KR20140007772A - 감산 혈관 조영의 획득을 위한 방법 - Google Patents
감산 혈관 조영의 획득을 위한 방법 Download PDFInfo
- Publication number
- KR20140007772A KR20140007772A KR1020130080320A KR20130080320A KR20140007772A KR 20140007772 A KR20140007772 A KR 20140007772A KR 1020130080320 A KR1020130080320 A KR 1020130080320A KR 20130080320 A KR20130080320 A KR 20130080320A KR 20140007772 A KR20140007772 A KR 20140007772A
- Authority
- KR
- South Korea
- Prior art keywords
- contrast
- image
- images
- series
- digital images
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 43
- 230000009466 transformation Effects 0.000 claims abstract description 24
- 210000000056 organ Anatomy 0.000 claims abstract description 19
- 238000002583 angiography Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000000844 transformation Methods 0.000 claims abstract description 9
- 210000001519 tissue Anatomy 0.000 claims description 10
- 210000004204 blood vessel Anatomy 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 14
- 230000002792 vascular Effects 0.000 abstract description 10
- 230000004899 motility Effects 0.000 abstract description 4
- 210000003484 anatomy Anatomy 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 abstract description 2
- 210000001835 viscera Anatomy 0.000 abstract description 2
- 239000002872 contrast media Substances 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 5
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 210000005166 vasculature Anatomy 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- 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
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 엑스레이 이미지들의 디지털 프로세싱의 분야에 관한 것이며, 혈관계의 이미지에서의 환자의 무의식적인 움직임과 내부 기관의 움직임의 영향(impact)을 보상하기 위해, 디지털 감산 혈관 조영(digital subtraction angiography)에 사용될 수 있다.
본 주장된 발명의 기술적인 결과는 해부학 구조들의 운동성에 의해 발생되는 아티팩트들을 제거함으로써 감산 혈관 조영 이미지들에 대한 진단 값의 개선이다.
디지털 이미지들 기록의 단계에서, 특성 세목들에 대한 검색이 각각의 이미지에 대해 수행됨에 의해 성취된다. 상기 세목들의 시프트에 따라, 환자 기관들의 예상 가능한 시프트를 결정한다. 이후 동질적인 왜곡의 구역에서 사전-컨트라스트 시리즈로부터의 이미지에 대한 세그먼테이션을 수행하고; 각각의 구역에 대해, 기하학적 변환이 계산되며, 대응하는 기하학적 변환은 사전-컨트라스트 디지털 이미지들의 시리즈에 대한 각각의 구역에서 수행된다.
본 주장된 발명의 기술적인 결과는 해부학 구조들의 운동성에 의해 발생되는 아티팩트들을 제거함으로써 감산 혈관 조영 이미지들에 대한 진단 값의 개선이다.
디지털 이미지들 기록의 단계에서, 특성 세목들에 대한 검색이 각각의 이미지에 대해 수행됨에 의해 성취된다. 상기 세목들의 시프트에 따라, 환자 기관들의 예상 가능한 시프트를 결정한다. 이후 동질적인 왜곡의 구역에서 사전-컨트라스트 시리즈로부터의 이미지에 대한 세그먼테이션을 수행하고; 각각의 구역에 대해, 기하학적 변환이 계산되며, 대응하는 기하학적 변환은 사전-컨트라스트 디지털 이미지들의 시리즈에 대한 각각의 구역에서 수행된다.
Description
본 발명은 디지털 엑스레이 이미지 프로세싱의 분야에 관한 것이며, 혈관계(vascular system)의 이미지들에서의 환자의 무의식적인 움직임과 내부 기관(organs)의 정상적인 움직임의 영향(impact)을 보상하기 위한 디지털 감산 혈관 조영(digital subtraction angiography)에 적용될 수 있다.
혈관 조영은 검사 중인 환자의 혈관(blood vessels)에 조영제(contrast medium)을 주입하는 것에 기초하여 혈관의 내부를 보이게 하도록 사용되는 의학 영상 기술(medical imaging technique)이다. 혈관 조영에서 혈관들을 제외하고, 조영제로 채워진 혈관들을 인지하는 것을 종종 방해하는 주위의 기관 및 조직(tissue) 이미지들이 확인될 수 있다. 디지털 감산 혈관 조영(DSA)에서 주위의 조직이 덜 보이게 하기 위해, 이들은 조영제(contrast agent)가 혈관계에 주입되기 이전에 획득되는 환자의 관심 영역(ROI: Region of interest)의 엑스레이 이미지인 사전-컨트라스트 이미지(pre-contrast image)를 생성한다. 이후, 관심있는 혈관들을 통해 주입된 조영제의 통로(passage)를 보여주기 위한 이미지들의 시퀀스가 촬영된다. 후치-컨트라스트 이미지들(post-contrast images)이라고 부르는 이들 이미지들은 조영제 주입의 초기에 기록된(registered) 이미지들이며; 이들은 혈관 증대(advancement) 및 혈액 용해(blood dissolution)의 점진적 증가(gradual)와 함께, 혈관 조영제 수행(fulfillment)의 단계들(phases)을 나타낸다. 사전-컨트라스트 이미지로부터의 후치-컨트라스트 이미지의 감산(subtraction)으로 인해, 혈관계에 속하지 않는 아티팩트들(artifacts)은 보정될 수 있다. 이는 혈관 가시성 향상(vessels visibility enhancement)과, 치료 및 진단 개선(treatment and diagnostic improvement)을 의미한다.
후치-컨트라스트 및 사전-컨트라스트 이미지들의 획득이 상이한 시간 지점에서 수행되기 때문에, 주위의 조직 및 기관들에 대한 임의의 공간 변화는 이미지들 내에 아티팩트들을 야기한다. 이들은 특히 이동 가능한 기관들의 컨트라스트 경계부들(borders)에서 눈에 보인다. 일부 경우들에서, 아티팩트들의 컨트라스트는, 혈관계의 필수적인 프래그먼트들(fragments)을 가리고(masking), 일부 세목들(details)을 인지할 수 없게 하는 혈관들의 컨트라스트를 초과한다.
DSA에 적용된 이미지들을 매칭시키기 위한 방법(US 제7409078호)이 알려져 있다. 이 방법에 따르면, DSA 이미지는 다음과 같이 생성된다:
- 환자의 혈관계로의 조영제 주입 이전에 사전-컨트라스트 이미지를 획득;
- 환자의 혈관계에 조영제를 주입;
- 후치-컨트라스트 이미지를 획득;
- 사전-컨트라스트 이미지에 정규 그리드(regular grid)를 배치;
- 그리드 교차점들(grid crossings)에서의 제어 포인트들을 사용하여, 후치-컨트라스트 및 사전-컨트라스트 이미지들을 매칭;
- 모니터에 디스플레이될 감산된 이미지를 계산;
- 제어 포인트들의 안정도(stability)를 테스트; 만약 충분하지 않는 경우, 그리드를 보다 작거나 또는 보다 큰 셀들로 분할;
본 방법은 프로세싱된 이미지 특성들의 불완전한 집합으로부터 어려움을 겪으며; 이는 움직임 아티팩트에 대한 차선의 보정(suboptimal correction)을 한다.
DSA 이미지들에 대한 방법 및 디바이스(US 제5848121호)가 알려져 있다. 본 방법에 따르면, DSA 이미지는 다음과 같이 생성된다:
- 환자의 혈관계로의 조영제 주입 이전에 사전-컨트라스트 이미지를 획득;
- 환자의 혈관계로 조영제를 주입;
- 후치-컨트라스트 이미지를 획득;
- 사전-컨트라스트 및 후치-컨트라스트 이미지들에서 특정 세목들의 집합을 발견;
- 양 이미지들 내에서의 식별된 특정 세목들 사이의 대응(correspondence)을 결정;
- 특성 포인트 좌표들(characteristic point coordinates)에 기초하여 적응 국부적 기하학적 변환(adaptive local geometrical transform)의 모델을 구축;
- 사전-컨트라스트 이미지를 변형하기 위해, 획득된 변환을 적용;
- 후치-컨트라스트 이미지의 대수(logarithm)에서, 변형된 사전-컨트라스트 이미지의 대수를 감산함으로써, 감산된 이미지를 구축;
본 방법의 단점은 사전-컨트라스트 및 후치-컨트라스트 이미지들의 특성 포인트 대응에 대한 그릇된 결정이 결과적인 이미지 내에 제거할 수 없는 결점들을 야기한다는 것이다.
본 명세서에 개시된 방법에 가장 근접한 방법은 특허 출원 US 제2010/0266188호에 따라, 흉부(chest) 엑스레이 이미지들을 매칭, 감산, 및 디스플레이하는 방법이다. 본 방법은 다음의 작동들로 이루어진다:
- 환자의 혈관계로의 조영제 주입 이전에 사전-컨트라스트 이미지를 획득;
- 환자의 혈관계로 조영제를 주입;
- 후치-컨트라스트 이미지를 획득;
- 이에 따라, 동일 기관들을 보이게 하는 적어도 두 개의 엑스레이 이미지들을 획득;
- 사이즈, 강도, 및 컬러 깊이(color depth), 뿐만 아니라 ROI 선택에 따른 정상화(normalizaiton)를 수반하는 예비의 이미지 프로세싱을 수행;
- 시프트- 및 회전(rotation) 보상을 포함하는 러프(rough) 이미지 매칭을 수행;
- 미세한 세목들의 상관된 매칭, 또는 광학 흐름 계산(optical flow computation)을 위한 방법을 이용하여, 정확한 이미지 매칭을 수행;
- 요구되는 세목들에 대한 최상의 가시성, 및 관계없는 세목들에 대한 최상의 제거를 제공하기 위한 방식으로 매칭된 이미지들을 감산.
본 주장된 방법의 특징들에 대한 공통점은 다음과 같다:
1. 제어 영역들(control regions)의 제한된 집합에 매칭된 이미지들을 연결하는 기하학적 변환들의 추정.
2. 이미지 내의 검사된 기관들에 대한 시프트, 회전, 및 국부적 왜곡(warping)을 보상하기 위한 가능성.
3. 움직임 추정에 있어서, 이미지들에 대한 멀티스케일 분석.
4. 특정 세목 향상{본 주장된 발명에서는 혈관들, 또는 표준(prototype)에서는 폐 미세결절(lung micronodules)}에 겨누어진 매칭된 이미지들에 대한 감산 프로세싱.
US 제2010/0266188호에 주장된 본 방법의 주요 단점은, 검사된 대상(object)이 획득된 혈관 조영의 품질에 상당히 영향을 주는 특정한 특성들을 가질 때에 움직임 추정의 제한된 정확도이다. 이는 큰 스케일{러프(rough)}로부터 보다 작은 스케일(보다 정확)로의 상이한 스케일들에서 움직임 보상의 순차적인 프로세스 때문이다. 임상 실습(clinical practice)에 직면한 다수의 이미지들에 대한 공간 주파수 분석은, 많은 이미지들이 공간 해상도(spatial resolution)만을 감소시키는 필수 세목들을 포함하는 것을 보여준다. 이러한 경우에, 상기 방법은 에러 축적(error accumulation)이 발생된 명확한 순간까지 정확한 결과들을 제공한다.
게다가, 알려진 방법에 따르면, 명확히 한정된 에지들을 갖는 적어도 두 개의 움직이는 프래그먼트들이 ROI에 존재하는 경우, 좌표 변환의 함수는 움직임 보상 정확도에 불리하게 영향을 주는 ROI 내에서 스무스(smooth)하다.
본 발명은 움직이는 해부학 구조 아티팩트들을 제거하여 감산 혈관 조영의 진단 값을 증가시킬 수 있는 방법을 제공하고자 한다.
본 발명의 기술적 결과는 움직이는 해부학 구조 아티팩트들의 제거로 인해 감산 혈관 조영의 진단 값에 대한 증가에 있다.
엑스레이 디바이스를 이용하여 N 사전-컨트라스트 디지털 이미지들의 시리즈를 획득하는 환자의 엑스레이 노출을 수행하고, 환자의 혈관계에 조영제를 주입하여, 노출 이후에 M 디지털 이미지들의 후치-컨트라스트 이미지 시리즈를 획득하는 것; 디지털 사전-컨트라스트 및 후치-컨트라스트 이미지 시리즈의 공간적 대응을 더 매칭시키는 것; 후치-컨트라스트 이미지들에서 사전-컨트라스트 이미지들을 감산하는 것; 및 획득된 디지털 혈관 조영을 출력 디바이스에 전달하는 것;으로 이루어지는 감산 혈관 조영의 획득을 위한 방법의 기술적 결과는, 이미지 매칭의 단계에서 각각의 이미지의 특성 세목들에 대한 검색이 수행되고; 상기 세목들의 시프트들을 참조하여, 환자의 기관들의 가능한 시프트들이 결정되고; 유사한 움직임 영역 내의 사전-컨트라스트 이미지 시리즈에 대한 이미지 세그먼테이션(image segmentation)이 수행되고; 각 영역에 대한 기하학적 변환이 계산되고; 사전-컨트라스트 이미지 시리즈 내의 모든 영역들에 대한 적절한 기하학적 변환이 적용됨으로써 성취된다.
골격 구조들 및 환자의 기관들의 요소들과 같은 특성 세목들이, 노출 동안 디지털 이미지들 내에서의 이들의 위치가 위치의 공간 변화와는 상관없이 명확하게 결정되는 방식으로 선택되는 본 발명의 다른 가능한 실시예가 제공된다.
유사한 움직임 영역 내의 사전-컨트라스트 이미지 시리즈의 세그먼테이션에 있어서, 후치-컨트라스트 시리즈의 현재의 이미지에 대한 가능한 시프트들의 유한한 집합은 각각의 추가적인 특성 세목으로 인한 것이며, 특성 세목들이 조화되어 움직이는 영역들이 선택되는 본 발명의 다른 가능한 실시예가 제공된다.
사전-컨트라스트 이미지 시리즈 내에서, 엑스레이 장비의 움직일 수 없는 부분들이 선택되고; 디지털 이미지 매칭의 단계에서, 이들 영역들에 영-시프트(zero-shift)가 주어지는 본 발명의 다른 가능한 실시예에가 제공된다.
N 디지털 이미지들에 대한 사전-컨트라스트 시리즈의 획득 이후에, 디지털 이미지들의 가중된 합(weighted summation)을 이용하여 단일 참조 사전-컨트라스트 이미지(single referring pre-contrast image)가 생성되는데, 첫 번째 이미지는 변경없이 저장되고, 각각의 차후의 이미지에 대해 현재의 레퍼런스 이미지와 합(summation)되기 이전에, 후자의(latter) 이미지와의 공간 매칭이 수행되는 본 발명의 다른 가능한 실시예가 제공된다.
후치-컨트라스트 디지털 이미지들의 시리즈를 획득하는 동안에, 후치-컨트라스트 시리즈로부터의 레퍼런스 이미지가 선택되고; 이 이미지는 반복적으로 특성 세목 검색, 시프트 추정 및 세그먼테이션의 대상이 되는 본 발명의 다른 가능한 실시예가 제공된다.
획득된 디지털 이미지들 각각에서, 서로를 가리는(shawdowing) 기관들 및 조직들은 상이한 깊이의 기관들 및 조직들에 대응하는 조각들(slices)인 적어도 두 개의 오버래핑된 이미지들로 나누어지며; 이미지 매칭은 차후의 합을 통해 각각의 조각에 대해 독립적으로 수행되는 본 발명의 다른 가능한 실시예가 제공된다.
본 주장된 해결책, 뿐만 아니라 앞서 개설된 실용적인 목적에 대한 실질적 구현 및 성취의 가능성은 도 1 내지 도 4에 도시된다.
본 발명은 움직이는 해부학 구조 아티팩트들의 제거로 인해 감산 혈관 조영의 진단 값을 증가시킨다.
도 1은 엑스레이 디바이스를 도시하는 도면.
도 2는 후치-컨트라스트 이미지 시리즈의 컨텐츠를 도시하는 도면.
도 3은 움직이는 기관들의 세그먼테이션을 도시하는 도면.
도 4는 프로세싱 결과들을 도시하는 도면.
도 2는 후치-컨트라스트 이미지 시리즈의 컨텐츠를 도시하는 도면.
도 3은 움직이는 기관들의 세그먼테이션을 도시하는 도면.
도 4는 프로세싱 결과들을 도시하는 도면.
디지털 엑스레이 이미지들의 획득은, 예를 들어 도 1에 도시된 엑스레이 디바이스를 이용하여 수행된다. 이는 엑스레이(2)의 흐름을 방출하는 엑스레이 튜브(1)를 포함한다. 엑스레이(2)는 테이블(4)에 배치된 환자의 몸(3)을 통과하고, 리시버(5)에 들어간다. 리시버(5)는 엑스레이에 대한 디지털 이미지로의 컨버젼을 제공한다. 가능한 버전의 실시예 중 하나에서, 리시버는 엑스레이를 가시광으로 컨버팅하는 섬광 스크린(scintillating screen)(도시되지 않음), 및 감광성 매트릭스 어레이(photosensitive matrix array)(도시되지 않음)를 포함할 수 있다. 엑스레이 튜브(1)와 수신기(5)는 테이블(4)에 대항하는 움직임에 대한 자유도(degrees of freedom)를 갖는 지지부(6)에 고정된다.
본 주장된 방법에 따르면, 환자의 노출은 N 디지털 이미지들의 사전-컨트라스트 시리즈를 획득했다(여기서, N≥1). 환자의 혈관계에 조영제를 주입하면, M 디지털 이미지들의 후치-컨트라스트 시리즈를 획득할 수 있다(여기서, M≥1). 후치-컨트라스트 시리즈의 모든 이미지에 대해, 사전-컨트라스트 또는 후치-컨트라스트 시리즈에 속할 수 있거나, 또는 양 시리즈로부터의 많은 이전 이미지들에 대한 결합된 프로세싱의 결과일 수 있는 적절한 레퍼런스 이미지를 선택할 수 있다.
상이한 유형의 본 발명의 실시예들에 따라, 사전-컨트라스트 및 후치-컨트라스트 시리즈의 이미지들의 획득 및 프로세싱에 대한 다음의 버전들이 제공된다.
1. N 디지털 이미지들의 사전-컨트라스트 시리즈(여기서, N≥1)는 지지부가 정지하는 동안 획득된다. 수동적으로 선택된 최고의 품질의 이미지(또는 단일의 사전-컨트라스트 이미지, N=1)는 후치-컨트라스트 시리즈로부터의 모든 이미지들의 프로세싱 동안 레퍼런스 이미지로서 사용된다.
2. 적어도 두 개의 디지털 이미지들의 사전-컨트라스트 시리즈는 지지부가 정지하는 동안 획득된다. 수동적으로 선택된 최고의 품질의 이미지는 레퍼런스 이미지로서 저장된다. 모든 차후의 이미지들은 레퍼런스 이미지와의 공간 매칭을 겪는다. 매칭된 이미지들은 합(summation)의 대상이 되며, 합의 결과는 업데이트된 레퍼런스 이미지로서 저장된다. 이로 인해 레퍼런스 이미지 잡음 제거(denoising)가 이루어진다. 후치-컨트라스트 이미지 시리즈를 프로세싱할 때에는 하나의 레퍼런스 이미지만이 사용된다.
3. 혈관 조영 검사가, 예를 들어 환자의 긴 혈관들을 검사할 때에 지지부를 이동시키는 것을 요구하는 경우에, 사전-컨트라스트 이미지는 상이한 지지부 위치들에서 획득된다. 지지부 움직임 경로는 사전-컨트라스트 및 후치-컨트라스트 이미지 시리즈에 대해 모두 동일하다. 각각의 사전-컨트라스트 이미지는 동일 지지부 위치에서 획득되는 후치-컨트라스트 이미지 시리즈를 프로세싱함에 있어서 참조하는 이미지(referring one)이다.
4. 후치-컨트라스트 이미지 시리즈 획득의 경우에, 이제부터 선호 이미지(preference image)는 조영제가 채워진 혈관들의 가시성을 낮추기 위한 방식으로 프로세싱된 후치-컨트라스트 이미지들 중 하나로서 사전-컨트라스트 이미지를 대신할 것이기 때문에, 발생한 예상치 못한 지지부 또는 환자의 움직임 또는 다른 이유들은 이미지 컨텐츠를 변경하였다.
도 2는 후치-컨트라스트 시리즈에 대한 디지털 혈관 조영 이미지의 컨텐츠를 도시한다. 리시버의 직사각형의 시야(field of view, 7)는 검사 동안 정지한 엑스레이 디바이스 구성 요소들(8)에 의해 부분적으로 숨겨진다. 조영제로 채워진 환자의 이미지는 혈관(9), 및 혈관 조영 검사에 포함되지 않는 기관들 및 조직들(10)을 포함한다.
후치-컨트라스트 시리즈 및 레퍼런스 이미지를 매칭시키기 위해, 이미지 매칭에 대한 최상의 방법을 제공하는 기하학적 변환을 결정할 수 있다. 정지한 영역들에 대한 예비의 선택으로 인해, 이미지들을 매칭시키기 위한 섹터(sector)는 좁혀진다. 이는, 리시버의 시야의 일부분이 조준기 셔터(collimator shutter)에 의해 차폐되고, 리시버가 원형 섹션의 전자-광학 트랜듀서(electro-optical tranducer)를 포함할 때에 요구된다. 정지한 영역들의 에지들은 선형 또는 스무스한 곡선들의 형상, 뿐만 아니라 높은 컨트라스트를 가지며; 이는, 회귀 분석 기술(regression analysis technique)과 결합하여 기하학적 원형 선택(geometric primitives selection)의 잘 알려진 알고리즘들(예컨대, Hough 변환)을, 이들의 검색을 위해 사용하는 것을 가능하게 한다.
이러한 영역들의 부동성(immobility)은 각각의 레퍼런스 이미지의 프로세싱 동안 한번 이들을 선택하는 것을 가능하게 한다.
이미지 기록(registration)을 수행할 때, 우선적으로 레퍼런스 이미지로부터 제어 영역들의 유한한 집합을 선택한다. 제어 영역들은 이미지의 특성 세목들을 포함하기 위한 방식으로 선택된다. 특성 세목은, 밝기 및 기하학적 변환들에 상관없이, 뿐만 아니라 잡음의 존재 하에서, 주어진 대상의 이미지들 내의 그것을 신뢰할만하게 분별하는 것을 가능하게 하는 성질들(properties)을 가질 것이다.
제어 영역들을 선택하기 위해, 다음의 작동들이 수행된다:
1. 가우시안 피라미드(Gaussian pyramid) 또는 유사 변환을 이용한 멀티스케일 이미지 표현. 스케일의 수는 수동으로 설정되거나, 또는 이미지의 공간-주파수 스펙트럼 형사에 따라 조정된다.
2. 각각의 스케일에서, 특성 세목 향상 작동자(characteristic details enhancement operator)가 이미지에 적용된다. 본 발명의 한 실시예에서, 이 작동자는 이미지의 각 포인트에서의 텍스쳐(texture)에 대한 공분산 매트릭스(covariance matrix)의 계산에 기초한다. 검출기 응답은 이 매트릭스의 고유값들의 곱(product)이다. 검출기 응답의 극대값들(local maxima)은 대상의 경계들(boundaries)에 대한 밝기 차이, 굽음(bending) 및 교차점들(intersections)에 대응한다.
3. 상이한 스케일들에서 발견된 최대의 검출기 응답 값으로 세목들을 선택함으로써 특성 세목들의 집합을 제한한다. 상이한 스케일에서 검출기 응답 값들을 정확히 비교하기 위해, 보다 큰 스케일에서 보다 작은 스케일로의 전이(transition)를 수행할 때에 증가하는 단조 증가 보정 인수(monotone increasing correction factor)가 도입된다.
4. 발견된 특성 세목들 각각의 이웃에서, 최대의 검출기 응답이 획득된 스케일에 대응하는 사이즈의 제어 영역을 형성한다. 각각의 영역으로 인해, 텍스쳐 공분산 매트릭스의 결과적인 고유값들에 대응하는 공간 배향이 더 발생할 수 있다.
본 발명의 간소화된 실시예는 특성 세목들에 대한 검색이 수행되지 않을 때에 가능하다. 대신에, 미리 설정된 형상(예컨대, 정사각형)의 기하학적 그리드가 이미지에 겹쳐지며, 제어 영역들이 집합은 그리드 노드들에 위치된다.
레퍼런스 이미지 분석의 결과는 한 집합의 제어 영역들이며, 이들 각각에 대해, 중심의 좌표들, 사이즈, 및 본 발명의 실시예에 따라, 추가적인 속성들(attributes)이 저장된다.
후치-컨트라스트 집합으로부터의 각각의 디지털 이미지에 대해, 뿐만 아니라 레퍼런스가 아닌 사전-컨트라스트 집합으로부터의 이미지들에 대해, 레퍼런스 이미지의 기록 절차는 다음과 같이 수행된다:
1. 레퍼런스 이미지를 프로세싱할 때와 동일한 방식으로 이미지에서 제어 영역들을 선택한다.
2. 현재의 이미지의 제어 영역 속성들에 대한 레퍼런스 이미지의 저장된 제어 영역 속성들과의 비교를 수행한다. 상관에 기초하여, 제어 영역들 사이의 일대일 대응을 결정한다. 각각의 제어 영역에 대한 결과로서, 레퍼런스 이미지에 관련된 변위 벡터(displacement vector)가 생긴다. 일반적인 경우에, 레퍼런스 이미지에서 선택된 제어 영역들의 집합은 현재의 이미지에 대한 제어 영역들의 집합과 완전히 매칭될 수는 없다. 앞서 언급된 작동들 동안에 발생하는 시프팅 결정 에러들은 추가적인 프로세싱 동안에 통계학적인 기술을 적용함으로써 제거된다.
3. 제어 영역들의 집합으로부터 이러한 그룹들을 선택하며, 이러한 그룹들의 시프트는 일관되게 발생하며, 기하학적 변환을 위해 선택된 모델에 의해 만족스러운 정확성으로 설명된다. 본 발명의 한 가능한 실시예에서, 이러한 모델은 아핀 변환(affine transformation)이며, 이는 시프트, 회전, 기울임(tilting), 및 줌잉(zooming)의 다양한 결합들을 의미한다. 예를 들어, 도 3은 환자의 머리에 대한 상이한 운동성을 갖는 3개의 영역들: 두개골(11), 아래턱(12), 및 어깨(13)로의 측면 투영(lateral projection)의 세그먼테이션(파티셔닝)을 도시한다. 변위 벡터들은 아웃라이어 벡터들(outlier vectors, 15)을 포함하며, 제어 영역(14)의 중심들에 의해 기인한다. 시프트들의 클러스터 분석에 대한 결과로서 기하학적 변환들의 일반적인 모델은 제어 영역들의 각 그룹으로 인해 기인한다.
4. 이미지 밝기 기울기(gradient)에 대한 데이터를 사용하여, 제어 영역들의 선택된 그룹들을 포함하는 이미지 세그먼트들의 경계들을 결정한다.
5. 계산된 기하학적 변환들을 선택된 이미지 세그먼트들에 적용하여, 레퍼런스 이미지를 변환한다. 에지 효과들을 감소시키기 위해, 보간법(interpolation)이 세그먼트들의 경계에 적용될 수 있다.
이미지 기록이 완료된 이후에, 변환된 레퍼런스 이미지의 밝기에 의한 현재의 이미지 밝기의 픽셀-단위의 산술적 나눗셈(pixel-wise arithmetical division)이 수행된다. 이러한 연산은 대수의 감산(logarithmic subtraction)에 대응한다. 결과는 요구되는 감산 이미지이다.
도 4는 움직임 보상을 사용하지 않고 획득된 혈관 조영 이미지(16)와, 본 주장된 방법에 의해 획득된 혈관 조영 이미지(17)의 비교를 도시한다. 첫 번째의 경우에, 조영제로 채워진 혈관들의 이미지들(18)은 기존의 어떤 기관들 또는 조직들의 이미지들이 아닌 움직임 아티팩트들(19)을 포함한다. 두 번째의 경우에, 아티팩트들(20)은 상당히 희미하게 표현된다.
레퍼런스 이미지와 현재의 이미지의 제어 영역들에 대한 비교 이후에 획득된 광학 흐름 범위(field)의 세그먼테이션으로 인해, 조사된 혈관들의 식별(discernibility)을 악화시키고, 본 주장된 방법에 의해 획득된 혈관 조영 이미지들의 진단 값을 개선하는 기관들의 보다 낮은 나머지 가시성(lower residual visibility)을 성취한다.
본 발명의 최상의
실시예
엑스레이 이미지들은 엑스레이 시스템의 사용을 통해 획득되며, 엑스레이 시스템의 고정부들은 검출기의 작동 범위에 투영되지 않는다. 2-3 사전-컨트라스트 디지털 이미지들의 시리즈를 획득하기 위해 엑스레이 노출이 수행된다. 사전-컨트라스트 이미지들의 시리즈로부터의 제1 디지털 이미지에서, 특성 세목들의 검색이 수행된다. 이를 수행하기 위해, 다음의 작동들이 수행된다:
1. 이미지의 멀티스케일 표현이 형성되며, 이는 4 레벨들로 이루어진다. 제1 레벨은 이미지 자체이다. 이후, 각각의 다음 레벨을 형성하기 위해, 3x3 요소들의 애퍼쳐(aperture)를 갖는 디지털 스무싱 필터(digital smoothing filter)가 적용되며, 이미지는 2의 인수에 의해 서브샘플링된다.
2. 멀티스케일 이미지의 각 레벨에서, 특성 세목들을 선택한다. 이를 수행하기 위해, 우선적으로 밝기의 제1 편도함수(partial derivatives)를 수평 및 수직으로 계산한다:
이후, 이미지의 각각의 픽셀에 대해, 텍스쳐의 공분산 매트릭스가 계산된다:
여기서 g - 5x5 요소들의 애퍼쳐를 갖는 가우시안 스무싱 필터의 임펄스 응답이다. 이후, 에지 향상 작동자 응답이 계산, 스케일-가중된다:
여기서 
- 멀티스케일 표현의 현재 레벨의 수, det C - 텍스쳐의 공분산 매트릭스의 결정자(determinant), tr C - 텍스쳐의 공분산 매트릭스의 자취(trace)이다. 이후, h의 값이 반지름 r의 이웃 내에 있는 극대값(local maximum)인 이미지 내의 포인트들을 선택한다. r의 값은 이미지 최대 선형 사이즈(반올림됨)의 2%와 동일하도록 할당된다.
3. 멀티스케일 표현의 모든 레벨에서 특성 세목들 선택의 결과들을 결합하고, 특성 세목들의 초기의 집합을 형성한다. 이것이 발생하면, h의 극대값 및 좌표들, 뿐만 아니라 (현재의 세목이 선택된) 멀티스케일 표현 레벨의 수는 각각의 특성 세목으로 인해 기인한다.
h의 보다 큰 값(순환하여 발생하는 세목들을 제거하기 위한 이웃의 반지름은 이미지 최대 선형 사이즈의 1%로 설정됨)을 갖는 다른 레벨들의 세목들에 근접한 세목들을 집합으로부터 제외한다. 값들의 결과적인 집합은 값 h의 내림차순으로 분류되며, 단지 우선적인 100 세목들만을 최종 집합에 유지한다. 모든 세목은 제어 영역에 할당되며, 제어 영역의 사이즈는 특성 세목이 선택된 보다 작거나 보다 큰 스케일이다.
라디오그래픽(radiographic) 조영제는 검사 중인 환자의 혈관에 주입되며, M 후치-컨트라스트 디지털 이미지들의 시리즈(여기서, M≥1)를 생기게 하는 엑스레이 노출이 수행된다.
사전-컨트라스트 시리즈로부터의 적어도 하나의 이미지, 및 후치-컨트라스트 시리즈로부터의 모든 이미지들을 포함하는 이미지들의 그룹에 대해, 다음의 작동들로 이루어지는 이미지 기록을 수행한다:
1. 이미지의 멀티스케일 표현이 형성되며, 이는 4 레벨들로 이루어진다. 제1 레벨은 이미지 자체이다. 이후, 각각의 다음 레벨을 형성하기 위해, 3x3 요소들의 애퍼쳐를 갖는 디지털 스무싱 필터가 적용되며, 이미지는 2의 인수에 의해 서브샘플링된다.
2. 각각의 제어 영역에 대해, 시프트 및 회전은 상관 방법을 이용하여 결정된다. 검색은 멀티스케일 표현의 해당 레벨에서 시작하고, 이는 특성 세목의 사이즈에 대응하며, 보다 큰 스케일로 지속되어, 연속적으로 검색 범위를 감소시키고, 정확도를 증가시킨다. 검색은 레퍼런스 및 현재의 이미지의 패치들(patches) 사이의 교차-상관 계수의 최대화(maximization)로 이루어진다:
여기서 TR - 제어 영역에 대응하는 레퍼런스 이미지 R의 패치, IR - 제어 영역에 대응하는 현재의 이미지 I의 패치, warp1(I,dx,dy,α) - 벡터 (dx,dy)에 의한 변형(translation)과 각도 α에 의한 회전으로 이루어지는 이미지 I의 변환, cov - 패치 내에서의 현재 및 레퍼런스 이미지들에 대한 밝기 샘플들의 공분산, D - 분산(dispersion)이다.
3. 각각의 세그먼트에 대해, 제어 영역들의 시프트들이 최소의 에러를 갖는 아핀 변환으로 설명되는 방식으로, 제어 영역들에 대한 K 세그먼트들로의 세그먼테이션을 수행한다. 좌표들의 아핀 변환은 다음의 형식을 가진다:
여기서 x,y - 포인트의 레퍼런스 좌표들, x',y' - 컨버팅된 좌표들, 
- 컨버전 인수들이다. 각 세그먼트에 대한 에러는 다음과 같이 정의된다:
여기서 
- 세그먼트 수, i - 제어 영역 수, Pk - k번째 세그먼트에 관련된 제어 영역들의 부분 집합이다. 세그먼테이션의 목적은 전체의 에러를 최소화하는 것이다:
수학식 7의 최소화 프로세스에서, 제어 영역들의 이그저스티브 집합(exhaustive set)을 구성하는 Pk, 해제 부분 집합 (disjoint subsets)이 결정되며; 또한 대응하는 아핀 매트릭스 A k가 결정된다.
K 세그먼트들의 수는 초기에는 알려지지 않지만, 세그먼테이션 절차 컨버전스를 개선하기 위해, 이 수는 5의 값으로 제한된다. 최적화의 반복적인 프로세스 동안에, 유사한 변환 매트릭스들을 갖는 세그먼트들이 결합되고, 이로써 세그먼트들의 최종 수는 제어 영역들 운동성의 성질에 따라 1에서 5까지의 범위에 이른다.
움직임을 고려하여, 현재의 이미지의 프로세싱을 수행한다. 현재의 화상이 사전-컨트라스트 시리즈로부터 유래되었다면, 이는 이전 단계에서 계산된 역변환(inverse transformation)의 대상이 된다. 레퍼런스 이미지는 수정된 현재의 이미지와의 가중된 산술 합에 의해 업데이트된다:
여기서 R' - 업데이트 이후의 레퍼런스 이미지, R - 업데이트 이전의 레퍼런스 이미지, t - 프로세싱된 시퀀스에서의 이미지 수, It - 현재의 이미지, warp2(It, A 1, A 2, ..., A K) - 조인트 변환(joint transformation)이며, 이는 이미지 It의 각 세그먼트가 A K 매트릭스에 의해 정의된 아핀 변환의 대상이 되게 한다.
현재의 화상이 후치-컨트라스트 시리즈로부터 유래되었다면, 이는 감산의 대상이 된다. 레퍼런스는 이전 단계에서 계산된 변환의 대상이 된다. 수정된 레퍼런스 이미지의 가중된 대수(weighted logarithm)는 현재의 이미지의 대수로부터 감산된다:
여기서 s - 0부터 1까지의 범위 이내의 감산 인수(subtraction factor)이다. 획득된 이미지 F는 출력 디바이스에 디스플레이된다. s를 조정함으로써, 방사선 전문의(radiologist)는 조사된 혈관들, 뿐만 아니라 해부학적 랜드마크들(anatomical landmarks)로서 공급되는 주위의 기관들을 출력 디바이스에 보이게 할 수 있다.
획득된 혈관 조영 이미지의 진단 값은 해부학 구조들의 운동성에 의해 야기된 아티팩트들을 제거함으로써 개선된다.
1 : 엑스레이 튜브 2 : 엑스레이
3 : 환자의 몸 4 : 테이블
5 : 리시버 6 : 지지부
7 : 리시버의 직사각형 시야 10 : 기관들 및 조직들
8 : 엑스레이 디바이스 구성 요소들
3 : 환자의 몸 4 : 테이블
5 : 리시버 6 : 지지부
7 : 리시버의 직사각형 시야 10 : 기관들 및 조직들
8 : 엑스레이 디바이스 구성 요소들
Claims (7)
- 혈관 조영 이미지들(angiographic images)을 획득하기 위한 방법으로서,
엑스레이 시스템의 사용을 통해, N 사전-컨트라스트 디지털 이미지들(pre-contrast digital images)의 시리즈를 발생시키는 환자의 노출(exposure)이 수행되고, 검사 중인 환자의 혈관들(blood vessels)에 조영제(contrast agent)가 주입되며, M 후치-컨트라스트 디지털 이미지들(post-contrast digital images)의 시리즈를 발생시키는 엑스레이 노출이 수행되고, 이에 대한 결과로서 사전-컨트라스트 및 후치-컨트라스트 시리즈로부터의 디지털 이미지들의 공간적 이미지 기록(spatial image registration)이 수행되며, 사전-컨트라스트 시리즈로부터의 디지털 이미지들은 후치-컨트라스트 시리즈로부터의 디지털 이미지들로부터 감산되고, 결과적인 디지털 혈관 조영 이미지는 출력 디바이스에 전달되는 것으로 이루어지는, 혈관 조영 이미지들을 획득하기 위한 방법에 있어서,
디지털 이미지들 기록의 단계에서, 특성 세목들(characteristic details)에 대한 검색은 환자의 기관들의 예상 가능한 시프트를 결정하는 상기 세목들의 시프트에 따라 각각의 이미지에 대해 수행되고, 동질적인 왜곡(homogenous warping)의 구역에서 사전-컨트라스트 시리즈로부터의 이미지의 세그먼테이션을 수행하며; 각각의 구역에 대해, 기하학적 변환(geometrical transformation)이 계산되고, 대응하는 기하학적 변환들은 사전-컨트라스트 디지털 이미지들의 시리즈의 각 구역에 대해 수행되는 것을 특징으로 하는, 혈관 조영 이미지들을 획득하기 위한 방법. - 제1항에 있어서,
특성 세목들에 대한 용량(capacity)에 있어서, 환자의 골격 구조 부분들(bone structure parts) 및 기관들을 선택하고, 환자의 위치에 있어서, 디지털 이미지들은 이들의 공간적 위치에 상관없이 고유하게 결정될 수 있는, 혈관 조영 이미지들을 획득하기 위한 방법. - 제1항에 있어서,
동질적인 왜곡의 구역에서 사전-컨트라스트 시리즈로부터의 디지털 이미지를 세그먼팅할 때, 후치-컨트라스트 시리즈로부터의 현재의 이미지에 관련된 가능한 시프트들의 유한한 집합은 특성 세목들이 일치하게 시프트되는 이미지 내의 선택 구역들(select regions) 및 각각의 특성 세목으로 인해 기인하는 것을 특징으로 하는, 혈관 조영 이미지들을 획득하기 위한 방법. - 제1항에 있어서,
사전-컨트라스트 시리즈로부터의 이미지들에서, 엑스레이 장비의 고정부들을 선택하고, 디지털 이미지들 기록의 단계에서, 제로 바이어스(zero bias)는 이들 구역들로 인해 기인하는 것을 특징으로 하는, 혈관 조영 이미지들을 획득하기 위한 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
N 사전-컨트라스트 디지털 이미지들의 시리즈를 획득한 이후에, 수정되지 않고 저장된 우선적인(first) 디지털 이미지들의 가중된 합(weighted summation)에 의해 단일의 레퍼런스 사전-컨트라스트 디지털 이미지를 형성하고, 현재의 레퍼런스 이미지와의 합 이전에 각각의 차후적인 이미지에 대해, 그것과의 공간적인 기록(spatial registration)을 수행하는 것을 특징으로 하는, 혈관 조영 이미지들을 획득하기 위한 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
후치-컨트라스트 디지털 이미지들의 시리즈를 획득하는 프로세스에서, 후치-컨트라스트 이미지들의 시리즈로부터 레퍼런스 이미지를 또한 선택하고, 특성 세목들에 대한 검색을 반복하며, 시프트 및 세그먼테이션을 평가(assess)하는, 혈관 조영 이미지들을 획득하기 위한 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
획득된 디지털 이미지들 각각에서, 서로를 가리는 기관들 및 조직들은 적어도 두 개의 오버랩핑 이미지들 - 상이한 깊이에 위치된 기관들 및 조직들에 대응하는 층들(layers)로 구분되고, 이미지들 기록은 각각의 층에 대해 독립적으로 수행되며, 결과들은 이후에 합산되는 것을 특징으로 하는, 혈관 조영 이미지들을 획득하기 위한 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EA201200924A EA024855B1 (ru) | 2012-07-10 | 2012-07-10 | Способ получения субтракционного ангиографического изображения |
| EAEA201200924 | 2012-07-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20140007772A true KR20140007772A (ko) | 2014-01-20 |
Family
ID=48747382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130080320A KR20140007772A (ko) | 2012-07-10 | 2013-07-09 | 감산 혈관 조영의 획득을 위한 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20140016844A1 (ko) |
| EP (1) | EP2685424A2 (ko) |
| JP (1) | JP2014014673A (ko) |
| KR (1) | KR20140007772A (ko) |
| CN (1) | CN103544690A (ko) |
| EA (1) | EA024855B1 (ko) |
| IL (1) | IL227268A0 (ko) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102014204411B4 (de) * | 2014-03-11 | 2022-10-20 | Siemens Healthcare Gmbh | Verfahren zur Bewegungskorrektur bei Bilddatensätzen, Bildverarbeitungseinrichtung und Computerprogramm |
| CN104243824B (zh) * | 2014-09-19 | 2017-06-09 | 深圳市安健科技股份有限公司 | 非线性调节图像亮度的方法及其系统 |
| EP3242597B1 (en) * | 2015-01-05 | 2018-07-11 | Koninklijke Philips N.V. | Digital subtraction angiography |
| US10018504B2 (en) | 2015-11-12 | 2018-07-10 | Sensors Unlimited, Inc. | Gain normalization |
| US9936106B2 (en) | 2015-11-12 | 2018-04-03 | Sensors Unlimited, Inc. | Pixel non-uniformity correction |
| CN106803241A (zh) * | 2017-01-20 | 2017-06-06 | 深圳市安健科技股份有限公司 | 血管造影图像的处理方法及装置 |
| CN107230198B (zh) * | 2017-06-09 | 2018-09-18 | 合肥工业大学 | 胃镜图像智能处理方法及装置 |
| JP6927020B2 (ja) * | 2017-12-22 | 2021-08-25 | コニカミノルタ株式会社 | 動態画像処理方法、動態画像処理装置及びプログラム |
| EP3616621B1 (de) * | 2018-08-31 | 2023-03-15 | Siemens Healthcare GmbH | Verfahren zur 3d dsa und vorrichtung |
| DE102019202514B4 (de) * | 2019-02-25 | 2021-06-24 | Siemens Healthcare Gmbh | Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
| CN111626974B (zh) * | 2019-02-28 | 2024-03-22 | 苏州润迈德医疗科技有限公司 | 冠状动脉造影图像序列的质量评分方法和装置 |
| CN110533573B (zh) * | 2019-09-04 | 2023-07-14 | 山东华沃医疗科技有限公司 | 一种基于java语言的mri图像并行处理方法及处理系统 |
| CN111513738B (zh) * | 2020-04-10 | 2023-08-01 | 北京东软医疗设备有限公司 | 血管造影方法、装置、设备及系统 |
| DE102020214323A1 (de) | 2020-11-13 | 2022-05-19 | Siemens Healthcare Gmbh | Bereitstellen eines optimalen Subtraktionsdatensatzes |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5588071A (en) * | 1994-10-26 | 1996-12-24 | Minnesota Mining And Manufacturing Company | Identifying an area of interest using histogram data arranged in predetermined sequence |
| US5848121A (en) * | 1996-10-28 | 1998-12-08 | General Electric Company | Method and apparatus for digital subtraction angiography |
| US7664302B2 (en) * | 2003-07-18 | 2010-02-16 | Hologic, Inc. | Simultaneous grayscale and geometric registration of images |
| FR2862786B1 (fr) * | 2003-11-21 | 2006-01-06 | Ge Med Sys Global Tech Co Llc | Procede de recalage elastique d'une image applique a l'angiographie soustraite numerisee |
| EP1741469A1 (en) * | 2005-07-08 | 2007-01-10 | Engineers & Doctors Wallstén Medical A/S | Method of guiding an irradiation equipment |
| US20100266188A1 (en) * | 2009-04-17 | 2010-10-21 | Riverain Medical Group, Llc | Chest x-ray registration, subtraction and display |
| JP5718576B2 (ja) * | 2010-02-23 | 2015-05-13 | 株式会社東芝 | Ｘ線画像診断装置 |
| US8494245B2 (en) * | 2010-03-09 | 2013-07-23 | Siemens Aktiengesellschaft | System and method for guiding transcatheter aortic valve implantations based on interventional C-Arm CT imaging |
| US8620050B2 (en) * | 2010-09-23 | 2013-12-31 | Siemens Aktiengesellschaft | System and method for 2-D/3-D registration between 3-D volume and 2-D angiography |
-
2012
- 2012-07-10 EA EA201200924A patent/EA024855B1/ru active IP Right Revival
-
2013
- 2013-06-27 JP JP2013134750A patent/JP2014014673A/ja active Pending
- 2013-06-28 US US13/930,649 patent/US20140016844A1/en not_active Abandoned
- 2013-06-30 IL IL227268A patent/IL227268A0/en unknown
- 2013-07-03 EP EP13174900.4A patent/EP2685424A2/en not_active Withdrawn
- 2013-07-09 KR KR1020130080320A patent/KR20140007772A/ko not_active Application Discontinuation
- 2013-07-10 CN CN201310288210.0A patent/CN103544690A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| IL227268A0 (en) | 2014-03-31 |
| EP2685424A2 (en) | 2014-01-15 |
| EA024855B1 (ru) | 2016-10-31 |
| JP2014014673A (ja) | 2014-01-30 |
| CN103544690A (zh) | 2014-01-29 |
| US20140016844A1 (en) | 2014-01-16 |
| EA201200924A1 (ru) | 2014-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20140007772A (ko) | 감산 혈관 조영의 획득을 위한 방법 | |
| Penney et al. | A comparison of similarity measures for use in 2-D-3-D medical image registration | |
| JP6534998B2 (ja) | 医療画像を表示する方法及び装置 | |
| US11839501B2 (en) | Image creation device | |
| Berger et al. | Marker‐free motion correction in weight‐bearing cone‐beam CT of the knee joint | |
| US6144759A (en) | Method of determining the transformation between an object and its three-dimensional representation, and device for carrying out the method | |
| CN104517303B (zh) | 医用图像处理装置以及医用图像处理方法 | |
| CN109419526B (zh) | 用于数字乳房断层合成中的运动评估和校正的方法和系统 | |
| US20160335777A1 (en) | Method for 2D/3D Registration, Computational Apparatus, and Computer Program | |
| RU2710668C2 (ru) | Цифровая субтракционная ангиография с аппаратной компенсацией движения | |
| JP6305250B2 (ja) | 画像処理装置、治療システム及び画像処理方法 | |
| CN107106102A (zh) | 数字减影血管造影 | |
| EP3441003A1 (en) | Method for performing digital subtraction angiography, hybrid imaging device, computer program and electronically readable storage medium | |
| JP2012500991A (ja) | 対象のサイズの変更を決定する装置 | |
| JP7167564B2 (ja) | Ｘ線撮影装置およびｘ線撮影装置の作動方法 | |
| US7116808B2 (en) | Method for producing an image sequence from volume datasets | |
| Zhang et al. | An automatic ICP-based 2D-3D registration method for a high-speed biplanar videoradiography imaging system | |
| Ha et al. | Soft-tissue radiography using multi-scale convolutional neural networks | |
| US20240164733A1 (en) | Subtraction imaging | |
| EP4125031A1 (en) | Method and systems for removing anti-scatter grid artifacts in x-ray imaging | |
| Chen et al. | Enhancement of organ of interest via background subtraction in cone beam rotational angiocardiogram | |
| Fischer et al. | Bundle adjustment for marker-based rigid MR/X-ray registration | |
| CN111803111A (zh) | 一种脑部血管显示装置及方法 | |
| Berger et al. | Marker-free Motion Correction in Weight-Bearing Cone-Beam | |
| WO2010134013A1 (en) | Interactive image registration |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |