋ｗ^ｓ×Δ（ｓ（φ），ｓ（ｘ^Ｃ）＋ｗ^ａ×Δ（ａ（φ），ａ（ｘ^Ｃ）＋ｗ^ｇ×Ｇ（＃Ｃ） （１）

ここで、φは、フレームＦ_ｉにおいて検出されたフットプリントであり、ｘは、所与のクラスタＣにおける別のフレームＦ_ｉ＋ｋのフットプリントである。所与のクラスタは、以前のフレームに関して以前のクラスタリングから生じる。

Ｃは、所与のフレームペアＦ_ｉ、Ｆ_ｉ＋ｋからのフットプリントの所与のクラスタであり、「φ→Ｃ」は、φと所与のクラスタＣとの関連付けである。追記として、ａは、それぞれ、画像内位置特徴、形状特徴、及び解剖学的特徴であり、Δは、部分コストを定義するためのコンパレータである。Δは、ピクセル単位の減算、絶対値の減算、二乗の減算、ユークリッド距離、又はＬ^ｐ、ｐ＞２のような他の適切なノルムによって実施され、ｗ’ｓは、それぞれの特徴の重みであり、Ｇ（’）は、おそらく適切に標準化された、使用されるクラスタ数のための部分コストである。

解剖学的に不可能な移動がアルゴリズムによって提案された場合、解剖学項Δ（ａ（φ），ａ（ｘ^Ｃ）の部分コストは大きな値に設定されるか、無限に設定される。このようにして、解剖学的制約が強制される。

最適化では、クラスタリング、つまりフットプリントのクラスタへの割り当てが適応され、コスト関数が改善される。好ましくは、クラスタリングは、コスト関数ｆが、グローバル又はローカルの最小値をとるように見出される。改善は、局所的又は大域的な最小値に向けて１つ又は複数の反復を通じて収束するように最適化が構成される反復方式で達成される。停止条件が満たされたら、反復を中止するだけで十分である。停止条件は、しきい値として実施される。コスト関数が、しきい値を超えて変化しない場合、反復は中止され、現在のクラスタリングが「最良の」クラスタリングとして出力され、最適化が完了する。（１）を解くために本明細書で想定される最適化スキームは、共役勾配、ネルダーミード、又は他のものなどの勾配ベースのスキームを含む。コスト関数は、必ずしも明示的であるとは限らない。ｋ－ｍｅａｎｓクラスタリング又は他の機械学習スキームなど、反復的であるか否かに関係なく、暗黙的な最適化スキームが使用される。想定される他の機械学習スキームは、ニューラルネットワーク又はサポートベクターマシンなどを含む。使用されるデバイスの数が、２～３のように比較的少ない場合は、各クラスタリングのコストを比較し、（１）を最小化するものを選択することによる、（１）の純粋な離散評価で十分であり、場合によっては十分に迅速となる。クラスタの数は、１から、ユーザが設定できる妥当な上限まで増やされる。この方式で考慮されるクラスタの数を制限することは、検索スペース、したがって計算時間を削減するために、上記の連続最適化スキームのいずれかでも行われる。（１）、（２）は、コスト関数ｆの最小化として定式化されているが、効用関数の最大化に関する「デュアル」定式化もここで想定されているため、これは限定的ではない。

上記のイベントのいずれかが発生した場合、コスト関数が調整される。具体的には、重みｗ関数の個々の項のいくつかの影響又は寄与は、イベントが発生したときに調整される。

より具体的には、画像化ジオミトリの変化が、１つのシーケンスから次のシーケンスに発生する場合、変化を考慮するためにコスト関数を修正する必要がある。しかしながら、コスト関数の構造は、所与のシーケンスのフレームに対して維持できる。

形状及び／又は画像内場所の間の対応がもはや期待されないため、画像化ジオミトリが変化した場合、コスト関数ｆを修正する必要がある。これは、異なる空間的観点から、まったく同じ画像化デバイスのフットプリントが完全に異なって見える可能性があり、完全に異なる画像内場所に配置される可能性があるからである。これを考慮するために、画像内及び／又は形状の特徴を無効化又は割引きし、代わりに解剖学的場所の寄与を強調するために、重みが使用される。他の特徴と比較した解剖学的場所は、言い換えれば、画像化ジオミトリの変化が生じた場合でも永続的なままである不変量である。必ずしも解剖学的場所ではない他のそのような不変量を、コントラスト仕様又はデバイスの先端の長さなどの異なる画像化ジオミトリでシーケンスを検出及び処理するために有益に使用できることが理解されよう。画像内位置及び形状は、これらの特徴が、異なる画像化ジオミトリの下で変化するため、不変ではない特徴である。例えば、あるフレームにおける「右上」は、画像化ジオミトリの変化後、次のフレームにおける「左下」に対応する場合がある。また、例えば回転時に完全に対称ではないデバイスの場合、形状の特徴が完全に変化する可能性がある。

特徴を組み合わせて考慮することにより、前述したイベントに対するロバスト性を実現でき、これにより、永続的で一貫性のあるタグ付けを実現する。

ここで、特に識別ステップＳ４２０をより詳細に説明する図５のフローチャートが参照される。特に、提案された方法のプロセスフローは、任意の所与のフレームの獲得タイミングに基づいて適応される。

具体的には、ステップＳ４２０１０において、ステップＳ４１０において受け取られた所与のフレームが、図５においてクエリ「ｉ＝１？」によって示されるシーケンス内の最初のそのようなフレームＦ_１であるか否か、又はこのフレームが、図５においてクエリ「ｉ＞１？」として示されている所与のシーケンスの最初のフレームでないか否かが判定される。

次に、所与のフレームが、所与の画像化ジオミトリにおける所与のシーケンスの最初のフレームである図５のプロセスフローにおける最初の分岐「Ａ」に移って示すように、その後、画像化ジオミトリが、前のシーケンスにおけるものと同じであるか否かが判定される。同じであると判定された場合、クラスタリングのために、同じコスト関数に基づく同じ識別動作が使用され、識別は、前のシーケンスと同様に、図４の一般的なフローチャートにおけるステップＳ４２０に関連して上記で説明したように、ステップＳ４２０２０Ａで続行できる。実施形態では、画像内距離に対するコスト制約は、例えば、Ｘ線がオフである間など、デバイスのおそらくより大きな動きを考慮するために、シーケンス間で緩和される。

前のシーケンスにおける最後のフレームに対して抽出された事前に格納された特徴は、インスタントシーケンスにおける前のフレームからの特徴を使用して、インスタントの最初のフレームＦ_１のための、そして、シーケンスにおける他のすべてのフレームについて類似したクラスタリングを実行するために検索される。特に、解剖学的特徴は、ステップＳ４０２０Ａにおける処理のために、分岐「Ａ」において無視され、クラスタリングは、形状の類似性及び／又は画像内位置のみに基づいて行われる。特に、コスト関数（１）を最適化するときのクラスタリングへの影響を無効化するように、解剖学的場所特徴の重みｗが「ゼロ」に設定される。

しかしながら、画像化ジオミトリの変化が生じたと判定された場合、クラスタリングアルゴリズムが修正され、分岐「Ｂ」にしたがってプロセスフローが進行する。

特に、コスト関数ｆは、所与のフレーム内のフットプリントの解剖学的位置を考慮し、これを識別動作Ｓ４２０に用いて、フットプリントを、それぞれのデバイスに関連付けるように修正される。言い換えれば、ステップＳ４２０２０Ｂにおいて、所与のフットプリントのための解剖学的位置が決定され、次に、ステップＳ４２０３０Ｂにおいて、所与の現在のフレーム及び次のフレームＦ２におけるフットプリントの解剖学的位置を考慮することによって識別が実行される。分岐「Ｂ」において処理する場合、形状及び画像内場所は関連性がなくなると予想されるため、形状及び／又は画像内場所は、一方又は両方の重みをゼロに設定することで無効化される。フレームＦ_１、Ｆ_２に関連する最初のクラスタリングが決定されると、分岐「Ｂ」におけるフォローアップフレームを処理するときに、「再無効化」できるのは今回も解剖学的特徴であり、残りのクラスタリングは、フローがステップＳ４２０１０に戻る次のジオミトリ変化が発生するまで、形状類似性及び／又は画像内位置のみに基づいて、分岐「Ａ」におけるように再び進行することができる。

分岐「Ｂ」において、解剖学的位置の変化の決定は、画像化ジオミトリの変化を示す、画像化装置から受け取られたインジケータ信号を受信することに基づく。代替例として、インジケータ信号は、発生した画像化ジオミトリの変化を示すだけでなく、画像化ジオミトリの変化がどのように変化したのかを指定する豊富な情報を含む。例えば、インジケータ信号は、角度、回転角、平行移動、台の高さのうちのうちのいずれか１つ又は複数又はすべてを指定する。或いは、このイベントは、以下の入力と出力とのペアに基づいてトレーニングされた機械学習モデルを使用して、例えば機械学習によって画像から直接検出することもできる。入力：２つの画像。出力：２つの画像が同じ画像化ジオミトリにあるか否を示すブールインジケーション。

一部又は各デバイスの形状ジオミトリが３Ｄにおいて知られている場合、例えば、事前に格納されたモデルとして利用できる場合、新しい画像化ジオミトリによる新しい形状は、インジケータ信号によって指定される方向に沿った前方投影によって、古い形状から事前に計算される。次に、形状情報を更新することにより、コスト関数自体が変化される。同様の方式で、画像内位置が更新される。好ましくは、心拍又は誘発された呼吸などの患者の動きは、動き補償技法によって考慮される。

現在のフレームが、ステップＳ４２０２０Ｃにおける所与のシーケンスの最初のフレームではない分岐「Ｃ」に移って示すように、それぞれのデバイスでのフットプリントの識別、つまりクラスタリングは、解剖学的位置ｐ（ＴＦ）そして、メモリＭＥＭから検索された特徴形状の類似性及び／又は画像内場所ｆ（ＴＦ）に純粋に基づいて進行する。

ステップＳ４２０３０Ｃにおいて、現在のフレームが所与のシーケンスにおける最後のフレームであると判定された場合、解剖学的位置が、依然として決定され、それぞれのフットプリントに関連付けられ、メモリＭＥＭにコミットされる。最後のフレームにおけるフットプリントの解剖学的位置は、画像化ジオミトリが発生した場合に、フォローアップシーケンスでクラスタリングのために使用される。次に、クラスタリングは、上記で説明したように分岐Ａ又はＢにしたがって新しいシーケンスに対して続行する。

その中で識別されたそれぞれのデバイスでそのように処理された各フレームについて、タグ付けは、上記で説明したようにステップＳ４３０で一貫して永続的な方式で適用され、タグ付けされたシーケンスＦ’_ｉを形成することができる。

所与のシーケンス内で、又は２つのシーケンス間で画像化ジオミトリが発生しなかった場合、解剖学的場所特徴は不要であり、クラスタリングに使用されるのは「内部」特徴、つまり形状、及び／又は画像内位置のみであることが好ましい。解剖学的特徴は、画像化ジオミトリ変化に対して不変である。このように、必要に応じて画像化ジオミトリ変化不変情報を使用することにより、提案された動的クラスタリングスキームを、ロバストに適応させて、獲得された複数のおそらく異なるシーケンスにわたって、一貫した永続的なタグ付けを保証することができる。クラスタリングの特徴は動的に使用され、解剖学的場所特徴は、必要な場合にのみ含まれ、特に、画像化ジオミトリ変化後の新しいシーケンスにおける最初のフレームでは、最適化を簡素化するために解剖学的場所特徴は無視されることが好ましい。

クラスタの数にコストＧ（）を付加することにより、追加される新しいデバイスや、取り除かれたデバイスに対する上記のさらなるロバスト性が実現される。これは、考慮されるクラスタの数に暗黙的又は明示的なコスト項を追加することにより、上記で説明したように実現できる。クラスタリングアルゴリズムは、新しいクラスタを開くか、クラスタの数を減らすことに関して保守的に機能する。さらに、取り除かれ、後にＦｏＶに再導入された、以前に識別されたデバイスは、クラスタリングの問題（１）、（２）の画像内場所特徴と連携して形状特徴を使用することにより、確実に再識別できる。本明細書の実施形態では、所与のデバイスの除去又は再導入は、画像化ジオミトリ変化によるものであり、その結果、デバイスは、画像化ジオミトリ変化のために新しいＦｏＶにもはや存在しないか、又は以前のデバイスが、画像化ジオミトリ変化のために新しいＦｏＶに再び入る。本明細書では、提案された方法及びシステムの最良のパフォーマンスのために、画像化ジオミトリ変化後にＦｏＶに再び入る、影響を受けたデバイスは、動かされていないと仮定される。この仮定により、デバイスのよりロバストな再識別、つまり、正しいクラスタへの再割当と、一貫した再タグ付けとが可能になる。この仮定は、ＦｏＶを挿入したときにカテーテル、ガイドワイヤ、又は他のツールが動かされないという臨床診療とも一致する。

医療デバイスの（再）出現／消失に関連するこの曖昧さを解決するために、処理は、例えば、クラスタの数を変化させるように識別ステップを指示するために、ユーザによって提供されるインジケータ信号に基づく。しかしながら、完全に自動化された実施形態も想定され、ここでは、上記のように、コスト関数の進化が観察される。コストの上昇は、新しいデバイスが出現した、既知のデバイスが再出現した、又はデバイスが取り除かれたことを示すものとして使用される。上記で説明したように、デバイスの「取り除き」は、実施形態では、ＦｏＶの結果としての変化を伴う画像化ジオミトリの変化のために起こったと想定される。所与のフットプリントを、妥当なコストで一致させることができない場合、そのフットプリントは、考慮されるフレームのペアの以前のフレームになかったデバイスに属している必要がある。クラスタの数を変化させるか否かを判定するために、セット又はユーザ定義可能なコスト関数のしきい値が使用される。逆に、既存のクラスタが、類似性の観点から妥当なコストでどのセグメンテーションとも一致しない場合、対応するデバイスは、画像を出ている筈である。

別の複雑さは、いくつかの画像化ジオミトリ、特にいくつかの投影方向に沿って、フットプリントが完全に、又は少なくとも部分的にオーバラップする可能性があるという点で発生する。フットプリントがオーバラップするフレームは、完全に明確化されていない可能性がある。

しかしながら、これらデバイスのうちの１つのデバイスが進められ、２つがオーバラップしないようになったら、長さ、曲率などのさらなる幾何学的特徴を考慮して、オーバラップ後の形状とオーバラップ前の形状とを比較することで、デバイスを再識別すると期待できる。この方式で状況を明確化できない場合、考えられる１つの戦略は、オーバラップ期間中に両方のガイドワイヤのうちの一方のみが移動したと想定することであり、これにより、静止デバイスと移動デバイスにそれぞれ関連付けられたそれぞれのタグを、オーバラップが発生する前に割り当てられたように維持する必要がある。

オーバラップに関連する状況を完全に明確化できない場合、提案されたシステムは、タグ付けに関連する不確実性を示すことによってアラート警告を発行する。関連するオーバラップ部分は、カラーコーディング又は線種コーディングによって強調表示される。それに加えて、疑問符又は他のしるしが、関連するタグに追加される。オプションで、システムＩＰＳは、適切なインターフェースを介して、信頼性の高いタグ付けを再確立するようにユーザを招待する。例えば、「ラベル修正／ラベル１と３の切替」などのコマンドを受け取り、再タグ付けを要求するために、音声コマンドハンドラが使用される。

図６は、１つの実施形態による、本明細書で想定されるグラフィックスディスプレイＧＤの概略図である。グラフィックスディスプレイＧＤは、デバイスＤＤに表示される。ＧＤは、３つの透過フットプリントＴＦ（ＧＷ１）～ＴＦ（ＧＷ３）を含み、おのおのは、それぞれ独自のタグＴＧ１～ＴＧ３を有する。図６は、明示的なタグ付けを例示する。さらなる情報を提供するために、一部又はすべてのタグに、例えばテキストのような英数字の文字列が含まれる。情報は、序数によって、それぞれのデバイスＧＷ１～ＧＷ３がＦｏＶに導入された順序をエンコードする。つまり、タグ付けは時系列で行われ、様々なデバイスが表れる順序にしたがい、識別装置ＩＤによって識別される。時系列は、増分番号を含むタグによって、及び／又は色又は他の方式によってコード化される。

提案されたシステム及び方法の動作は、以下の使用事例によってさらに例示され、現在のフレームに２つ（又はそれ以上）のデバイスが記録され、おのおのが、例えばフットプリントのカラーコーディングによって、１つは赤、もう１つは青でタグ付けされているとする。青いフットプリントのデバイスが取り除かれ、赤いフットプリントのデバイスがフォローアップフレーム用に残っていると仮定する。次に、画像化中のある時点で、これまで見られなかった新しいデバイスが導入される。この新しいデバイスは、青と赤以外の色でタグ付けされる場合がある。なぜなら、これらのタグは、前述した２つのデバイスによってすでに使用されているからである。新しいデバイスのフットプリントは、例えば緑色でタグ付けされる。赤と青のタグ付けは、２つの初期デバイスのいずれか又は両方が存在する場合にのみ表れる。この実施形態において想定されるように、タグ付けされると、デバイスは、好ましくは画像化を通して持続するその固有のタグを保持する。そのタグ付けスキームは、他のデバイスによって使用できない。

本明細書に開示される１つ又は複数の特徴は、コンピュータ可読媒体内にエンコードされた回路構成、及び／又はそれらの組合せとして／ともに、構成され、又は実施される。回路構成は、ディスクリート及び／又は集積回路構成、特定用途向け集積回路（ＡＳＩＣ）、システムオンチップ（ＳＯＣ）、及びそれらの組合せ、マシン、コンピュータシステム、プロセッサ及びメモリ、コンピュータプログラムを含む。

本発明の別の例示的な実施形態では、適切なシステム上で、先行する実施形態のうちの１つによる方法の方法ステップを実行するように適応されることを特徴とするコンピュータプログラム又はコンピュータプログラム要素が提供される。

したがって、コンピュータプログラム要素は、本発明の実施形態の一部でもあるコンピュータユニットに格納される。このコンピューティングユニットは、上記で説明した方法のステップの実行を実行又は誘導するように適応される。さらに、上記で説明した装置の構成要素を動作させるように適応される。コンピューティングユニットは、自動的に動作するように、及び／又はユーザの命令を実行するように適応される。コンピュータプログラムは、データプロセッサの作業メモリにロードされる。したがって、データプロセッサは、本発明の方法を実行するために装備される。

本発明のこの例示的な実施形態は、最初から本発明を使用するコンピュータプログラムと、最新のものによって既存のプログラムを、本発明を使用するプログラムに変えるコンピュータプログラムの両方をカバーする。

さらに、コンピュータプログラム要素は、上記で説明したような方法の例示的な実施形態の手順を実行するために必要なすべてのステップを提供することができる。

本発明のさらなる例示的な実施形態によれば、ＣＤ－ＲＯＭなどのコンピュータ可読媒体が提示され、コンピュータ可読媒体は、その上に格納されたコンピュータプログラム要素を有し、そのコンピュータプログラム要素は、前のセクションによって説明されている。

コンピュータプログラムは、他のハードウェアとともに、又はその一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体（特に、必ずしもそうである必要はないが、非一時的媒体）上に格納及び／又は頒布されるが、インターネットや他のワイヤ又はワイヤレス通信システムなど、他の形態でも頒布される。

しかしながら、コンピュータプログラムはまた、ワールドワイドウェブのようなネットワークを介して提示され、そのようなネットワークからデータプロセッサの作業メモリにダウンロードされる。本発明のさらなる例示的な実施形態によれば、コンピュータプログラム要素をダウンロード可能にするための媒体が提供され、そのコンピュータプログラム要素は、本発明の以前に説明した実施形態の１つによる方法を実行するように構成される。

本発明の実施形態は、異なる主題を参照して説明されることに留意されたい。特に、いくつかの実施形態は、方法タイプの請求項を参照して説明されているが、他の実施形態は、デバイスタイプの請求項を参照して説明されている。しかしながら、当業者は、上記及び下記の説明から、別段の通知がない限り、あるタイプの主題に属する特徴の任意の組合せに加えて、異なる主題に関連する特徴間の任意の組合せも本願で開示されると考慮されると推測する。しかしながら、すべての特徴を組み合わせて、これら特徴の単純な合計以上の相乗効果を提供することができる。

本発明は、図面及び前述の説明において詳細に例示及び説明されたが、そのような例示及び説明は、例証的又は例示的であり、限定的ではないと見なされるべきである。本発明は、開示された実施形態に限定されない。開示された実施形態に対する他の変形は、図面、開示、及び従属請求項の調査から、特許請求された発明を実施する当業者によって理解され、実施される。

特許請求の範囲において、「備える」、「有する」という単語は、他の要素又はステップを除外せず、単数形は、複数を除外しない。単一のプロセッサ又は他のユニットは、特許請求の範囲に記載されているいくつかの項目の機能を果たす。特定の尺度が相互に異なる従属請求項で引用されているという単なる事実は、これらの尺度の組合せを有利に使用できないことを示すものではない。特許請求の範囲内の参照記号は、範囲を限定するものとして解釈されるべきではない。

Claims (13)

1. 画像ベースのナビゲーションをサポートするためのシステムであって、
   Ｘ線画像化装置の視野内に、２つ以上の医療デバイスが同時に、又は異なる１回又は複数回存在している間に、Ｘ線イメージャによって獲得された１つ又は複数の入力画像を復活させるための入力インターフェースと、
   前記１つ又は複数の入力画像内の画像情報に基づいて、前記２つ以上の医療デバイスを識別して、前記２つ以上の医療デバイスを区別することができる画像識別装置と、
   そのように識別された前記２つ以上の医療デバイスのうちの少なくとも２つの各医療デバイスに、それぞれのタグを関連付けるタガーと、
   ビデオフィード内の前記１つ又は複数の入力画像を、前記タグが含まれて、表示デバイス上に表示させるグラフィックスディスプレイジェネレータとを備え、
   少なくとも１つのさらなる入力画像が、前記入力インターフェースで受け取られ、前記グラフィックスディスプレイジェネレータは、前記画像識別装置が、少なくとも１つ又は複数のさらなる入力画像において、前記医療デバイスのうちの少なくとも１つを再識別し、それにより、前記タガーによって少なくとも１つの前記医療デバイスに以前に関連付けられたものと同じタグを含む場合にのみ、前記１つ又は複数のさらなる入力画像を、前記ビデオフィードの一部として、前記表示デバイス上に表示させる、システム。
2. 前記識別装置は、視野内の前記２つ以上のデバイスの存在によって引き起こされる前記入力画像内の透過フットプリントを検出する検出器モジュールを含む、請求項１に記載のシステム。
3. 前記タガーは、検出された透過フットプリントを、クラスタへと処理するためのクラスタリングアルゴリズムを実施し、各クラスタは、前記２つ以上の医療デバイスのうちの１つに対応する、請求項１又は２に記載のシステム。
4. 前記タガーは、新しい医療デバイスが存在するか、又は前記２つ以上の医療デバイスのうちの少なくとも１つが取り除かれたかに応じて、クラスタの数を変化させることができる、請求項２又は３に記載のシステム。
5. 前記タガーによる関連付け動作は１つ又は複数の特徴に基づいていて、前記１つ又は複数の特徴は、検出された前記フットプリントのそれぞれの形状、検出された前記フットプリントの現在のそれぞれの画像位置、それぞれの前記医療デバイスの現在の解剖学的場所の組合せのうちのうちのいずれか１つ又は複数を含む、請求項２から４のいずれか一項に記載のシステム。
6. ２つ以上の前記入力画像、又は少なくとも１つのさらなる前記入力画像、のうちの少なくとも２つは、異なる画像化ジオミトリにおいて獲得される、請求項１から５のいずれか一項に記載のシステム。
7. 前記タガーは、前記Ｘ線イメージャの画像化ジオミトリの変化に応じて、前記関連付け動作に対する前記１つ又は複数の特徴のうちの１つ又は複数の特徴の影響を選択的に調整する、請求項２から６のいずれか一項に記載のシステム。
8. 前記入力画像が投影画像である、請求項１から７のいずれか一項に記載のシステム。
9. 前記２つの医療デバイスのうちの少なくとも１つはガイドワイヤである、請求項１から８のいずれか一項に記載のシステム。
10. 請求項１から９のいずれか一項に記載のシステムと、前記画像化装置及び／又は前記表示デバイスとを備える、構成システム。
11. 画像ベースのナビゲーションをサポートするための方法であって、
    Ｘ線画像化装置の視野内に２つ以上の医療デバイスが同時に又は異なる１回又は複数回存在している間に、Ｘ線イメージャによって獲得された１つ又は複数の入力画像を受け取るステップと、
    前記１つ又は複数の画像内の画像情報に基づいて前記２つ以上の医療デバイスを識別するステップであって、それにより、画像識別装置は、前記２つ以上のデバイスを区別できる、識別するステップと、
    そのように識別された前記２つ以上の医療デバイスのうちの少なくとも２つの各医療デバイスに、それぞれの固有のタグを関連付けるステップと、
    ビデオフィード内の前記１つ又は複数の入力画像を、前記タグが含まれて、表示デバイスに表示するステップとを有し、さらに
    少なくとも１つのさらなる入力画像を受け取るステップと、
    前記少なくとも１つのさらなる入力画像において、少なくとも１つの前記医療デバイスが再識別され、それにより、前記少なくとも１つの医療デバイスに以前に関連付けられたものと同じタグを含む場合にのみ、前記ビデオフィードの一部として、前記１つ又は複数のさらなる入力画像を前記表示デバイスに表示するステップと有する、方法。
12. 少なくとも１つの処理ユニットによって実行されると、前記少なくとも１つの処理ユニットに、請求項１１に記載の方法を実行させる、コンピュータプログラム。
13. 請求項１２に記載のコンピュータプログラムを格納した、コンピュータ可読媒体。

Images