JP6851672B2 - 医療画像シーケンスに基づくプラーク安定性指標の高速計算方法及びシステム - Google Patents
医療画像シーケンスに基づくプラーク安定性指標の高速計算方法及びシステム Download PDFInfo
- Publication number
- JP6851672B2 JP6851672B2 JP2020529468A JP2020529468A JP6851672B2 JP 6851672 B2 JP6851672 B2 JP 6851672B2 JP 2020529468 A JP2020529468 A JP 2020529468A JP 2020529468 A JP2020529468 A JP 2020529468A JP 6851672 B2 JP6851672 B2 JP 6851672B2
- Authority
- JP
- Japan
- Prior art keywords
- lumen
- segment
- strain
- image
- diameter
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims description 36
- 238000000034 method Methods 0.000 claims description 77
- 210000004204 blood vessel Anatomy 0.000 claims description 52
- 230000002792 vascular Effects 0.000 claims description 36
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 230000036262 stenosis Effects 0.000 claims description 22
- 208000037804 stenosis Diseases 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 21
- 238000002059 diagnostic imaging Methods 0.000 claims description 12
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000006870 function Effects 0.000 description 28
- 238000011156 evaluation Methods 0.000 description 9
- 230000003902 lesion Effects 0.000 description 9
- 230000000737 periodic effect Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 210000004351 coronary vessel Anatomy 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 230000002966 stenotic effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002586 coronary angiography Methods 0.000 description 3
- 238000002608 intravascular ultrasound Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 125000003473 lipid group Chemical group 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010007687 Carotid artery stenosis Diseases 0.000 description 1
- 206010015866 Extravasation Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 208000006170 carotid stenosis Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000003017 ductus arteriosus Anatomy 0.000 description 1
- 230000036251 extravasation Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000002540 macrophage Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 210000002254 renal artery Anatomy 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- 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
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Cardiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
一態様によれば、本発明は、医療画像シーケンスに基づくプラーク安定性指標の高速計算システムであって、
主に画像を収集して、動的画像シーケンスを生成するための画像収集モジュールと、
画像収集モジュールにより生成された画像シーケンスを受信して、画像処理モジュールに伝送するための画像受信モジュールと、
受信した画像シーケンスを処理する画像処理モジュールであって、内腔輪郭の分割及びレジストレーションを含み、内腔輪郭の分割には、正常内腔及び狭窄内腔の高速分割を含み、内腔のレジストレーションとは、具体的には、異なる時刻で、同一血管セグメントの特徴空間のレジストレーションによって変位場関数を生成することである画像処理モジュールと、
2次元血管内腔に対して、上記変位場関数を用いて、有限要素計算を行う有限要素計算モジュールであって、ある時刻での血管内腔を初期状態として選定して、当該モジュールの計算によって、内腔径シーケンス又は面積が経時的に変化する関数、内腔輪郭線形ひずみを含む、経時的に変化するパラメータ、及びクラウドマップを取得する有限要素計算モジュールと、
を含む医療画像シーケンスに基づくプラーク安定性指標の高速計算システムを提供する。
内腔輪郭を高速で分割し、正常内腔セグメント及び狭窄内腔セグメントの位置する領域の輪郭を格付けし、階層的モデリングを行い、格付け化した血管分割モデルを得る画像分割モジュールと、
複数の時刻での血管輪郭に対してレジストレーションを行い、複数の時刻で格付け化された血管分割モデルに対して輪郭特徴又は画像全体のレジストレーションを行い、レジストレーション中に生じた変位場関数を得る画像レジストレーションモジュールと、をサブモジュールとして含む。
ステップ1では、関心血管の開始位置と終了位置を特定して、一級セグメントとして定義し、好ましくは、解剖マーク(分岐部位)を関心血管の開始位置と終了位置とし、ここで、冠状動脈を血管の例とするが、それに制限されず、動的周期的変形を持つ血管であれば、適用でき、
ステップ2では、医療画像シーケンスを取得し、変形周期内の前記関心血管のいくつかの特徴時刻を特定し、前記医療画像シーケンスには、複数の周期の血管の完全な画像が含まれ、好ましくは、上記特徴時刻については、血管の変形法則と組み合わせること、又は追加データ情報、たとえば心電図などを利用することで、変形周期内の複数の特徴時刻を特定でき、
ステップ3では、ステップ2における異なる特徴時刻に対応するフレーム画像における、異なる形態の同一血管に対して内腔輪郭分割を行って、狭窄セグメントの関心血管での開始・終了位置を特定して、二級セグメントと定義し、ここで、冠状動脈造影画像を医療画像シーケンスの例とするが、それに制限されず、血管の動的周期的変形を持つ医療画像シーケンスであれば、適用でき、
ステップ4では、前記一級セグメント、二級セグメントのそれぞれに対して、境界輪郭線と組み合わせて、密閉した2次元血管内腔幾何学的モデルを作成して、一級セグメント、二級セグメントの2つの関心領域として決定し、
ステップ5では、異なるフレームの画像中の異なる長さの血管に対して、中心線の長さを基準として正規化処理を行い、正規化した血管の長さに基づいてグリッド同型化離散を行って、2次元血管内腔の有限要素モデルを作成し、まず、一級セグメントに粗レジストレーションを行ってから、二級セグメントに更に精密レジストレーションを行って、次に、レジストレーション結果による変位場関数を取得し、
ステップ6では、ステップ5で取得した2次元血管内腔の有限要素モデルに前記変位場関数を追加して解を求め、周期的に経時的に変化する内腔幾何学的変形パラメータ、内腔輪郭のひずみパラメータ及びクラウドマップを取得し、
ステップ7では、ステップ6における周期的に経時的に変化する内腔幾何学的変形パラメータ、内腔輪郭のひずみパラメータに基づいて、プラーク安定性のサンプルデータと組み合わせて、相関分析を行って、プラーク安定性の結果を算出する。
心電図などの補助作業を用いてキー時点を検出できない周期的に変形する動脈、たとえば、腎動脈の場合は、画像シーケンスにおける変形特徴に基づいて、いくつかのキー時点を選定し、周期の長さ及び各隣接する時点の時間間隔を取得し、それによって、特徴時刻を特定する。
血管に内腔輪郭分割を行うと同時に、血管及び参照内腔の中心線、及び血管の縦方向に沿って且つ中心線に垂直な一連の直径シーケンスを生成するステップ301と、
径狭窄百分率のしきい値を設定し、関心血管の血管の中心線に沿う現在位置の径狭窄百分率DS%(x)を算出し、径狭窄百分率のしきい値要求を満たす血管セグメントの開始・終了位置を二級セグメントの開始・終了位置とするステップ302を含み、
ここで、DS%(x)の計算式は、以下のとおりであり、
式中、Dactは実際内腔径、Drefは参照内腔径、Dpro及びDdisは、それぞれ近端と遠端の内腔の直径、Lcenは中心線の全長、xは現在の断面位置から近端断面までの中心線の長さである。
内腔輪郭、内腔中心線及び直径シーケンスを特徴として含む画像レジストレーションの特徴空間を作成することと、
前記正規化後、等量の直径シーケンスを生成することと、をさらに含む。
さらに好ましくは、該正規化には、バイリニア補間法、3次畳み込み補間法などの方法が使用され得る。
予め設定された検索戦略に従って、上記特徴空間に特徴検索を行うことと、
予め設定された類似性測定基準に従って、血管の一級セグメント、二級セグメントの類似性しきい値を設定して、レジストレーションにおける定量的基準とすることと、をさらに含む。
ステップ601では、ある時点の2次元内腔幾何学的モデルを初期構成として、構造化グリッド離散を行い、
さらに好ましくは、該初期構成は、血管の長さが最短である時刻を初期構成としても良い、グリッド離散後に、たとえばラプラスアルゴリズムを用いてグリッドに平滑化前処理を行っても良い、
ステップ602では、有限要素法を画像レジストレーション方法として、狭窄セグメント及び/又は正常セグメントの類似性しきい値を満たすと、完全な血管変形周期をトラバーサするまで、隣接する時刻の間の変位場関数を取得し、血管変形周期内のポイントクラウドの変位経路を形成する。
本発明は、医療画像シーケンスに基づくプラーク安定性指標の高速計算方法を提供し、以下、具体例にて、本発明が冠状動脈造影画像シーケンスを医療画像源として用いる場合のプラーク安定性指標の高速計算方法を説明する。本実施例では、取得する前下行冠状動脈のシーケンス画像を例とするが、当業者が理解できるように、ここで一例として特定部位の血管の画像データを用い、この具体的な部位又は血管を本発明の特許範囲に対する限定として理解できない。
ここで、Ωは、血管の一級セグメントの関心領域、|Ω|は該領域内の総画素数、T(x)は変位場関数(空間的変換関数)、Ifは1つ前のフレームの参照画像、Imは次のフレームのフローティング画像であり、
二級セグメントの精密レジストレーションには、前述を基にして、特徴点及び直径シーケンスを制御することによって、レジストレーション変換関数を最適化させ、特徴点距離を類似性測度関数とし、
ここで、
及び
は、それぞれ参照画像とフローティング画像中のキーポイントセットであり、変位場関数Tは、
であり、
ここで、ajは、腔内直径シーケンスのベクトル、kは、径方向における総点数である。
具体的な一実施例では、該方法は、二級セグメント、及び狭窄セグメントの関心血管での開始・終了位置に、血管の中心線に沿う現在位置での径狭窄百分率DS%(x)を導入することをさらに含み、その計算式は、以下のとおりである。
具体的な一実施例では、該方法は、黄金分割検索アルゴリズムを検索戦略として用い、上記特徴空間において特徴検索を迅速かつ効果的に行うことをさらに含み、グレースケール差の二乗和関数及びユークリッド距離などを類似性測定基準としてもよい、ユークリッド距離方式を用いる場合、狭窄セグメントの特徴点のユークリッド距離の和をレジストレーションの指標とし、たとえば、あるユークリッド距離を類似性測定しきい値として、判断基準として用いられてもよい。
具体的な一実施例では、該方法は、2次元画像レジストレーション方法には有限要素法が使用されてもよい、狭窄セグメントのユークリッド距離の類似性測定しきい値を満たす場合、一周期をトラバーサするまで、隣接する時刻の間の変位場関数を取得し、血管変形周期における2次元モデル中のポイントクラウドの変位経路を形成することをさらに含み、
具体的な一実施例では、該方法は、図3に示すように、病変内腔輪郭(浅い壁)のひずみパラメータのうちの平面外ひずみなどの指標を結果示例とすることと、図4に示すように参照内腔の平面外ひずみ指標を別の結果示例とすることをさらに含む。
別の具体的な実施例では、具体的な適用シナリオとして、本発明のプラーク安定性の判断・評価アルゴリズムを説明する。
病変最小狭窄面積A、
最小狭窄での直径ひずみの平均値
、
内腔輪郭ひずみの最大εmax
及び平均値
を変数とした多要素相関数式である。
ここで、ci,i=l,2,3は、フィッティングパラメータ、A0は最小狭窄での参照内腔面積である。
別の具体的な実施例では、本発明は、本発明による医療画像シーケンスに基づくプラーク安定性指標の高速計算システムをさらに提供し、前記システムは、
主に画像を収集して、動的画像シーケンスを生成するための画像収集モジュールと、
画像収集モジュールにより生成された画像シーケンスを受信して、画像処理モジュールに伝送するための画像受信モジュールと、
受信した画像シーケンスを処理する画像処理モジュールであって、内腔輪郭の分割及びレジストレーションを含み、内腔輪郭の分割には、正常内腔及び狭窄内腔の高速分割を含み、内腔のレジストレーションとは、具体的には、異なる時刻で、同一血管セグメントの特徴空間のレジストレーションによって変位場関数を生成することである画像処理モジュールと、
2次元血管内腔に対して、上記変位場関数を用いて、有限要素計算を行って、ある時刻での血管内腔を初期状態として、計算することで、内腔径シーケンス又は面積が経時的に変化する関数、内腔輪郭線形ひずみを含む、経時的に変化するパラメータ、及びクラウドマップを取得するための有限要素計算モジュールと、
画像処理モジュール及び有限要素計算モジュールのそれぞれによる分析結果及びプラーク安定性の評価指標を表示するための結果可視化モジュールを備える。
内腔輪郭を高速で分割し、正常内腔セグメント及び狭窄内腔セグメントの位置する領域の輪郭を格付けし、階層的モデリングを行い、格付け化した血管分割モデルを得るための画像分割モジュールと、
複数の時刻での血管輪郭に対してレジストレーションを行い、複数の時刻で格付け化された血管分割モデルに対して輪郭特徴又は画像全体のレジストレーションを行って、レジストレーション中に生じた変位場関数を得るための画像レジストレーションモジュールと、をサブモジュールとして備える。
Claims (10)
- 医療画像シーケンスに基づくプラーク安定性指標の高速計算方法であって、
関心血管の開始位置と終了位置を特定して、一級セグメントとして定義するステップ1と、
複数の周期の血管の完全な画像が含まれる医療画像シーケンスを取得し、変形周期内の前記関心血管のいくつかの特徴時刻を特定するステップ2と、
ステップ2における異なる特徴時刻に対応するフレーム画像における、異なる形態の同一血管に対して内腔輪郭分割を行って、狭窄セグメントの関心血管での開始・終了位置を特定して、二級セグメントと定義するステップ3と、
前記一級セグメント、二級セグメントに対して、それぞれ境界輪郭線と組み合わせて、密閉した2次元血管内腔幾何学的モデルを作成して、一級セグメント、二級セグメントの2箇所の関心領域として決定するステップ4と、
異なるフレームの画像中の異なる長さの一級セグメントの血管に対して、中心線の長さを基準として正規化の処理を行って、正規化した血管の長さに基づいてグリッド同型化離散を行って、2次元血管内腔の有限要素モデルを作成し、まず、一級セグメントに粗レジストレーションを行ってから、二級セグメントに更に精密レジストレーションを行って、次に、レジストレーション結果による変位場関数を取得するステップ5と、
ステップ5で取得した2次元血管内腔の有限要素モデルに前記変位場関数を追加して解を求め、周期的に経時的に変化する内腔幾何学的変形パラメータ、内腔輪郭のひずみパラメータ及びクラウドマップを取得するステップ6と、
ステップ6における周期的に経時的に変化する内腔幾何学的変形パラメータ、内腔輪郭のひずみパラメータに基づいて、プラーク安定性のサンプルデータと組み合わせて、相関分析を行って、プラーク安定性の結果を算出するステップ7とを
含むこと特徴とする、医療画像シーケンスに基づくプラーク安定性指標の高速計算方法。 - 請求項1に記載の方法において、
前記ステップ2では、前記特徴時刻の選び取りについて、心電図の各ウェーブバンド間の境界点に基づいて特定する、又は
画像シーケンスにおける変形特徴に基づいて、いくつかのキー時点を選定して、周期の長さ及び各隣接する時点の時間間隔を取得することによって、特徴時刻を特定することを特徴とする方法。 - 請求項1に記載の方法において、
前記ステップ3は、さらに、
血管に内腔輪郭分割を行うと同時に、血管及び参照内腔の中心線、及び血管の縦方向に沿って且つ中心線に垂直な一連の直径シーケンスを生成するステップ301と、
径狭窄百分率のしきい値を設定して、関心血管の血管の中心線に沿う現在位置の径狭窄百分率DS%(x)を算出して、径狭窄百分率のしきい値要求を満たす血管セグメントの開始・終了位置を二級セグメントの開始・終了位置とするステップ302を含み、
ここで、DS%(x)の計算式は、以下のとおりであり、
式中、Dactは実際内腔径、Drefは参照内腔径、Dpro及びDdisは、それぞれ近端と遠端の内腔の直径、Lcenは中心線の全長、xは現在の断面位置から近端断面までの中心線の長さである
ことを特徴とする方法。 - 請求項1に記載の方法において、
前記ステップ4は、
内腔輪郭、内腔中心線及び直径シーケンスを特徴として含む画像レジストレーションの特徴空間を作成することと、
前記正規化の後、等量の直径シーケンスを生成することと、
をさらに含むことを特徴とする方法。 - 請求項4に記載の方法において、
前記ステップ5は、
予め設定された検索戦略に従って、前記特徴空間に特徴検索を行うことと、
予め設定された類似性測定基準に従って、血管の一級セグメント、二級セグメントの類似性しきい値を設定して、レジストレーションにおける定量的基準とすることと、
をさらに含むことを特徴とする方法。 - 請求項1に記載の方法において、
前記ステップ6は、
ある時点の2次元内腔幾何学的モデルを初期構成として、構造化グリッド離散を行うステップ601と、
有限要素法を画像レジストレーション方法として、狭窄セグメント及び/又は正常セグメントの類似性しきい値を満たすと、完全な血管変形周期をトラバーサするまで、隣接する時刻の間の変位場関数を取得して、血管変形周期内のポイントクラウドの変位経路を形成するステップ602と、
をさらに含むことを特徴とする方法。 - 請求項1に記載の方法において、
前記ステップ7では、内腔輪郭のひずみパラメータには、最大主ひずみ、最小主ひずみ、平面外ひずみが含まれることを特徴とする方法。 - 請求項1又は4に記載の方法において、
正規化の方法はバイリニア補間法又は3次畳み込み補間法である
ことを特徴とする方法。 - 請求項5に記載の方法において、
予め設定された検索戦略は、黄金分割法又は勾配降下法である
ことを特徴とする方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711282886.3A CN108038848B (zh) | 2017-12-07 | 2017-12-07 | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 |
CN201711282886.3 | 2017-12-07 | ||
PCT/CN2018/088861 WO2019109607A1 (zh) | 2017-12-07 | 2018-05-29 | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021504059A JP2021504059A (ja) | 2021-02-15 |
JP6851672B2 true JP6851672B2 (ja) | 2021-03-31 |
Family
ID=62096091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020529468A Active JP6851672B2 (ja) | 2017-12-07 | 2018-05-29 | 医療画像シーケンスに基づくプラーク安定性指標の高速計算方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11049246B2 (ja) |
EP (1) | EP3723038B1 (ja) |
JP (1) | JP6851672B2 (ja) |
CN (1) | CN108038848B (ja) |
WO (1) | WO2019109607A1 (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107949311B (zh) | 2015-04-16 | 2021-04-16 | Gentuity有限责任公司 | 用于神经病学的微光探针 |
US10631718B2 (en) | 2015-08-31 | 2020-04-28 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
EP3700406A4 (en) | 2017-11-28 | 2021-12-29 | Gentuity LLC | Imaging system |
CN108038848B (zh) * | 2017-12-07 | 2020-08-11 | 上海交通大学 | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 |
CN109064442B (zh) * | 2018-06-21 | 2022-07-05 | 上海遥思企业管理中心 | 血管压力差修正方法、装置及设备 |
CN109872312B (zh) * | 2019-02-15 | 2022-12-20 | 腾讯科技(深圳)有限公司 | 医学图像分割方法、装置、系统及图像分割方法 |
CN111681224A (zh) * | 2020-06-09 | 2020-09-18 | 上海联影医疗科技有限公司 | 获取血管参数的方法和装置 |
CN111920388A (zh) * | 2020-08-25 | 2020-11-13 | 南京沃福曼医疗科技有限公司 | 一种基于oct图像评估斑块负荷的方法 |
CN112070899B (zh) * | 2020-09-10 | 2024-04-05 | 杭州晟视科技有限公司 | 基于医学图像还原血管零压模型的方法、装置及存储介质 |
WO2022109907A1 (zh) * | 2020-11-25 | 2022-06-02 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
CN112509020B (zh) * | 2020-12-07 | 2021-09-28 | 昆山戎影医疗科技有限公司 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
CN112674736B (zh) * | 2021-01-08 | 2023-07-25 | 上海博动医疗科技股份有限公司 | 一种用于自动评价血管形变的监测显示方法及系统 |
CN112686991B (zh) * | 2021-01-08 | 2022-04-05 | 上海博动医疗科技股份有限公司 | 一种采用混合方式重建血管正常管腔形态的方法及系统 |
CN113066064B (zh) * | 2021-03-29 | 2023-06-06 | 郑州铁路职业技术学院 | 基于人工智能的锥束ct图像生物结构识别及三维重建系统 |
CN113192004B (zh) * | 2021-04-01 | 2022-01-18 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统 |
CN113160265B (zh) * | 2021-05-13 | 2022-07-19 | 四川大学华西医院 | 一种用于胼胝体状态评估的脑部胼胝体分割预测图像的构建方法 |
CN113592925B (zh) * | 2021-07-16 | 2024-02-06 | 华中科技大学 | 一种术中超声图像及其轮廓实时配准方法及系统 |
CN113538537B (zh) * | 2021-07-22 | 2023-12-12 | 北京世纪好未来教育科技有限公司 | 图像配准、模型训练方法、装置、设备、服务器及介质 |
CN113744223A (zh) * | 2021-08-26 | 2021-12-03 | 联影智能医疗科技(北京)有限公司 | 血管的风险评估方法、计算机设备和存储介质 |
CN113876304A (zh) * | 2021-09-08 | 2022-01-04 | 深圳市中科微光医疗器械技术有限公司 | 一种基于oct图像和造影图像确定ffr的方法及装置 |
CN114403817B (zh) * | 2022-01-25 | 2023-03-10 | 首都医科大学附属北京安贞医院 | 一种冠脉径向变化测定方法和装置 |
CN114155243B (zh) * | 2022-02-09 | 2022-07-05 | 天津恒宇医疗科技有限公司 | 基于特征信息的ivus和oct图像融合方法及系统 |
CN115409880B (zh) * | 2022-08-31 | 2024-03-22 | 深圳前海瑞集科技有限公司 | 工件数据配准方法、装置、电子设备及存储介质 |
CN116705330B (zh) * | 2023-07-31 | 2023-11-10 | 柏意慧心(杭州)网络科技有限公司 | 确定血管壁的弹性特征的方法、计算设备和介质 |
CN116898472B (zh) * | 2023-09-14 | 2023-12-12 | 柏意慧心(杭州)网络科技有限公司 | 用于确定主动脉血管直径的方法、计算设备和介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2449080A1 (en) * | 2003-11-13 | 2005-05-13 | Centre Hospitalier De L'universite De Montreal - Chum | Apparatus and method for intravascular ultrasound image segmentation: a fast-marching method |
US7805177B2 (en) * | 2004-06-23 | 2010-09-28 | M2S, Inc. | Method for determining the risk of rupture of a blood vessel |
US11064964B2 (en) * | 2007-03-08 | 2021-07-20 | Sync-Rx, Ltd | Determining a characteristic of a lumen by measuring velocity of a contrast agent |
CN101474082B (zh) * | 2009-01-16 | 2011-06-08 | 北京工业大学 | 基于有限元形变理论的血管壁弹性分析方法 |
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
JP6134789B2 (ja) * | 2012-06-26 | 2017-05-24 | シンク−アールエックス,リミティド | 管腔器官における流れに関連する画像処理 |
JP6091870B2 (ja) * | 2012-12-07 | 2017-03-08 | 東芝メディカルシステムズ株式会社 | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
US10631718B2 (en) * | 2015-08-31 | 2020-04-28 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
CN106570313B (zh) * | 2016-10-18 | 2019-03-08 | 上海交通大学 | 获取四维血管变形行为与管壁在体应力的方法及系统 |
CN106974622B (zh) | 2017-04-06 | 2021-08-24 | 上海交通大学 | 基于光学相干断层成像的斑块稳定性测量系统 |
CN108038848B (zh) * | 2017-12-07 | 2020-08-11 | 上海交通大学 | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 |
-
2017
- 2017-12-07 CN CN201711282886.3A patent/CN108038848B/zh active Active
-
2018
- 2018-05-29 EP EP18885666.0A patent/EP3723038B1/en active Active
- 2018-05-29 US US16/768,545 patent/US11049246B2/en active Active
- 2018-05-29 WO PCT/CN2018/088861 patent/WO2019109607A1/zh unknown
- 2018-05-29 JP JP2020529468A patent/JP6851672B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
EP3723038B1 (en) | 2022-08-10 |
EP3723038A4 (en) | 2021-09-15 |
JP2021504059A (ja) | 2021-02-15 |
WO2019109607A1 (zh) | 2019-06-13 |
CN108038848A (zh) | 2018-05-15 |
US20200320688A1 (en) | 2020-10-08 |
EP3723038A1 (en) | 2020-10-14 |
CN108038848B (zh) | 2020-08-11 |
US11049246B2 (en) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6851672B2 (ja) | 医療画像シーケンスに基づくプラーク安定性指標の高速計算方法及びシステム | |
US11482339B2 (en) | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring risk | |
US10580526B2 (en) | System and method for calculating vessel flow parameters based on angiography | |
JP7308238B2 (ja) | X線画像特徴検出および位置合わせのシステムおよび方法 | |
US11896416B2 (en) | Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images | |
US8977339B1 (en) | Method for assessing stenosis severity through stenosis mapping | |
US8787641B2 (en) | Method and apparatus for quantitative analysis of a tree of recursively splitting tubular organs | |
CN109074870B (zh) | 用于对未分辨血管进行识别和建模的系统和方法 | |
Vardoulis et al. | Validation of a novel and existing algorithms for the estimation of pulse transit time: advancing the accuracy in pulse wave velocity measurement | |
EP3723041A1 (en) | Automated measurement system and method for coronary artery disease scoring | |
CN105518684A (zh) | 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法 | |
CN113040795B (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
JPH03184531A (ja) | 血流量測定装置 | |
US20160213253A1 (en) | Analysis of optical tomography (oct) images | |
CN110786842B (zh) | 测量舒张期血流速度的方法、装置、系统及存储介质 | |
CN103020958B (zh) | 一种基于曲率尺度空间的血管自动匹配方法 | |
CN112384136A (zh) | 基于造影图像获取血管评定参数的方法、装置及系统 | |
CN113180614A (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
CN112384138A (zh) | 获取心表大动脉的血流量的方法、装置、系统及存储介质 | |
Zahnd et al. | Fusion of fibrous cap thickness and wall shear stress to assess plaque vulnerability in coronary arteries: a pilot study | |
US10332255B2 (en) | Method for assessing stenosis severity in a lesion tree through stenosis mapping | |
KR102078622B1 (ko) | 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법 | |
CN117198510A (zh) | 基于影像学的血管模拟干预评估系统 | |
JPWO2020151965A5 (ja) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200529 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200925 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201015 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210108 |
|
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: 20210216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210303 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6851672 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |