JP4950071B2 - 3次元医療画像からの肺動脈樹の自動抽出の方法 - Google Patents

3次元医療画像からの肺動脈樹の自動抽出の方法 Download PDF

Info

Publication number
JP4950071B2
JP4950071B2 JP2007554701A JP2007554701A JP4950071B2 JP 4950071 B2 JP4950071 B2 JP 4950071B2 JP 2007554701 A JP2007554701 A JP 2007554701A JP 2007554701 A JP2007554701 A JP 2007554701A JP 4950071 B2 JP4950071 B2 JP 4950071B2
Authority
JP
Japan
Prior art keywords
local
pulmonary
segmented
bronchus
blood vessel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2007554701A
Other languages
English (en)
Other versions
JP2008529641A (ja
Inventor
ヴィームカー,ラファエル
ビューロー,トーマス
ブラフェルト,トーマス
レニッシュ,シュテフェン
ローレンツ,クリスティアン
Original Assignee
コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to EP05101034.6 priority Critical
Priority to EP05101034 priority
Application filed by コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ filed Critical コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ
Priority to PCT/IB2006/050375 priority patent/WO2006085254A1/en
Publication of JP2008529641A publication Critical patent/JP2008529641A/ja
Application granted granted Critical
Publication of JP4950071B2 publication Critical patent/JP4950071B2/ja
Application status is Active legal-status Critical
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/149Segmentation; Edge detection involving deformable models, e.g. active contour models
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/04Indexing scheme for image data processing or generation, in general involving 3D image data
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20036Morphological image processing
    • G06T2207/20044Skeletonization; Medial axis transform
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20156Automatic seed setting
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30061Lung
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Description

本発明は、概して、医療画像の分野に関する。更に具体的には、本発明は、例えば肺塞栓検出のための、3次元医療画像からの肺動脈樹の自動検出方法に関する。

多列検出器型コンピュータ断層撮影(MDCT)は、胸部全体の高解像データの取得を可能にする。このデータの品質は、肺動脈樹とともに、気管支の評価を可能にする。肺動脈樹の抽出は、例えば塞栓検出のための、重要な前処理ステップである。また、気管支樹の定量的評価は、MDCTデータから抽出され得る重要な付加情報を含む。従って、喘息患者及び肺気腫患者の診察及び治療にとって、気管気管支樹及び付随する肺動脈樹の同時評価は不可欠である。例えば、付随する動脈の直径に対する気管支の内径の比は、気道狭窄及び気管支拡張を検出して定量化するために、臨床診療において重要なパラメータである。

マルチスライスCTデータから肺血管樹を抽出する場合には、肺動脈を静脈と区別する際に問題が生ずる。例えば、肺動脈の抽出のための、シードポイントに基づく領域抽出法には、肺静脈中への漏れ(leakage)の問題がある。これまで知られる方法は、如何なる区別もせずに、全ての血管、即ち、肺動脈及び静脈を抽出する。更に、気管気管支樹及び肺血管樹の分割は別々に行われ、従って、気管気管支樹と肺血管樹との間の関係は、分割結果には内在しない。従って、これらの方法は臨床診療にとって適切ではない。

De Jong PA等(嚢胞性線維症における肺疾患評価:気管支及び動脈の寸法測定の値及びCT評価システムの比較(comparison of CT scoring systems and value of bronchial and arterial dimension measurements)、放射線医学、Vol.231、no.2、pp.434〜439、2004年5月)は、気管支及び付随する動脈の半径の測定並びに気管支/動脈対の識別の方法を開示する。しかし、開示される方法は、ヒューマンオブザーバによって手動で行われる。従って、この方法は個々のオブザーバの精神活動に基づくので、結果として、誤差を生じやすい。例えば、識別の品質は、抽出を実行する個人の経験や、評価時点での個人の集中力などに依存する。
嚢胞性線維症における肺疾患評価:気管支及び動脈の寸法測定の値及びCT評価システムの比較(comparison of CT scoring systems and value of bronchial and arterial dimension measurements)、放射線医学、Vol.231、no.2、pp.434〜439、2004年5月、De Jong PA等

従って、本発明は、医療3次元画像における有利な自動実行の動脈/静脈分離を提供することを目的とする。

然るべく、本発明は、望ましくは、当該技術における上記識別欠陥及び欠点の1又はそれ以上を一つずつ又は幾つか組み合わせて軽減、緩和又は解消しようと努め、添付の特許請求の範囲に従う方法、コンピュータ読取可能な媒体及び医療検査装置を提供することによって少なくとも上記問題を解決する。

本発明に従う方法に従う全般的な解決法は、付随する気管支に基づいて動脈を自動的に識別するステップを有する。

動脈/静脈分離のための方法は、肺動脈が気管支に平行して通り、一方、肺静脈は、それらが前記気管支に近づく場合に、近接する気道と直角に交差する傾向を有するという見識に基づく。肺動脈が気管支に平行して通るという事実は、動脈を分割して、静脈を取り除くために用いられる。

利用可能な気管支樹及び付随する動脈樹を有する場合に、これらの気管支樹及び動脈樹は、例えば、仮想気管支鏡検査用途で、接合視覚化のために使用されても良い。気管支及び動脈の直径は、分割ステップの間に、気管支樹及び動脈樹の両方に沿って完全に自動で測定され得る。これらの半径の比が異常値を示すところの位置は、表示に際して印を付され、放射線科医による更なる評価のために提示される。

本発明の一態様に従って、3次元医療画像からの肺動脈樹の自動抽出方法が提供される。当該方法は、局部気管支の位置付けを決定するステップと、前記局部気管支の局部肺血管を前記局部気管支のセグメント化された局部肺血管に分割するステップと、前記局部気管支の前記セグメント化された局部肺血管の位置付けを決定するステップと、夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分けるステップとを有する。

本発明の更なる態様に従って、コンピュータによる処理のために、3次元医療画像からの肺動脈樹の自動抽出のためのコンピュータプログラムを具現されたコンピュータ読取可能な媒体が提供される。前記コンピュータプログラムは、局部気管支の位置付けを決定するコードセグメントと、前記局部気管支の局部肺血管を前記局部気管支のセグメント化された局部肺血管に分割するコードセグメントと、前記局部気管支の前記セグメント化された局部肺血管の位置付けを決定するコードセグメントと、夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分けるコードセグメントとを有する。

本発明の他の態様に従って、3次元画像を受け取って処理するよう構成された、望ましくは医療画像ワークステーションである、本発明に従う前記方法を実施するよう配置された医療検査装置が提供される。当該医療検査装置は、3次元医療画像からの肺動脈樹の自動抽出のために構成され、且つ、局部気管支の位置付けを決定する手段と、前記局部気管支の局部肺血管を前記局部気管支のセグメント化された局部肺血管に分割する手段と、前記局部気管支の前記セグメント化された局部肺血管の位置付けを決定する手段と、夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分ける手段とを有する。

本発明は、単に肺動脈樹に関する用途及び視覚化モードにおいて、肺血管樹からの肺静脈の抑制を有利に提供する点で、従来技術と比して有用である。

本発明によって実現可能なこれら及び他の態様、特徴及び利点は、添付の図面を参照するとともに、本発明の実施形態の以下の詳細な記載から明らかであり、また説明される。

以下の記載は、コンピュータ断層撮影(CT)システム、特に、マルチスライスCTデータに適用可能な本発明の実施形態に焦点を当てる。しかし、当然のことながら、本発明はこのような用途に限定されず、例えば、磁気共鳴画像化(MRI)システムや、3次元超音波(3D−US)システムなどを含む他の多くの画像化システムに適用され得る。

以下、気管気管支樹を利用する、マルチスライスCTデータからの肺動脈樹の抽出のための自動化された方法について記載する。利用可能な気管支樹及び付随する動脈樹を有する場合に、これらの気管支樹及び動脈樹は、例えば、仮想気管支鏡検査用途で、接合視覚化のために使用されても良い。気管支及び動脈の直径は、気管支樹及び動脈樹の両方に沿って完全に自動で測定される。これらの半径の比が異常値を示すところの位置は、表示に際して印を付され、放射線科医による更なる評価のために提示される(例えば、図4の白点/印を参照。)。

本発明の方法の第1の実施例で、図1を参照して、以下の手順が実行される。

最初にステップ10で、気管支樹は、例えば、シュラテルター等(仮想気管支鏡検査のための気道の分割及び樹再構成、医療画像に関するSPIE会議、SPIE議事録Vol.4684、pp.103〜113(2002))に記載されたアルゴリズムに基づくような適切なアルゴリムを用いて抽出される。

その後、即ち、気管支樹分割がステップ10から適用可能である場合に、ステップ11で、局部気管支の位置付けが推定される。これは、例えば、気管支の中心線方位(centerline orientation)に基づいて、あるいは代替的に、例えば、局部濃淡値(gray−value)に基づく指標を用いることによって行われる。これについては以下で詳細に述べる。

次いでステップ12で、肺血管のシードポイントに基づく分割が実行される。この間、これらの肺血管の位置付けが局所的に推定される。これについては以下で更に詳細に記載する。

ステップ12で抽出される血管セグメントの夫々に関して、血管セグメント及び最も近い気管支の方位ベクトルの内積の絶対値に基づく大きさが推定される。この大きさは、気管支の近くを平行して通る血管に関して高い値を有する。この大きさは、目下考えられている血管が肺動脈又は肺静脈のいずれであるかを決定することを可能にする。即ち、それは、血管セグメントの「動脈らしさ(arterialness)」の程度と考えられる。その大きさの値は、血管セグメントが動脈樹に含まれるか否かを決定するために用いられる。これは、閾値との比較によって行われても良い。望ましくは、閾値は経験的に決定される。代替の方法は、所与のセグメントの親セグメント及び子セグメントを含むブランチ全体に亘って、動脈らしさを示す値を積分するステップを含む。

ステップ12で血管が動脈肺樹に属すると識別される場合に、ステップ13で、血管の半径が決定される。上述される局部の位置付け測定は以下のように作用する。即ち、血管の中心線点を考えると、画像データの平均半径偏差は、この中心線点に中心を有する球において計算される。大きな負の偏差は、球が血管境界に触れる場合に、急激な濃淡値の変化に起因して生ずる。球の半径は所定範囲に亘って変化し、この場合に、平均偏差が最小となるところの半径は、血管の半径に関する推定値と考えられる。

次いでステップ14で、血管の位置付けは、最適な半径の球における半径偏差値から推定される。球における所与の対蹠点(antipodal points)の対の夫々に関して、絶対半径偏差の和が計算される。この夫々の対に関する和は、濃淡値の変化が血管方向に沿って最小となると仮定して、血管の位置付けを表すと考えられる。この対蹠点の対を接続するベクトルは位置付け推定となる。

また、同じ手順は、濃淡値プロファイルがこの場合には反転され、且つ、半径推定において、平均半径偏差の最大値が最小値よりもむしろ探索されるならば、気管支に対して使用されても良い。

利用可能な気管支樹及び付随する動脈樹を有する場合に、これらの気管支樹及び動脈樹は、例えば、仮想気管支鏡検査用途で、接合視覚化のために使用されても良い。気管支及び動脈の直径は、当該方法に従って、上述される分割ステップの間に、気管支樹及び動脈樹の両方に沿って完全に自動で測定される。これらの半径の比が異常値を示すところの位置は、表示に際して印を付され、放射線科医による更なる評価のために提示されても良い。

本発明の方法の更なる実施例130は、図2〜10及び13で表される。前の実施例では、事前にセグメント化された気管支樹が考えられた。血管を動脈及び静脈に分類する場合に、既存の気管支樹の中心線点は候補点として用いられる。以下の実施例では代替のアプローチが用いられる。ここで、血管を詳細に調べる場合に、気管支の候補点は、近くでの濃淡値分布に基づいて探される。この方法は、特定の条件下でより良い結果をもたらしうる。これは、気管支樹抽出がブランチを見逃し、従って、気管支樹の全てのサブツリーが見つけられず、これによって、対応する動脈サブツリーが誤って「静脈」として間違ったラベルを付されることがあるためである。これは、よりロバスト性を有する方法で血管及び気管支の位置付けを測定することによって、以下で更に詳細に記載される実施例では回避される。

動脈/静脈分離のための前の方法と同様の本方法は、肺動脈樹が気管支樹に付随するという事実に基づく。夫々の抽出された血管セグメントに関して、「動脈らしさ」の程度が求められる。この目下の程度は2つの要素、即ち、所与の血管の近くを通る気管支に関して候補位置を識別する方法と、血管セグメント及び気管支候補に関する相互位置付け指標とを組み合わせる。後者の要素は、近くの気管支に平行して通っている血管を与える。血管セグメント及び気管支の空間的な位置付けは、局部濃淡値近傍へ構造テンソルを適用することによって推定される。

当該方法を実行するために行われた実験において、肺のマルチスライスCTデータセットが使用された。これらのデータセットは、フィリップスIDT16−スライス及びフィリップス・ブリリアンス40−スライススキャナによって取得された。実験の結果として、その測定が、誤って動脈樹に含まれる肺静脈の数を低減することが示された。

当該方法は、マルチスライス・コンピュータ断層撮影(MSCT)データセットから肺血管樹を抽出する自動化された方法を提供し、更に、肺動脈を静脈と区別する方法を提供する。

樹分割方法は、1又はそれ以上のシードポジションから始まる。このようなポジションから、フロントプロパゲーション(front propagation)が開始される。たとえシードポイントが肺動脈に置かれているとしても、様々なサブツリーがまた、分割に含まれうると考えられるということが分かる。これは、動脈及び静脈の多数の交差が同じハウンズフィールド値で現れて、データセットでは血管間の分離を示さないことに起因する。このような動脈/静脈交差は、動脈樹の分岐点と容易に間違えられ得る。

肺動脈を肺静脈と区別するための当該方法は、動脈樹が気道樹に付随しているという事実に基づく。血管樹の分割後、夫々の血管セグメント(我々の専門用語。即ち、1の分岐点で始まり、(遠くの)次なる分岐点で終わる血管樹の一部の意。)は、その近くにある気管支に関して調べられる。気管支が発見される場合に、血管及び気管支の位置付けが比較される。構造が平行に近くなればなるほど、この血管部に割り当てられる「動脈らしさ」を示す値はますます高くなる。

以下の項で、血管樹分割法について記載する。更に具体的には、肺の分割が図3A〜3F及び図4によって表される。なお、図3A〜3Fは、1つの軸方向のスライスの例における肺分割の異なるステップを示す。図3A及び3Bは、副標本をとられたデータセットへ適用される領域拡張のアップサンプル(upsampled)結果を示す。なお、図3Aは完全な3×3×3ブロックに対するアップサンプリングを示し、図3BはHU閾値に従うアップサンプリングを示す。図3Cは、太い気道の除去後の分割を表す。図3Dは、肺血管を含めるために間隙を閉じた(クロージング)後の分割を表し、クロージングは肺マスク全体へ適用される。留意すべきは、図3Dにおいて円で囲まれた領域のように、「ブリッジ(bridge)」が肺の動脈部で左右の肺をつなぐように現れることである。図3Eは、クロージング動作が別個に左右の肺へ適用され、不要なブリッジ効果が回避される場合の結果を表す。図3Fは最終的な分割結果を与え、図4はその最終結果の最大輝度投影である。

ここで、この分割について更に詳細に記載する。

実際の血管樹抽出が行われる前に、肺は前処理ステップでデータセットから分割される。これは、血管樹分割のための探索空間を減らす。最初に、気管が自動で検出される。この目的のために、MSCTデータセットにおける下行大動脈の検出のための技術が使用される。作業は、副標本をとられた形式のデータセットで実行される。x、y及びz方向における5のサブサンプリングレート(副標本化率)が使用される。−600HUの好ましい閾値が適用され、「ブラックエリア」(ハウンズフィールド値<−600HU)は、10から30mmの間にあるx方向の範囲と、10から50mmの間にあるy方向の範囲とを有することを検出される。このようにして得られる候補点はクラスタ化され、z方向で最も発現した位置付けを有する点クラスタの重心は、最も有望な気管シード候補として選択される。その結果として図2A〜2Cを参照せよ。この手順は、これまで試験されたデータセットの全てにおいて正確に、図2A〜2Cで断面によって示される気管を見つけた。

以下で記載されるべき肺分割手順の中間結果は、図3A〜3F及び図4に示される。気管シードポイントから始まる単純な領域拡張処理が、−600HUの所与のハウンズフィールド値を下回る全ての接続されたボクセルを含めて、始められる。領域拡張は、副標本をとられたデータセットにおいて実行され、この場合に、サブサンプリングレートは全ての方向で3である。領域拡張の結果は、対応する3×3×3ブロックへ夫々の含まれるボクセルをマッピングすることによって、全てのデータセットへ反映される。セグメント化されたボクセルに対応する3×3×3ブロック全体を含むことは、不要な明るいボクセルの包含をもたらしうるので(図3A参照。)、領域拡張のために使用された同じ閾値がアップサンプリングステップで適用される。従って、所与のブロック内では、−600HUを下回るボクセルのみが含まれる(図3B参照。)。血管がこれまでに達した肺分割に含まれる前に、気管及び主気管支は、肺と気管及び血管との間の空間で充填(filling)を回避するために、除去される必要がある。気管は、同じ領域拡張手順及び上述されたシードポイントを用いて分割される。今回は−900HUの好ましい閾値が使用される。気管マスクは、3mmだけ拡張され、次いで肺マスクから減じられる(図3C参照。)。その拡張は、初期フロントとして使用される気管マスクの外壁表面を拡張する高速マーチングアルゴリズムを介して行われる。ここで、2次元スライスに基づく手順が気管分割のために使用される。

次のステップで、これまでに抽出された肺マスクに含まれない血管が充填される。これは、ラインに基づく手順によって行われる。列は肺マスクから取り出され、間隙を探索される。所定の最大長さよりも短い長さを有する間隙は閉じられる。実施に従って、最初に、全てのy方向のラインは、dy=15mmである最大長さにより処理され、続いて、x方向のラインがdx=15mmである最大長さにより処理される。最後に、z方向のラインがdz=5mmにより処理される。肺マスク全体がこのようにして処理される場合、1つには左右の肺の間にブリッジを含む危険がある(図3D参照。)。これを回避するために、左右の肺は別々に処理される(図3E参照。)。図3F及び図4に示される最終結果は、血管充填ステップの間に含まれたマスクの表面での明るい領域の除去によって得られる。

局部血管/気管支位置付け測定のために使用される方法論は、次の項で説明される。

その手順は、3つのレベル、即ち、ボクセルレベル、セグメントレベル、及びツリーレベルから成る。

〔ボクセルレベル〕:初期シードポイントから始まる高速マーチング・フロントプロパゲーション処理が開始される。ボクセル受入基準は、ボクセルが触れられているか否かを決定する。これは、例えば、HU閾値基準であっても良い。プロパゲーション処理されたフロントは、一定間隔での連結性を確認される。フロントが2又はそれ以上の切断された要素に分かれている場合に、これはツリーにおける分岐と考えられる。この場合に、目下拡張されるセグメントは完成し、連結フロント要素ごとの1つの新しいセグメントが初期化される。ほとんど平らなフロント部を形良く保つために、フロントプロパゲーション速度は定数ν≡1に保たれる。

〔セグメントレベル〕:セグメント拡張の間に、現在のセグメントの拡張が続けられるべきか、あるいは終了されるべきかが、終了基準によって確認される。典型的な終了原因は、フロントの分裂又は最大許容セグメント長の到達である。セグメント評価基準は、定期的に評価され、セグメントを排斥する可能性を有する。受け入れられたセグメントに関して、新しいセグメントは、夫々の連結フロント要素に関して初期化される。一方で、排斥されたセグメントは、子(children)を初期化しない。セグメント評価基準は、例えば最大セグメント半径や伸長形状など、幾何学特性に関する基準又は、例えば管状性(vesselness)や指向性(orientedness)など、濃淡値に基づく基準を有する。結局受け入れられないセグメントは、様々な基準の自動適合されたパラメータの組を用いて再生され得る。これらのパラメータは、また、新しいセグメントが親セグメントから受け継がれるときは必ず適合され得る。

〔ツリーレベル〕:このレベルでは、単一セグメントでは見られ得ない決定がなされる。例えば、サブツリーは、分岐点の密度が漏れを示すように高くなりすぎる場合に、取り除かれる。

分割とともに、分岐点を含むツリー構造及び血管中心線が構成される。中心線点は、プロパゲーション処理されたフロント要素の重量の中心と推定される。記載される処理は、図5及び6で表される。

図5で、ツリー分割は:
シードポイント 50
中心線点 51
分岐点 52
連結フロント要素 53
セグメント 54
によって表される。

図6で、ツリー構造を構成するための以下の方法は:
シードポイント 60
シードポイント毎に1セグメントを初期化 61
セグメント列にセグメントを追加 62
ツリーの除去 63
列なし? 64
はい 65
いいえ 66
列から先頭セグメントを取り出し 67
拡張及び連続評価 68
評価結果 69
拡張継続 70
パラメータ適合 71
セグメントのリセット及び拡張パラメータの適合 72
セグメント排斥 73
セグメント受入 74
連結フロン要素毎に1つの新しいセグメントを初期化 75
ツリーの除去 76
完了 77
によって表される。

この実施例において、ボクセルレベルで、−600HUの又はそれを上回るハウンズフィールド値を有する全てのボクセルは受け入れられる。拡張は、分岐点で、即ち、伝搬波フロントが分離される場合に、終了される。セグメントレベルで、セグメントはその半径を確認される。半径が最大許容値を超える場合に、セグメントは排斥される。セグメントの最大許容半径rmaxは、rmax=2rparentとして、その親セグメントrparentの実際の半径によって決定される。ツリーレベルで、5mmよりも短い長さの終端セグメントは取り除かれる。ツリー分割の結果は図7A及び7Bに示される。分割の結果は、ひと組のボクセルと、分岐及び親子情報を含む中心線ツリーと、夫々の中心線点に関する血管半径推定とを含む。

〔位置付け推定〕:ステップ135で上述された動脈らしさの程度を計算するために、ステップ131〜134で、局部血管及び気管支の位置付けが、指向性とともに決定される(図13参照。)。指向性は、局部濃淡値構造の線形な位置付けがどの程度識別できるかを示す。これらの値の推定を得るために構造テンソルが用いられる。

構造テンソルJは、
として定義される。

ここで、g、g、及びgは、3次元画像傾斜ベクトルであり、
と表される。

式(1)の括弧<・>は、重み関数wによる加重平均を示す。実験では、
のガウス重み関数が用いられる。

仮に、e、e及びeを、対応する固有値が昇順λ<λ<λにあるようにソートされた構造テンソルJの固有ベクトルとする。従って、eは、最小絶対方向偏差を有する位置付けに対応し、一方、eは、最大偏差を有する位置付けに対応する。血管又は気管支の内部で計算される場合に、最小濃淡値偏差は、管状構造に沿って検出され、その結果、局部の位置付け推定としてeを使用する。

管状構造内、即ち、血管又は気管支の内部で、低い濃淡値偏差を有する1つの位置付けと、より大きな偏差を有する2つの直交する位置付けが検出される。最大及び最小の固有値の正規化された差分:
は、局部濃淡値近傍の構造化(structuredness)の程度である。平面的な濃淡値構造で、2つの小さな、理想的にはゼロである固有値が求められる。従って、最大及び2番目に最大の固有値の正規化された比率:
は、濃淡値構造の平面化(planenss)を示す。留意すべきは、S≧Pである点である。差分:
は、局部濃淡値構造の線形な位置付けの程度として用いられる。位置付け推定結果の例及び対応する指向性表示値(orientedness value)は図8に与えられる。図8で、肺血管(a)及び2つの気管支((b)及び(c))の直交断面が示される。これらは、上述されたように、構造テンソルの固有ベクトルe、e及びeに従って方向を合わせられる。表される例に関する指向性表示値は、(a)0.91、(b)0.87、及び(c)0.51である。

ここで、「動脈らしさ」の程度について概説する。

動脈を静脈と区別するために、動脈らしさの程度が決定される。本発明に従う方法の本実施例に従って、この動脈らしさの程度は、夫々のサンプル点に関して、血管中心線に沿って、例えば0から1の間の値を与える。値0は、中心線点が静脈の一部である可能性が高いことを示し、一方、値1は、見られている点が動脈の一部である可能性が最も高いことを示す。血管中心線点の動脈らしさの推定における主なステップは、動脈に付随すると考えられる気管支の候補点の探索である。

〔相同気管支候補の検出〕:検出は、幾つかの所与の血管中心線点に関して、初期候補群として、上述された血管の位置付けを推定することによって開始される。仮に、rvesを中心線点での局部血管半径とする。式(3)のガウス重み関数に関してσ=rves/2が使用される。血管の位置付けに対する面法線は、トリリニアに再サンプリングをなされる。8rves×8rvesの領域をカバーする例となる64×64画素から成る2次元正方形画像Iは、その中心で血管中心線点により抽出される。2次元断面は、σ=rves/4を有するガウスフィルタによって平滑化される。幾つかの例が図9に示される。図9は、2つの異なる例となる血管の断面を示す。5つの断面が、2つの例となる血管の夫々に沿って1mm刻みで示される。低減された候補群の気管支候補は白十字の印を付されている。図9の上にある5つの断面は、半径3mmの動脈を示す。留意すべきは、候補群がこの場合には誤った構成要素を含まない。明らかなように、相同気管支は正確に識別されている。このセグメントの推定される動脈らしさは0.98である。図9の下にある5つの断面は、半径3mmの静脈である。留意すべきは、スライスの夫々に関し多数の候補点が存在する点である。これは、初期候補群から低減された異常値群へと至る低減ステップにおいて、「異常値(outlier)」となりうる目下の高いヘッセン値を有する気管支は存在しないという事実に起因する。このセグメントに関する動脈らしさは0.28である。

平滑化された断面画像Iの範囲内にある全ての局部濃淡値最小位置Piは、可能な気管支候補点と考えられ、初期候補群を構成する。

ここで、低減された候補群が考えられる。以下で、局部最小値は取り除かれ、初期候補群は低減される。夫々の候補点に関して、ヘッセン行列:
の行列式が計算される。この値は、例えば、誤った浅い局部最小値に関してよりも、実際の気管支候補に関してより大きい。仮に、
(外1)
を、所与の血管中心線点に関する全ての初期気管支候補の中の最大ヘッセン値とする。Hi<Hmax/2を有する全ての候補点Piは、この場合に、初期候補群から取り除かれる。更に、I(Pi)>−800HUであるところの全ての候補点Piが捨てられる。残りの候補は、低減された候補群を構成する。

〔動脈らしさの程度〕
低減された候補群は、所与の中心線点で血管の動脈らしさを推定するために使用される。まず第1に、留意すべきは、低減された候補群に多数の点が存在する場合には、動脈ではなく静脈を見ている可能性が高い。この理由は、動脈の場合には、正しい気管支に関するヘッセン値Hiが、通常、他の局部最小値に関してよりもずっと高いためである。従って、正しい候補は、ヘッセン値の分布における異常値となる。例えば、最大値の半分を下回る全ての値が捨てられる場合、これは、ほとんどの誤った候補を生ずる。従って、動脈の場合には、ほとんどの誤った候補は、初期候補群から低減された候補群へと至る場合に捨てられる。一方で、静脈の場合には、このような異常値は存在せず、多数の局部最小値が、低減された候補群においてさえ、候補として存在しうる。この理由のために、多数の目下の候補点のうちの1つから動脈らしさを示す値の大きい値を得ないために、動脈らしさは、低減された候補群の濃度、即ち、群に含まれる点の数がある数よりも大きい場合に、中心線点に値0を割り当てられる。実験では、例となる5の値が選択された。

別な方法で、低減された候補群に含まれる候補Piに関して、血管と疑似気管支との間の相互の位置付けCiは:
と評価される。

候補点Piにおける位置付けepi及び指向性Oiは、構造テンソルの計算において用いられるガウス重み関数に関してσ=rves/4を有する構造テンソルによって推定される。候補点Piにおける指向性Oiが最小指向性Ominよりも小さい場合に、位置付け推定は極めて信頼できず、気管支の存在可能性は低い。従って、動脈らしさは、この場合にはゼロに設定される。例となる実施において、Ominは0.2に設定される。

中心線点の動脈らしさは:
(外2)
のように定義される。

セグメントの動脈らしさ、即ち、2つの分岐点間の血管の一部は、中心線点の最大50%の動脈らしさを示す値の平均値と定義される。点の50%を除くことは、例えば分岐点に近い、信頼できない値に対するロバスト性を確保する。

与えられる方法130は、幾つかのMSCTデータセット(フィリップス・ブリリアンス40スライス)に適用された。当該方法の評価のために、心臓を出発して心臓に入る大きな血管は除外された。これは、これらの部分で、動脈及び静脈が、互いの直ぐ近くを通り、且つ、濃淡値に基づくアプローチを用いて別々の血管としてそれらを分割することを可能にしない交差を有する傾向を有するためである。解析は、半径7mm以下の血管に適用された。半径3mmから7mmの間の動脈は、確実に識別された。この半径範囲で、動脈は、極めて高い動脈らしさの評価を受ける。血管は、閾値との比較によって、動脈らしさが0.8以上であった場合に、動脈として分類された。動脈らしさが0.8未満であった場合には、血管は静脈であると考えられる。

静脈としてより小さな動脈枝に誤った印を付す危険性は、血管の半径が小さくなるにつれて増大する。この理由は、明るい管状構造としての小さな血管が、より小さなサイズの気管支よりも見えやすいためである。小さな気管支の壁は、その検出能を制限する部分的な容積に支配される。更に、気管支の半径は、付随する動脈の半径よりも一層小さい。この理由のために、動脈らしさの程度の適用は、半径が少なくとも3mmある血管に限定された。実験から得られた経験に従って、この血管サイズを下回る枝分かれ構造は、誤りを生じやすい動脈−静脈交差を含む可能性が低い。従って、印を付された血管セグメントの印を付されていないサブツリーは、それらの親セグメントと同じラベルを受け取った。血管が気管支に比べてより末端部まで見られる効果が、図10に表される。図10で、血管樹の分割結果は、先に挙げられたシュラテルター等によって提示された方法に類似する方法を用いて、気道樹の分割をオーバーレイされる。図10の画像のレンダリングは、夫々の中心線点に関する半径値を含む中心線ツリー情報に基づく。図10は、肺動脈及び肺静脈に分類された血管とともに気管気管支樹を示す。

使用される気道分割法によって正確に見つけられた気管支に付随する全ての動脈は、正確に印を付されている。

それを要約すると、本発明に従う方法の本実施例が記載された。MSCTデータセットからの肺血管樹の抽出のための方法及び分割結果の全ての血管セグメントへ動脈らしさを示す値を割り当てる方法について記載された。このような動脈らしさを示す値は、ある半径範囲内の血管に関して推定される。非常に大きな血管半径を有するセグメントの中で、多くは、実際の解剖学的血管部分ではなくむしろ、互いの近くを通る又は互いに交差する2又はそれ以上の血管に対応する。非常に小さな血管に関して、相同気管支は、所与の解像度で可視的でない。提示される方法は気管支の可視性を信頼しているので、このような小さな血管は、直接的な解析からは除外される。血管半径の中間範囲で、提示される手法はロバスト的に作用する。血管サブツリーのより細かい部分では血管交差がより少ないと考えられるので、動脈/静脈の印は、中間の血管から末端のサブツリーへと伝播される。

実験において、提示される方法はほとんどの動脈を正確に識別する。当該方法は、動脈/静脈分離のために気管支樹の使用に際して有用なステップを与える。

図11に従う他の実施例で、コンピュータ読取可能な媒体が図式的に表される。コンピュータ読取可能な媒体は、コンピュータ113による処理のために、3次元医療画像112からの肺動脈樹111の自動抽出のためのコンピュータプログラム110をそれ自体に具現している。コンピュータプログラム110は、局部気管支の位置付けを決定するコードセグメント114と、局部気管支の局部肺血管を局部気管支のセグメント化された局部肺血管に分割するコードセグメント115と、局部気管支のセグメント化された局部肺血管の位置付けを決定するコードセグメント116と、夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、セグメント化された局部肺血管を肺動脈及び肺静脈に分けるコードセグメント117とを有する。

図12は、本発明の更なる実施例に従う例となる医療ワークステーションを表す。医療ワークステーションは、本発明の方法を実施するよう配置され、3次元医療画像を受け取って処理するよう構成される。望ましくは、ワークステーションは、本発明に従う方法を実施するために、上述されたプログラムコードセグメントを実行するよう配置される。本実施例に従って、医療ワークステーション119は、3次元医療画像からの肺動脈樹の自動抽出のために構成され、局部気管支の位置付けを決定する手段120と、局部気管支の局部肺血管を局部気管支のセグメント化された局部肺血管に分割する手段121と、局部気管支のセグメント化された局部肺血管の位置付けを決定する手段122と、夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、セグメント化された局部肺血管を肺動脈及び肺静脈に分ける手段123とを有する。これらの手段120〜123は、望ましくは、適切な方法で互いに動作上接続されている電気部品である。例えばディスプレイ又はポインタ作動装置としての医療ワークステーションの他の部品は、詳細には描写又は記載されない。

結果として、例えばマルチスライスCTデータのような3次元医療画像からの肺血管樹の自動抽出が開示される。セグメント化された肺血管は、血管の動脈らしさの程度を決定することによって、動脈又は静脈のいずれか一方として識別される。この動脈らしさの程度は、局部気管支のセグメント化された肺血管の位置付けに対する局部気管支の位置付けの関係に基づく。血管が肺動脈として識別される場合に、それは肺動脈樹に加えられる。肺動脈及び気管支の半径は自動で測定され、これらの半径の比が異常値を示すところの位置は、望ましくは放射線科医による更なる評価のために、表示に際して提示される。このことは、例えば、肺塞栓検出にとって有用である。一例が図4で与えられる。なお、図4で、白点は肺動脈樹におけるこのような位置の印となる。図4は、また、表示される肺動脈周囲の全ての肺葉のシルエットを示す。これは、放射線科医又は他の医療関係者が、関心ある箇所を容易に見つけることを可能にする。

本発明に従う上記方法の用途及び使用は様々であり、例えばソフトウェアオプションなどのオプションとしての、CTスキャナ制御装置、画像化ワークステーション、又は画像保管通信システム(Picture Archive Communication System;PACS)ワークステーションへの例となる適用を含む。当該方法は、計算上、既存のシステムへの導入が容易であり、且つ、自在である。

当該方法の適用は、その結果が通常は視覚的に表示されるので、容易に検出され得る。一実施例に従って、例えば、表示は、潜在的な罹患部の表示とともに、気管気管支及び肺の動脈樹の結合を示す(図10参照。)。

本発明は、ハードウェア、ソフトウェア、ファームウェア又はそれらのいずれかの組合せを含む如何なる適切な形態でも実施され得る。しかし、望ましくは、本発明は、1又はそれ以上のデータ処理装置及び/又はデジタル信号処理装置で実行されるコンピュータソフトウェアとして実施される。本発明の実施例の要素及び部品は、如何なる適切な方法でも、物理的、機能的及び論理的に実施され得る。実際には、その機能は、単一ユニットで、複数のユニットで、又は、他の機能ユニットの一部として実施されても良い。このようにして、本発明は単一ユニットで実施されて良く、あるいは、異なるユニット及び処理装置の間で物理的に且つ機能的に分配されても良い。

本発明は特定の実施形態を参照しながら記載されてきたが、それは、個々に挙げられた特定の形態に限定されるよう意図されない。むしろ、本発明は、添付の特許請求の範囲によってのみ限定され、上記特定の実施形態以外の他の実施形態、例えば、上述されたもの以外の、気管の位置や、あるアルゴリズムに関するシードポイントや、気管気管支樹を決定する方法等を得る様々な方法が同じく、これらの添付の特許請求の範囲内で可能である。

特に、肺血管樹全体を抽出するよりむしろ、近くの気管支に基づいて、血管が動脈又は静脈のいずれであるかを判断することが指し示されている。逆に、気管支樹を抽出し、夫々の気管支の近傍で「動脈」と印を付されうる付随する血管を探索することも可能であるが、血管は、このような操作では全く抽出さえされない。しかし、このような方法が可能であるように考えられるが、気管支樹抽出は血管抽出よりも難しく、幾つかの気管支は容易に見逃されうるので、それは上述された方法ほどには最適ではない。幾つかの気管支は見逃されることに伴って、対応する動脈が同じく見逃されうる。これは望ましくない。

特許請求の範囲で、語「有する」は、他の要素又はステップの存在を除外するわけではない。更に、個々に挙げられているとしても、複数の手段、要素又は方法ステップは、例えば単一ユニット又は処理装置によって実施されても良い。更に、個々の特徴が異なった請求項に含まれることがあるが、これらは場合により有利に組み合わされ、また、異なった請求項における包含は、特徴の組合せが実行可能且つ/あるいは有利でないことを暗示しているわけではない。更に、1つのみの参照は、複数を除外しているわけではない。語「1つの」、「第1の」、「第2の」などは、複数を除外しているわけではない。特許請求の範囲における参照符号は、単に例を明確とするように提供され、決して特許請求の範囲の適用範囲を限定するよう解釈されるべきではない。

本発明に従う方法の実施形態を表すフローチャートである。 AからCは、気管種発見手順の結果を表す例となるCTスライス画像である。なお、胸部横断スライス(512×512)が表示されており、白十字は推定される気管の位置の印となる。 AからEは、肺分割法を表す例となるCTスライス画像であり、FはAからEによって表される方法の結果を表すCT画像である。 図3AからEによって表される方法の結果を表すCT画像である。 樹分割アルゴリズムを表す概要図である。 樹分割アルゴリズムのフローチャートである。 抽出された血管樹の最大輝度投影(MIP)である。 半径のみを含む中心線情報に基づく抽出された血管樹のレンダリングの図である。 肺血管の直交断面を示す図である。 2つの血管の断面を示すCTスライスの一部である。 気道樹をオーバーレイされた、セグメント化されてラベルを付された肺血管樹を表す3次元画像である。 本発明のコンピュータ読取可能な媒体の実施形態の概要図である。 本発明の更なる実施形態に従う例となる医療ワークステーションの概要図である。 本発明に従う方法の他の実施形態を表すフローチャートである。

Claims (12)

  1. 3次元医療画像からの肺動脈樹の自動抽出の方法であって:
    局部気管支の位置付けを決定するステップ,
    前記局部気管支の局部肺血管を前記局部気管支のセグメント化された局部肺血管に分割するステップ,
    前記局部気管支の前記セグメント化された局部肺血管の位置付けを決定するステップ,及び
    夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分けるステップ,
    を有する方法。
  2. 前記セグメント化された局部肺血管の前記動脈らしさの程度は、前記セグメント化された局部肺血管の位置付けに対する前記局部気管支の位置付けの関係に基づき、且つ、前記程度は、前記局部気管支の局部肺動脈として前記局部気管支の近くを平行して通る血管を識別するために該血管に関して標準値を与える、請求項1記載の方法。
  3. 前記セグメント化された局部肺血管の前記動脈らしさの程度は、セグメント化された局部肺血管及び最も近い局部気管支の方位ベクトルの内積の絶対値であり、
    前記程度は、前記局部気管支の局部肺動脈として前記最も近い局部気管支の近くを平行して通る血管を識別するために該血管に関して標準値を与える、請求項2記載の方法。
  4. 前記標準値は、前記セグメント化された局部肺血管が前記肺動脈樹に含まれるかどうかを決定するために前記動脈らしさの程度の値を閾値化することによって与えられ、
    経験的に導出された閾値が前記閾値化のために使用される、請求項2又は3記載の方法。
  5. 前記セグメント化された局部肺血管が、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分ける前記ステップにおいて、肺動脈であると決定された場合に、半径を有し且つ前記肺動脈の所与の中心線点に中心を有する球において計算される画像データの最小平均偏差の半径として、前記肺動脈の半径を決定するステップを更に有する、請求項1記載の方法。
  6. 前記局部気管支の前記局部肺血管を分割するステップはシードポイントに基づく、請求項1記載の方法。
  7. 前記局部気管支の位置付けを決定するステップは、前記局部気管支の中心線の位置付けに基づく、請求項1記載の方法。
  8. 前記局部気管支の位置付けを決定するステップは、局部濃淡値に基づく指標を用いることに基づく、請求項1記載の方法。
  9. 気管支樹及び付随する肺動脈樹の両方に沿って前記局部気管支及び前記肺動脈の直径又は半径を測定するステップ,
    前記局部気管支及び前記肺動脈の前記測定された直径又は半径の比を計算するステップ,及び
    前記計算された比が表示における異常値を示すところの位置に印を付して、ユーザによる前記異常位置の更なる評価を示唆するステップ,
    を有し、
    前記測定するステップ、前記計算するステップ及び前記印を付すステップは、局部気管支の位置付けを決定するステップ、前記局部気管支の局部肺血管を分割するステップ、前記セグメント化された局部肺血管の位置付けを決定するステップ、及び前記セグメント化された局部肺血管を肺動脈及び肺静脈に分けるステップと並行して自動的に実行される、請求項1乃至8のうちいずれか一項記載の方法。
  10. コンピュータによる処理のために、3次元医療画像からの肺動脈樹の自動抽出のためのコンピュータプログラムを具現されたコンピュータ読取可能な媒体であって:
    局部気管支の位置付けを決定するコードセグメント,
    前記局部気管支の局部肺血管を前記局部気管支のセグメント化された局部肺血管に分割するコードセグメント,
    前記局部気管支の前記セグメント化された局部肺血管の位置付けを決定するコードセグメント,及び
    夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分けるコードセグメント,
    を有する、コンピュータ読取可能な媒体。
  11. 請求項1乃至9のうちいずれか一項記載の方法を実行可能な、請求項10記載のコンピュータプログラム。
  12. 3次元画像を受け取って処理するよう構成された医療画像ワークステーションである、請求項1乃至9のうちいずれか一項記載の方法を実施するよう配置された医療検査装置であって:
    局部気管支の位置付けを決定する手段,
    前記局部気管支の局部肺血管を前記局部気管支のセグメント化された局部肺血管に分割する手段,
    前記局部気管支の前記セグメント化された局部肺血管の位置付けを決定する手段,及び
    夫々のセグメント化された局部肺血管の動脈らしさの程度を決定することによって、前記セグメント化された局部肺血管を肺動脈及び肺静脈に分ける手段,
    を有し、
    3次元医療画像からの肺動脈樹の自動抽出のために構成される医療検査装置。
JP2007554701A 2005-02-11 2006-02-06 3次元医療画像からの肺動脈樹の自動抽出の方法 Active JP4950071B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP05101034.6 2005-02-11
EP05101034 2005-02-11
PCT/IB2006/050375 WO2006085254A1 (en) 2005-02-11 2006-02-06 Method of automatic extraction of the pulmonary artery tree from 3d medical images

Publications (2)

Publication Number Publication Date
JP2008529641A JP2008529641A (ja) 2008-08-07
JP4950071B2 true JP4950071B2 (ja) 2012-06-13

Family

ID=36579339

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007554701A Active JP4950071B2 (ja) 2005-02-11 2006-02-06 3次元医療画像からの肺動脈樹の自動抽出の方法

Country Status (7)

Country Link
US (1) US7970189B2 (ja)
EP (1) EP1851720B1 (ja)
JP (1) JP4950071B2 (ja)
CN (1) CN101116103B (ja)
AT (1) AT438162T (ja)
DE (1) DE602006008113D1 (ja)
WO (1) WO2006085254A1 (ja)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8532356B2 (en) 2006-07-10 2013-09-10 Siemens Medical Solutions Usa, Inc. Method for automatic separation of segmented tubular and circular objects
JP5196751B2 (ja) * 2006-09-13 2013-05-15 株式会社東芝 コンピュータ支援診断装置
EP3260042A1 (en) 2006-11-10 2017-12-27 Covidien LP Adaptive navigation technique for navigating a catheter through a body channel or cavity
EP2220615A1 (en) * 2007-11-14 2010-08-25 Koninklijke Philips Electronics N.V. Method of automatically correcting mis-orientation of medical images
EP2279491B1 (en) 2008-04-18 2012-02-01 Koninklijke Philips Electronics N.V. Segmenting pulmonary arteries
WO2010055431A1 (en) * 2008-11-17 2010-05-20 Koninklijke Philips Electronics N.V. Visualization and quantization of newly formed vasculature
JP5613182B2 (ja) * 2009-03-06 2014-10-22 バイオ−ツリー システムズ, インコーポレイテッド 血管分析方法および装置
US8934686B2 (en) * 2009-11-26 2015-01-13 Algotec Systems Ltd. User interface for selecting paths in an image
CN102395320B (zh) * 2010-06-02 2014-02-26 奥林巴斯医疗株式会社 医疗设备以及医疗设备的控制方法
MY152058A (en) * 2010-06-21 2014-08-15 Univ Putra Malaysia A method of constructing at least one 3 dimensional image
US8787641B2 (en) * 2010-09-02 2014-07-22 Pie Medical Imaging B.V. Method and apparatus for quantitative analysis of a tree of recursively splitting tubular organs
KR101158041B1 (ko) * 2010-11-01 2012-06-22 전남대학교산학협력단 폐 색전증 검출 시스템 및 그 방법
US8929624B2 (en) * 2010-11-26 2015-01-06 General Electric Company Systems and methods for comparing different medical images to analyze a structure-of-interest
CN101999885B (zh) * 2010-12-21 2011-12-21 中国人民解放军国防科学技术大学 一种自动分离动静脉血管的内源光学成像方法
JP5263995B2 (ja) * 2011-03-18 2013-08-14 富士フイルム株式会社 ネットワーク構築装置および方法ならびにプログラム
US9014449B2 (en) 2011-10-04 2015-04-21 Siemens Aktiengesellschaft Method and system for segmentation and removal of pulmonary arteries, veins, left atrial appendage
US8638999B2 (en) 2012-04-16 2014-01-28 General Electric Company Methods for generating a reconstructed tree structure from medical image data
CN104411249B (zh) * 2012-05-31 2017-07-28 皇家飞利浦有限公司 用于图像引导流程的超声成像系统和方法
CN104036484B (zh) * 2013-03-06 2017-08-08 东芝医疗系统株式会社 图像分割装置、图像分割方法和医学图像设备
WO2014168350A1 (ko) 2013-04-10 2014-10-16 재단법인 아산사회복지재단 폐동맥과 폐정맥을 구분하는 방법 및 이를 이용한 혈관의 정량화 방법
KR101442728B1 (ko) 2013-04-10 2014-09-22 재단법인 아산사회복지재단 폐동맥과 폐정맥을 구분하는 방법
JP6334942B2 (ja) * 2014-02-13 2018-05-30 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理方法及びプログラム
US9943277B2 (en) 2014-04-02 2018-04-17 International Business Machines Corporation Detecting coronary stenosis through spatio-temporal tracking
WO2016004030A1 (en) * 2014-07-02 2016-01-07 Covidien Lp System and method for segmentation of lung
CN107148569B (zh) * 2014-09-29 2020-01-03 株式会社Ihi 图像解析装置、图像解析方法以及程序
CN104574319B (zh) * 2015-01-22 2017-10-13 深圳大学 一种肺部ct图像的血管增强方法及系统
CN104992437A (zh) * 2015-06-29 2015-10-21 北京欣方悦医疗科技有限公司 一种冠脉三维图像分割的方法
US10226199B2 (en) * 2015-12-21 2019-03-12 Canon Kabushiki Kaisha Medical-image processing apparatus, method for controlling the same, and storage medium
WO2017192383A1 (en) 2016-05-02 2017-11-09 Bio-Tree Systems, Inc. System and method for detecting retina disease
CN107481251A (zh) * 2017-07-17 2017-12-15 东北大学 一种从肺部ct图像中提取末端支气管树的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5782762A (en) * 1994-10-27 1998-07-21 Wake Forest University Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
JPH08336524A (ja) * 1995-06-13 1996-12-24 Harufumi Kato X線画像処理装置
US6246784B1 (en) * 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
AT508443T (de) * 2003-06-17 2011-05-15 Univ Brown Verfahren und vorrichtung zur modelbasierten detektion einer struktur in projektionsdaten
US7822461B2 (en) * 2003-07-11 2010-10-26 Siemens Medical Solutions Usa, Inc. System and method for endoscopic path planning
DE102004022902B4 (de) * 2004-05-10 2006-07-06 Siemens Ag Verfahren zur medizinischen Bilddarstellung und -verarbeitung, Computertomografiegerät, Arbeitsstation und Computerprogrammprodukt
WO2006056923A1 (en) * 2004-11-23 2006-06-01 Koninklijke Philips Electronics N.V. Planar angular visualization of the bronchial tree
US8073210B2 (en) * 2005-02-14 2011-12-06 University Of Lowa Research Foundation Methods of smoothing segmented regions and related devices

Also Published As

Publication number Publication date
EP1851720B1 (en) 2009-07-29
US20100128940A1 (en) 2010-05-27
JP2008529641A (ja) 2008-08-07
CN101116103B (zh) 2010-05-19
CN101116103A (zh) 2008-01-30
AT438162T (de) 2009-08-15
DE602006008113D1 (de) 2009-09-10
WO2006085254A1 (en) 2006-08-17
EP1851720A1 (en) 2007-11-07
US7970189B2 (en) 2011-06-28

Similar Documents

Publication Publication Date Title
Wolterink et al. Automatic coronary artery calcium scoring in cardiac CT angiography using paired convolutional neural networks
Mansoor et al. A generic approach to pathological lung segmentation
Rudyanto et al. Comparing algorithms for automated vessel segmentation in computed tomography scans of the lung: the VESSEL12 study
Chen et al. Curve-like structure extraction using minimal path propagation with backtracking
Yang et al. Automatic centerline extraction of coronary arteries in coronary computed tomographic angiography
Litjens et al. Evaluation of prostate segmentation algorithms for MRI: the PROMISE12 challenge
US20180268544A1 (en) Automatic image segmentation methods and analysis
Delibasis et al. Automatic model-based tracing algorithm for vessel segmentation and diameter estimation
Li et al. Optimal surface segmentation in volumetric images-a graph-theoretic approach
da Silva Sousa et al. Methodology for automatic detection of lung nodules in computerized tomography images
Shahzad et al. Automatic segmentation, detection and quantification of coronary artery stenoses on CTA
US8340381B2 (en) Hybrid segmentation of anatomical structure
US9990712B2 (en) Organ detection and segmentation
Kiraly et al. Three-dimensional human airway segmentation methods for clinical virtual bronchoscopy
CN102208105B (zh) 医学图像处理技术
Zreik et al. Deep learning analysis of the myocardium in coronary CT angiography for identification of patients with functionally significant coronary artery stenosis
EP2194505B1 (en) Method and apparatus for segmenting spine and aorta in a medical image according to a skeletal atlas
Shikata et al. Segmentation of pulmonary vascular trees from thoracic 3D CT images
Schlathoelter et al. Simultaneous segmentation and tree reconstruction of the airways for virtual bronchoscopy
Metz et al. Coronary centerline extraction from CT coronary angiography images using a minimum cost path approach
US9672631B2 (en) Medical image reporting system and method
Van Rikxoort et al. Automated segmentation of pulmonary structures in thoracic computed tomography scans: a review
EP1851722B1 (en) Image processing device and method
Manniesing et al. Level set based cerebral vasculature segmentation and diameter quantification in CT angiography
US8244012B2 (en) Computer aided detection of pulmonary embolism with local characteristic features in CT angiography

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090205

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110902

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110913

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20111020

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111122

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120118

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: 20120214

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120308

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150316

Year of fee payment: 3

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250