RU2562898C2 - Определение представляющей интерес области при визуализации сердца - Google Patents

Определение представляющей интерес области при визуализации сердца Download PDF

Info

Publication number
RU2562898C2
RU2562898C2 RU2012142648/14A RU2012142648A RU2562898C2 RU 2562898 C2 RU2562898 C2 RU 2562898C2 RU 2012142648/14 A RU2012142648/14 A RU 2012142648/14A RU 2012142648 A RU2012142648 A RU 2012142648A RU 2562898 C2 RU2562898 C2 RU 2562898C2
Authority
RU
Russia
Prior art keywords
threshold
heart
frequency
roi
accordance
Prior art date
Application number
RU2012142648/14A
Other languages
English (en)
Other versions
RU2012142648A (ru
Inventor
Шекхар ДВИВЕДИ
Маниш Кумар ШАРМА
Нараян Айякад КРИШНАН
Йогиш МАЛЛЬЯ
Стивен М. КОЧОФФ
Original Assignee
Конинклейке Филипс Электроникс Н.В.
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
Application filed by Конинклейке Филипс Электроникс Н.В. filed Critical Конинклейке Филипс Электроникс Н.В.
Publication of RU2012142648A publication Critical patent/RU2012142648A/ru
Application granted granted Critical
Publication of RU2562898C2 publication Critical patent/RU2562898C2/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Measurement Of Radiation (AREA)

Abstract

Группа изобретений относится к медицине, а именно к диагностике. Получают данные функциональной визуализации миокарда. Определяют представляющую интерес область (ROI), охватывающую по большей части миокард. Из полученных данных функциональной визуализации генерируют представления проекционного изображения из данных функционального изображения. Устанавливают порог для представления проекционного изображения на основе гистограммы выбранного репрезентативного среза. Определяют локализованную область сердца в данных с установленным порогом - с одним из профиля распределения горизонтальных лучей и анатомической эвристики. Определяют протяженность локализованной области сердца в соответствии с основанной на изображении и основанной на эвристике процедурами очистки. Оценивают диагностические параметры миокарда, основанные на определенной ROI - миокардиальный кровоток, региональный миокардиальный кровоток, резерв кровотока и фракцию выброса. Способ осуществляется посредством системы диагностической визуализации. Заявленная группа изобретений позволяет повысить точность определения параметров, выделенных из определенной представляющей интерес области, за счет автоматического определения параметров. 2 н. и 13 з.п. ф-лы, 8 ил.

Description

Настоящая заявка относится к области медицинской визуализации. Она находит особое применение при определении представляющей интерес области (ROI) миокардиальной ткани при диагностической ядерной визуализации.
В диагностической ядерной визуализации изучается распространение радионуклидов, как они проходят через кровоток пациента, для визуализации системы кровообращения или для визуализации определенных органов, которые накапливают введенные радиоактивные медицинские препараты. В однофотонной эмиссионной компьютерной томографии (SPECT), например, используются один или несколько радиационных детекторов, обычно называемых гамма-камерами, чтобы обнаружить радиоактивные медицинские препараты через радиационную эмиссию, вызванную действием радиационного распада. Обычно каждая гамма-камера включает в себя матрицу радиационных детекторов и коллиматор, расположенный перед матрицей радиационных детекторов. Коллиматор задает прямую или с небольшим углом расхождения линию визирования, так что обнаруженное излучение содержит данные проецирования. Если гамма-камеры передвигаются в диапазоне углов зрения, например в 180° или 360° угловом диапазоне, тогда результирующие данные проецирования могут быть реконструированы с использованием отфильтрованной обратной проекции, максимизации ожидания или другого метода визуализации, в изображение распределения радиоактивных медицинских препаратов внутри пациента. Преимущественно, радиоактивные медицинские препараты могут быть разработаны, чтобы накапливаться в выбранных тканях для предпочтительной визуализации этих выбранных тканей, таких как сердечная ткань, с целью визуализации сердца.
Во многих исследованиях визуализации сердца особый интерес представляет левый желудочек. В качестве предварительного этапа требуется определить представляющую интерес область сердца и, более конкретно, левый желудочек. Одна проблема с определением ROI в исследованиях с визуализацией сердца заключается в том, что полученные данные изображения демонстрируют относительно высокие уровни шума и ограниченную, если вообще содержат, анатомическую информацию. В визуализации сердца распределение активности радиоактивных медицинских препаратов поблизости от сердца может быть использовано для оценки миокардиального кровотока, регионального миокардиального кровотока, резерва кровотока, фракции выброса или других параметров, касающихся диагностики и лечения. Для количественного определения и оценки этих параметров в первую очередь в данных изображения идентифицируется миокардиальная ROI. Однако точная количественная оценка миокардиальных параметров зависит, частично, от точности и повторяемости идентификации миокардиальной ROI.
Обычно протяженность и границы миокардиальной ROI очерчиваются вручную врачом-клиницистом. Например, врач-клиницист может очерчивать область ROI или маркировать отдельные воксели, содержащиеся в ROI, используя графический пользовательский интерфейс (GUI). К сожалению, ручное очерчивание протяженности и границ ROI может быть тяжелой и трудоемкой задачей. Более того, результат ручного очерчивания ROI, как правило, зависит от пользователя и зачастую имеет неповторяемые результаты.
Альтернативно, системы, использующие множество методов визуализации, обеспечивают получение анатомической информации с помощью СТ, MRI или подобных в дополнение к миокардиальным параметрам от системы ядерной визуализации. Анатомическая информация может быть использована, чтобы идентифицировать миокардиальную ROI. Данные ядерной визуализации, которые соответствуют ROI, определяются количественно, чтобы определить параметры диагностики. Однако данные анатомической визуализации восприимчивы к движению органа и/или низкому разрешению, что может повлечь за собой ошибки при совмещении и плохое определение миокардиальной ROI.
Настоящая заявка представляет новую и усовершенствованную систему и способ, обеспечивающие точное усовершенствованное определение миокардиальной ROI, которые преодолевают вышеупомянутые проблемы и другие.
В соответствии с одним аспектом представлен способ визуализации сердца. Способ включает в себя получение данных функциональной визуализации субъекта, причем данные функциональной визуализации включают в себя, по меньшей мере, область, включающую в себя миокард. Представляющая интерес область, охватывающая по большей части миокард, определяется из полученных данных функциональной визуализации, а диагностические параметры миокарда оцениваются на основании определенной ROI.
В соответствии с другим аспектом представлена система диагностической визуализации. Система диагностической визуализации включает в себя систему функциональной визуализации по меньшей мере с одной детекторной головкой для получения данных функциональной визуализации. Блок управления управляет получением данных функционального изображения и/или положением детекторной головки. Процессор представляющей интерес области запрограммирован, чтобы выполнять способ визуализации сердца.
В соответствии с еще одним аспектом машиночитаемый носитель содержит команды, которые при исполнении их компьютером предписывают компьютеру выполнять способ визуализации сердца.
Одно преимущество заключается в том, что повышается надежность определения представляющей интерес области.
Другое преимущество заключается в том, что повышается точность параметров, выделенных из определенной представляющей интерес области.
Еще одним преимуществом является то, что требуется небольшое вмешательство или совсем не требуется вмешательства пользователя для определения представляющей интерес области.
Также дальнейшие преимущества настоящего изобретения будут понятны среднему специалисту в данной области техники при чтении и изучении последующего подробного описания.
Изобретение может формироваться из различных компонентов и расположения компонентов и на основе разных этапов и в различном чередовании этапов. Чертежи служат только для целей иллюстрирования предпочтительных вариантов осуществления и не должны рассматриваться как ограничивающие изобретение.
Фиг. 1 - это схематическая иллюстрация системы диагностической визуализации с процессором представляющей интерес области;
Фиг. 2 - это блок-схема, представляющая способ определения представляющей интерес области миокарда из проецированных изображений;
Фиг. 3 иллюстрирует экранные снимки проекционного изображения на разных этапах способа, показанного на Фиг. 2 для трех тестовых случаев;
Фиг. 4А - это блок-схема, представляющая способ для установления порога на основе гистограммы;
Фиг. 4В - это блок-схема, представляющая способ для определения коэффициента для установления порога для использования в способе установления порога на основе гистограммы;
Фиг. 4С - это блок-схема, представляющая способ для определения контрольной частоты в способе установления порога на основе гистограммы;
Фиг. 5 - это гистограмма для использования в способе установления порога на основе гистограммы;
Фиг. 6А - это блок-схема, представляющая способ локализации области сердца, основанной на распределении лучей;
Фиг. 6В - это график, обозначающий горизонтальные лучи, распределенные в y-направлении;
Фиг. 6С иллюстрирует гистограмму и соответствующий профиль распределения лучей для трех тестовых случаев;
Фиг. 6D - это иллюстрация анатомической эвристики для использования при локализации, основанной на распределении лучей;
Фиг. 7А - это блок-схема, представляющая способ с применением процедур очистки локализованной области сердца на основе обработки изображения;
Фиг. 7В - это блок-схема, представляющая способ с применением процедур очистки локализованной области сердца на основе эвристики;
Фиг. 8А - это блок-схема, представляющая способ определения миокардиальной представляющей интерес области из объемных изображений;
Фиг. 8В - это блок-схема, представляющая способ объединения в кластеры, чтобы выделить левый желудочек;
Фиг. 8С - это блок-схема, представляющая способ очистки начальной представляющей интерес области на основе Манхэттэнской геометрии;
Фиг. 8D иллюстрирует экранные снимки начальной представляющей интерес области и выбранный кластер;
Фиг. 8Е - это блок-схема, представляющая способ изоляции левого желудочка и определения соответствующих углов сердца;
Фиг. 8F-8I иллюстрируют экранные снимки способа, показанного на Фиг. 8Е;
Фиг. 8J - это блок-схема, представляющая способ переориентации левого желудочка; и
Фиг. 8К иллюстрирует размеры левого желудочка, определенные для переориентации левого желудочка.
Со ссылкой на Фиг. 1 система 10 диагностической визуализации получает данные функциональной визуализации субъекта 12 в пределах исследуемой области 14. Хотя описывается система SPECT, следует понимать, что также подходят и другие методы визуализации, такие, как позитронная эмиссионная томография (РЕТ) или подобные. Система 10 диагностической визуализации включает в себя опору 16 для субъекта, которая может выборочно перемещаться для облегчения положения визуализируемого или исследуемого субъекта 12 в нужном местоположении, например, так, чтобы представляющие интерес области центрировались относительно продольной оси 18. Альтернативно, внешнее гентри 20 подвижно монтируется на направляющих 22, чтобы достигнуть желаемого положения субъекта 12 вдоль продольной оси 18.
Внутреннее гентри 24 смонтировано с возможностью поворота на внешнем гентри 20 для пошагового или непрерывного перемещения. Вращающееся внутреннее гентри 24 определяет область 14 исследования, вмещающую в себя субъекта. Одна или несколько детекторных головок 26, 28, 30 размещены индивидуально на поворотном внутреннем гентри 24. Детекторные головки 26, 28, 30 поворачиваются как целая группа вокруг области 14 исследования и субъекта 12 при повороте поворотного внутреннего гентри 14. Детекторные головки 26, 28, 30 регулируются в радиальном направлении, по окружности и сбоку, чтобы изменять расстояние от субъекта 12 и разнос на поворотном гентри 24, чтобы располагать детекторные головки в любой ориентации из множества угловых ориентаций относительно центральной оси.
Каждая детекторная головка 26, 28, 30 включает в себя матрицу радиационных детекторов, таких как один или более сцинтилляторов, которые излучают импульс света или фотонов в ответ на события падающего излучения от радиоактивных медицинских препаратов. Сцинтиллятор(ы) отслеживаются матрицей фотодетекторов, которые принимают импульсы света и преобразуют их в электрические сигналы. Альтернативно, также предполагается матрица прямого преобразования излучения в электрические импульсы. Обеспечивается требуемая коллимация, чтобы определить данные проецирования, например, радиационный абсорбирующий ячеистый коллиматор располагается перед детекторной матрицей. Решающая схема определяет х,у-координаты каждого события принятого излучения и энергию падающего излучения. Соответствующие выходные сигналы фотодетекторов обрабатываются и корректируются соответствующим образом, чтобы генерировать выходной сигнал, указывающий: (i) координату положения на детекторной головке, на которой принимается каждое событие излучения, и (ii) энергию каждого события. Энергия используется, чтобы различать разные типы излучения, такие как множественные источники излучения, рассеянное излучение, вторичную эмиссию, диффузное излучение, пропускаемое излучение, и чтобы подавлять шум.
В SPECT визуализации представление проекционного изображения определяется данными излучения, принятыми по каждой координате на детекторной головке. В SPECT визуализации коллиматор определяет лучи, вдоль которых принимается излучение. Следует признать, что хотя показанный вариант осуществления изобретения описан в отношении SPECT визуализации, также предполагаются другие методы ядерной визуализации, такие как системы визуализации позитронной эмиссионной томографии (РЕТ).
В РЕТ визуализации выходные сигналы детекторной головки отслеживаются для совпадающих событий излучения на двух головках. Из положения и ориентации головок и местоположения на передних поверхностях, на которых принимается совпадающее излучение, вычисляется луч между совпадающими точками обнаружения события. Этот луч определяет линию, вдоль которой происходит событие излучения. В обеих РЕТ и SPECT данные проецирования из множества угловых направлений головок сохраняются в буфере 36 данных проецирования и затем реконструируются реконструирующим процессором 38 в объемное представление изображения поперечного сечения и в представление проецированного изображения представляющей интерес области, которое сохраняется в запоминающем устройстве 40 объемного изображения и в запоминающем устройстве 42 проецированного изображения соответственно. Представление проецированного изображения может быть двухмерным (2D) аксиальным представлением объема, в котором выбираются наиболее затухающие воксели по линиям, проецируемым по всему набору объемных данных. Что касается представлений объемного изображения, то 3D пространственные взаимоотношения сохраняются за счет времени вычисления и визуализации самых маленьких признаков по сравнению с представлениями проецированного изображения. Оба представления изображения могут включать в себя множество поперечных срезов представлений изображений вдоль продольной оси 18. Система 10 функциональной визуализации управляется контроллером 44, чтобы выполнить выбранные последовательности визуализации выбранной заданной области субъекта. Консоль 46 включает в себя устройство 48 отображения, которое отображает графический пользовательский интерфейс (GUI), который врач-клиницист может использовать с пользовательским устройством 50 ввода для управления контроллером 44 сканера для выбора последовательности сканирования или протоколов.
Система 10 включат в себя процессор 60 представляющей интерес области (ROI), который выполняет алгоритмы для определения представляющей интерес области, такой как миокард или тому подобной. В примере визуализации сердца полезно отделить миокард от области брюшной полости, таких органов, как печень, которая накапливает большое количество радиоактивных медицинских препаратов. ROI процессор 60 принимает реконструированную проекцию и/или представления объемного изображения, сохраняемые в соответствующем запоминающем устройстве 40, 42, и анализирует принятые ядерные данные, чтобы определить ROI без получения помощи анатомического изображения или человека-оператора. Представление изображения, включающее в себя ROI и проекцию и/или представление объемного изображения, может быть выведено на устройство 48 отображения для просмотра врачом-клиницистом. ROI процессор объединен с машиночитаемым носителем 62 памяти, который сохраняет принятые данные изображения, обработанные данные изображения, алгоритмы для определения, для обработки, генерирования, реконструкции и т.д., алгоритмы для определения ROI, и т.п. Нужно признать, что буфер 36 данных проецирования, запоминающее устройство 40 объемного изображения, запоминающее устройство 42 проекционного изображения и носитель 62 памяти могут быть частью единого модуля машиночитаемого носителя памяти или выполнены как отдельные модули.
Процессор 64 параметризации, функционально связанный с процессором 62 ROI, оценивает и определяет количественно параметры из ROI, такие как, в контексте оценки сердца, миокардиальный кровоток, региональный миокардиальный кровоток, резерв кровотока, фракцию выброса и т.п. Следует понимать, что также предполагаются параметры, рассчитанные для особенного исследования визуализации, такой как визуализация сердца, визуализация легких, визуализация черепа или тому подобное.
Рассмотрим Фиг. 2, в одном варианте осуществления процессор ROI запрограммирован для выполнения способа 70 для определения ROI, которая, по большей части, включает в себя миокард, и для определения реконструированных протяженностей ROI. Процессор 60 ROI принимает представление проекционного изображения, сохраняемого в запоминающем устройстве 42 (S200) проекционного изображения. 2D изображения, которые формируют представление проекционного изображения, отфильтровываются сглаживающим фильтром, таким как трехмерный (3D) фильтр Гаусса или подобным. В примере с 3D фильтром Гаусса параметры (например, стандартная девиация, ширина ядра, высота ядра и т.д.) могут быть адаптированы к системе визуализации, пациенту или т.п. Срез представления выбирается из отфильтрованных срезов (S202) либо автоматически на основании положения среза, либо вручную врачом-клиницистом, либо полуавтоматически путем предложения на выбор срезов представления посредством GUI 50 или т.п. Распределение интенсивности среза представления нормализуется, чтобы отрегулировать диапазон интенсивностей (S204) пикселей. Один подход для нормализации среза представления заключается в обновлении каждого пикселя в соответствии с арктангенсом интенсивности соответствующего пикселя, деленным на суммарную максимальную интенсивность пикселей среза представления:
I (i,j)
Figure 00000001
 =atan( I
Figure 00000002
 (I,j)/I max)×100,
где I (i,j) - это интенсивность пикселя в месте (i,j), I max -это суммарная максимальная интенсивность пикселей среза представления, а 100 - это постоянный коэффициент.
Для среза представления с нормализованной интенсивностью устанавливается порог с использованием профиля (S206) гистограммы, чтобы сохранить области высокого поглощения, например область сердца, область печени, структуры брюшной полости и т.д., и подавить фоновый шум. Чтобы отделить область сердца от других областей с высоким поглощением, для среза с установленным порогом выполняется распределение лучей, чтобы локализовать область (S208)сердца. После того как область сердца локализована, излишние массы, окружающие область сердца, такие как части правого желудочка, перекрывающие области печени и грудины, или подобные, очищаются или удаляются, используя методы, основанные на обработке изображения и/или эвристику (S210). После того как локализованная область сердца очищается, ограничивающий прямоугольник, окружающий локализованную область сердца, оценивается (S212) и протяженности миокарда могут быть определены из положения и размеров ограничивающего прямоугольника. Фиг. 3 иллюстрирует выбранный срез представления на разных этапах способа 70 в трех тестовых случаях.
Со ссылкой на Фиг. 4А-С и Фиг. 5, чтобы зафиксировать области с высоким поглощением в срезе представления и чтобы подавить фоновый шум, выполняется установление порога для репрезентативного среза на основе гистограммы. Поскольку алгоритм 72 установления порога не должен удалять область сердца, вводится алгоритм установления порога на основе итеративной адаптивной гистограммы. Коэффициенты, такие как локальный максимум гистограммы, индекс, на котором встречается локальный максимум, минимумы гистограммы или подобные, изучаются перед определением коэффициента для установления порога. После того как коэффициент для установления порога определен, затем определяется нормализованный репрезентативный срез на основании отношения локального максимума и коэффициента для установления порога. Клинические исследования показали, что коэффициент для установления порога вычисляется для вмещения в диапазоне от 2,5 до 5. Поэтому начальный коэффициент для установления порога устанавливается равным трем и алгоритм 72 установления порога итеративно обновляет коэффициент для установления порога в соответствии с коэффициентами гистограммы.
Гистограмма нормализованного репрезентативного среза генерируется (S400). Гистограмма - это графическое отображение сведенных в таблицу частот интенсивностей пикселей в нормализованном репрезентативном срезе, как показано на Фиг.5. Максимальная частота 80 (MaxFreq) и ее соответствующий индекс определяется из гистограммы (S402). Отметим, что частота, соответствующая нулевому индексу гистограммы, не рассматривается в алгоритме 72 установления порога, потому что она присуща фону, т.е. пикселям с нулевой интенсивностью. После того как MaxFreq определена, осуществляется поиск локального максимума (LocMax) 82 в гистограмме и соответствующего ей индекса на основании некоторых заранее выбранных условий (S404).
Условия могут быть заданы врачом-клиницистом с помощью введения заранее выбранных ограничений в GUI, используя устройство 50 ввода консоли 46. Условия могут включать в себя ограничения частоты и/или индекса. Например, ограничения могут особо указывать, что разница частоты MaxFreq и LocMax должна составлять по большей части 20% от частоты MaxFreq. Другими словами, частота LocMax должна быть в пределах 20% от частоты MaxFreq. Другое условие может заключаться в том, что индекс LocMax должен быть больше или равен восьми, больше чем индекс MaxFreq. Следует понимать, что поиск LocMax не должен быть ограничен примерами условий и что также предполагаются другие условия и количество условий.
После того как LocMax определен, первоначально заданный коэффициент для установления порога итеративно определяется на основании частоты и индекса LocMax (S406). Если индекс LocMax меньше 10 и частота LocMax меньше частоты фона (т.е. гистограмма [0] или пиксели с нулевой интенсивностью), то тогда коэффициент для установления порога обновляется (S408). Если встречаются оба этих условия, то тогда алгоритм 72 определяет, доминирует ли шум путем проверки, равен ли индекс LocMax единице (S410). Если LocMax равен единице, то тогда разыскивается новый LocMax для исключения текущего LocMax (S412), т.е. для исключения из поиска индекса единицы и связанных с ним частот. Если новый LocMax индекс меньше чем пять (S414), то тогда коэффициент для установления порога уменьшается на единицу (S416) и алгоритм продолжается. Если новый LocMax индекс больше или равен пяти и меньше десяти (S418), то тогда коэффициент для установления порога повышается на единицу (S420) и алгоритм продолжается. Если LocMax не равен единице, то тогда проверяют, больше ли LocMax индекс или равен пяти и меньше десяти (S422). Если это так, то тогда коэффициент для установления порога уменьшается на единицу и алгоритм продолжается (S424).
Если проверка на этапа S408 не дала результатов, то тогда алгоритм продолжает определять контрольную линию 84 в соответствии с отношением LocMax частоты к определенному коэффициенту для установления порога (S426):
γ = L o c M a x F r e q u e n c y T h r e s h o l d F a c t o r
Figure 00000003
Затем контрольные частоты определяются (S428) как частоты, которые должны быть ниже контрольной линии 84. Контрольные частоты устанавливают диапазон для установления порога выше одной из определенных контрольных частот, т.е. индексы выше и/или включающие в себя частоту порога сохраняются после установления порога. Сначала все частоты ниже контрольной линии локализуют и маркируют как контрольные частоты. Если некоторое количество частот меньше единицы (т.е. нет частот ниже контрольной линии) (S430), то тогда осуществляют поиск ближайшей частоты к контрольной линии и выбирают как контрольную частоту (S432).
Если это количество контрольных частот больше или равно единице (S430), то тогда находят первую и последнюю контрольную частоту (S434). Первая контрольная частота 86 - это первая частота гистограммы непосредственно под контрольной линией. Последняя контрольная частота 88 - это частота гистограммы между первой контрольной частотой и контрольной линией и с индексом от третьего до пятидесятого индекса первой контрольной точки. Частота порога - это самая низкая частота между первой и последней контрольной частотой (S436), т.е. это минимум. После того как определяют контрольную частоту (S428), устанавливают порог для нормализованного репрезентативного среза выше определенной контрольной частоты (S438).
Вернемся к Фиг. 2 и продолжим рассмотрение до Фиг. 6А-6С, где локализованная область сердца определяется из репрезентативного среза с установленным порогом (S208) согласно алгоритму 90 распределения лучей. Чтобы определить локализованную область сердца, горизонтальный профиль распределения лучей генерируется (S600), как показано на Фиг. 6В. Лучи распределяются горизонтально начиная от первого ряда и продолжаясь в у-направлении среза с установленным порогом. Примеры профиля распределения лучей показаны на Фиг. 6С для трех тестовых случаев. Первый ряд - это гистограмма нормализованного репрезентативного среза и второй ряд - это соответствующие профили распределения лучей. у-ось гистограммы представляет частоту и х-ось представляет интенсивность пикселей или индекс. В профилях распределения лучей у-ось представляет число ненулевых пикселей, а х-ось представляет лучи, которые распределяются, например распределено 64 луча.
Вернемся к Фиг. 6А, из профиля распределения лучей определяется группа лучей с ненулевыми числами, которые должны быть связаны на основании критерия связности. Как и в случае с LocMax условиями, врач-клиницист может задать критерий связности путем ввода ограничений в GUI консоли 46, используя устройство 50 ввода. Например, критерий связности может быть основан на некоторых анатомических предпосылках, таких как размеры миокарда и/или положение миокарда. Врач-клиницист может ввести возраст, рост, вес, размер грудной клетки, анамнез субъекта или тому подобное, в базу данных, чтобы извлечь усредненные размеры и положения как базу для предпосылок. Что касается SPECT визуализации, то при срезе с приблизительными размерами 410 мм×410 мм с разрешением 64×64 пикселя можно допустить, что миокард имеет, по меньшей мере, вертикальный размер 38,4 мм или 6 лучей или 6 пикселей и горизонтальный размер по меньшей мере 44,8 мм или 7 столбцов или 7 пикселей для 25% горизонтальных лучей. Если критерий связности не может быть включен в окончательный список для миокарда, например группа связанных лучей не отвечает критерию минимального размера, то тогда коэффициент для установления порога уменьшается на единицу (S604) и установление порога на основе гистограммы повторяется с обновленным коэффициентом для установления порога.
Если критерии связности удовлетворены, а область включена в окончательный список как миокард (S602), то тогда локализованная область сердца определяется (S604) и обрабатывается далее, чтобы определить ROI и соответствующие протяженности реконструкции. Область, начинающаяся с первого (переднего) ненулевого луча, включенного в окончательный список как миокард, из предшествующего этапа, протяженностью 76,8 мм, или 12 пикселей для среза SPECT 64×64, определяется как локализованная область сердца (S606). Локализованная область сердца сохраняется с помощью маскирования шума и области брюшной полости и печени с высокой интенсивностью, затем далее обрабатывают замаскированную область. Фиг. 6D иллюстрирует пример эвристики, используемой для определения критерия связности, чтобы включить в окончательный список миокард и определить локализованную область 92 сердца.
Рассмотрим Фиг. 7А и 7В, после начального разделения и операции распределения лучей (т.е. в вертикальном направлении) миокард очищается в горизонтальном направлении от ненужных масс, таких как участки правого желудочка, области, перекрывающие печень и другие области грудины, окружающие сердце. Применяются методы 100 обработки изображения, и алгоритм 102 очистки на основе эвристики применяется с той же целью. Маскированный срез, определенный после распределения (S206) лучей, преобразовывается в двоичную форму (S700). В некоторых случаях могут появляться дыры в представлении преобразованного в двоичную форму изображения из-за низкой интенсивности пикселей в границах миокарда. Операция (S702) заполнения дыр выполняется, чтобы гарантировать, что области миокарда не будут уничтожены при последующей операции (S704) очистки изображения. Выполняется анализ (S706) связанных компонентов, и выбираются компоненты по меньшей мере с 10 пикселями, и выбранные компоненты расширяются (S708). После того как получена расширенная двоичная маска, вычисляются протяженности в х и у-направлениях (S710).
Алгоритм 102 очистки на основе эвристики очищает оставшуюся массу. Если протяженности в х и у-направлениях отличаются более чем на 4 пикселя (S712), и масса в х-направлении больше, чем в у - направлении (S714), то тогда масса в х-направлении удаляется, т.е. столбцы итеративно удаляются, из расширенной бинарной маски с левого направления до тех пор, пока разница в их протяженностях не станет такой же, как разница в Υ
Figure 00000004
 -направлении (S716). Если протяженности в X и Y направлении меньше 4 пикселей, то выполняется следующий этап.
После оценки приемлемых протяженностей, распределяются лучи в у-направлении вдоль х-оси и при условии, что число ненулевых пикселей вдоль каждого луча подсчитывается начиная справа (S718). Для каждого ненулевого луча, если число ненулевых пикселей меньше 40% от протяженностей в у-направлении (S720), то тогда протяженности в х-направлении сдвигаются или регулируются влево (S722). Сдвиг повторяется до тех пор, пока число ненулевых пикселей текущего луча больше или равно числу протяженностей в у-направлении. Когда этот процесс останавливается, ограничивающий прямоугольник оценивается на основании оставшихся масс (S724) и контура, например ± 4 пикселя добавляются (S726) в обоих х и у-направлениях ограничивающего прямоугольника, чтобы задать пределы реконструкции. Окончательные пределы реконструкции могут быть замаскированы по всему представлению функциональной визуализации, представлению проекционного изображения, представлению объемного изображения или т.п. для просмотра на устройстве 48 отображения для подтверждения врачом-клиницистом.
На Фиг. 8А в другом варианте осуществления процессор 60 ROI сконфигурирован для выполнения способа 120 для определения ROI, которая по большей части включает в себя левый желудочек, и изменения положения левого желудочка (L.V.). Для количественного представления и оценки параметров левый желудочек переориентируют. Обычно представление целого объемного изображения переориентируется, чтобы ориентировать короткую ось, горизонтальную длинную ось и вертикальную длинную ось левого желудочка. Знание этой ориентации левого желудочка позволяет подходящим образом делать срезы объемных данных томографии для точного и повторяемого анализа диагностических параметров, таких как миокардиальный кровоток, региональный миокардиальный кровоток, резерв кровотока, фракция выброса и т.п. Несовпадения между исследованиями, такими как тесты стресса или покоя, могут привести к неверной диагностике. Чтобы улучшить точность и повторяемость переориентации левого желудочка, способ 120 применяется для идентификации ROI, которая включает в себя почти весь левый желудочек, и переориентацию только ROI вместо всего объема.
Процессор 60 ROI принимает представление объемного изображения, хранящегося в запоминающем устройстве 40 (S800) проекционного изображения. Для поперечных срезов, которые составляют представление объемного изображения, устанавливаются отдельно границы (S802), чтобы сохранить границы миокарда и подавить фоновый шум и интенсивность излучения от области печени и брюшной полости, которые могут, в свою очередь, накладываться на оценку и количественное определение параметров. Определяется максимальная интенсивность для каждого поперечного среза, затем для среза устанавливают порог, так что пиксели с интенсивностью выше отношения определенного максимума интенсивности к заранее выбранному коэффициенту для установления порога, например 2, сохраняются. Как только для поперечных срезов были установлены границы, выбирают (S804) центральный набор срезов, который соответствует миокарду. В примере SPECT визуализации ожидается, что центральные срезы должны составлять 30-40% от поперечного объема, который может включать в себя приблизительно семь срезов. Центральные срезы могут быть определены автоматически на основании положения среза в поперечном объеме вручную врачом-клиницистом или в их комбинации, как, например, путем обеспечения выбора центральных срезов для верификации подходящего набора посредством GUI.
Как только выбран набор центрально расположенных срезов, соответствующих миокарду, выполняется объединение в кластеры по каждому из выбранных срезов (S806), чтобы отделить левый желудочек от областей печени и брюшной полости. Продолжим рассматривать Фиг. 8В, алгоритм 122 объединения в кластеры сначала определяет самый большой компонент в каждом из выбранных срезов с анализом (S808)связанных компонентов. Для компонентов с областями больше чем 100 мм2 (S810) или приблизительно 15-16 пикселей в срезе размером 64×64 подбирается ограничивающий прямоугольник (S812). Определяется центроид для каждого ограничивающего прямоугольника (S814), затем смежные центроиды анализируются в поперечном направлении. Выбирают самый протяженный кластер ограничивающих прямоугольников с выровненными центроидами, и самый большой ограничивающий прямоугольник в выбранном кластере используется для маскировки целого представления объемного изображения (S818), которое определяет первоначальную ROI. Степень выравнивания определяется дистанцией между центроидами смежных срезов. Например, смежные центроиды в пределах 4 пикселей или 25,6 мм, в х или у-направлении рассматриваются как непрерывные. Фиг. 8D иллюстрирует выбранные центральные срезы (первый ряд) после установления порога (второй ряд) и выбора кластера (пунктирная линия в третьем ряду).
Вернемся к рассмотрению Фиг. 8А и продолжим до Фиг. 8С, маскированная ROI, определенная алгоритмом 122 объединения в кластеры, охватывает все срезы в поперечном направлении. Эта начальная ROI может содержать некоторые участки печени или брюшной полости, которые подлежат очистке в поперечном направлении в соответствии с Манхеттенским расстоянием (S820). Алгоритм 124 Манхэттенского расстояния гарантирует, что масса миокарда, представленная в каждом срезе, скоординирована, и любое расхождение подходящим образом регулируется.
Для начальной ROI устанавливается порог (S822) по каждому срезу с использованием максимальной интенсивности начальной ROI с помощью заранее выбранного коэффициента для установления порога. Центроид оставшейся массы после установления порога определяется (S824) для каждого среза начальной ROI. Манхеттенское расстояние определяется (S828) для центроида каждого среза из центроида выбранного центрального среза (S826). На основании заранее выбранного ограничения по каждому определенному Манхеттенскому расстоянию, например, 20мм срезы, срезы ROI с установленным порогом, которые находятся за пределами заранее выбранного ограничения Манхеттенского расстояния из выбранного центрального среза, удаляются из ROI (S830). Алгоритм 124 проходит до конца и до начала поперечного объема от центрального среза и определяет начало и конец ROI в соответствии с Манхеттенским расстоянием.
После очистки на основе Манхеттенского расстояния очищенная ROI может иметь некоторые перекрывающиеся области печени и брюшной полости с областью миокарда. Левый желудочек изолируется (S832) от этих областей, которые могут интерферировать с определяющими кардиальными углами. С этой целью линии, параллельные перегородке левого желудочка, оцениваются по стенке миокарда в центральном срезе. Массы ROI между этими определенными линиями сохраняются для переориентации левого желудочка.
Рассмотрим Фиг. 8Е-8Н, алгоритм 126 изоляции левого желудочка выполняется для центрального выбранного среза. Распределение лучей в вертикальном и горизонтальном направлении используется для определения максимальной вертикальной касательной (MaxVT), минимальной вертикальной касательной (MinVT), максимальной горизонтальной касательной (MaxHT), минимальной горизонтальной касательной (MinHT), как показано на Фиг. 8F. Первый луч с ненулевым отсчетом как в положительном, так и в отрицательном y-направлении (Фиг. 8G) используется для определения максимальной и минимальной вертикальной точек на касательной (S836). Первый луч с ненулевым отсчетом как в положительном, так и в отрицательном х-направлении (Фиг. 8Н) используется для определения максимальной и минимальной горизонтальной точек на касательной (S838). Линии, связывающие MaxHT с MinVT и MaxVT с MinHT (S840, S842) определяют кардиальные углы, как показано на Фиг. 8I. Углы определяются на основании тангенса наклона каждой линии, где наклон определяется по формуле y = m x + b
Figure 00000005
 (S844).
Рассмотрим Фиг. 8J и 8К, где массы между этими линиями изолированы, и кардиальные линии используются для определения азимута и угла возвышения (S850) левого желудочка, из которых определяются короткая ось (SA), горизонтальная длинная ось (HLA), вертикальная длинная ось (VLA) (S852). С SA, HLA и VLA процессор 60 ROI определяет углы (S854) переориентации и переориентирует левый желудочек (S856).
Изобретение было описано со ссылкой на предпочтительные варианты осуществления. Модификации и изменения могут приходить на ум при чтении и изучении предыдущего подробного описания. Это надо понимать так, что изобретение должно быть сделано как включающее в себя все такие модификации и изменения, поскольку они входят в объем прилагаемой формулы изобретения или эквивалентны ей.

Claims (15)

1. Способ визуализации сердца, содержащий этапы, на которых:
получают данные функциональной визуализации субъекта, при этом данные функциональной визуализации включают в себя, по меньшей мере, миокард;
определяют представляющую интерес область (ROI), охватывающую по большей части миокард, из полученных данных функциональной визуализации, при этом определение ROI включает в себя этапы, на которых:
генерируют представления проекционного изображения из данных функционального изображения;
устанавливают порог для представления проекционного изображения на основе гистограммы выбранного репрезентативного среза;
определяют локализованную область сердца в данных с установленным порогом в соответствии по меньшей мере с одним из профиля распределения горизонтальных лучей и анатомической эвристики; и
определяют протяженность локализованной области сердца в соответствии с основанной на изображении и основанной на эвристике процедурами очистки; и
оценивают диагностические параметры миокарда, основанные на определенной ROI, причем оцененные диагностические параметры включают в себя по меньше мере одно из миокардиального кровотока, регионального миокардиального кровотока, резерва кровотока и фракции выброса.
2. Способ по п. 1, в котором установление порога полученных функциональных данных включает в себя этапы, на которых:
генерируют гистограмму выбранного репрезентативного среза;
определяют максимальную частоту и ее индекс по гистограмме;
осуществляют поиск локальной максимальной частоты и ее индекса на основании заранее выбранных условий на базе индекса максимальной частоты; и
итеративно определяют коэффициент для установления порога на основании по меньшей мере одного из индекса и частоты локальной максимальной частоты.
3. Способ по п. 2, в котором установление порога представления проекционного изображения дополнительно включает в себя этапы, на которых:
определяют контрольную линию из отношения локальной максимальной частоты к определенному коэффициенту для установления порога;
локализуют первую контрольную частоту (86) и ее индекс на гистограмме, при этом контрольная частота является первой частотой ниже контрольной линии;
локализуют последнюю контрольную частоту (88) и ее индекс, при этом последняя контрольная частота имеет частоту между первой контрольной частотой и контрольной линией, и индекс от третьего до пятидесятого индекса первой контрольной точки;
локализуют частоту устанавливаемого порога и ее индекс, при этом частота порога является самой низкой частотой между первой и последней контрольными частотами; и
устанавливают порог представления проекционного изображения так, чтобы сохранить частоты с индексами, превышающими или равными второму контрольному индексу.
4. Способ по п. 3, в котором определение локализованной области сердца в данных с установленным порогом включает в себя этапы, на которых:
генерируют профиль распределения лучей представления проекционного изображения с установленным порогом из горизонтально распределенных лучей;
определяют лучи, которые связаны в соответствии с критерием связности; и
определяют локализованную область сердца в соответствии с анатомической эвристикой со связанными лучами.
5. Способ по п. 4, в котором анатомическая эвристика определяет локализованную область сердца в соответствии с аппроксимированными размерами сердца и анатомическим положением на основании числа ненулевых пикселей распределенных лучей.
6. Способ по одному из пп. 4 или 5, в котором в ответ на неправильно определенную локализованную область сердца обновляют коэффициент для установления порога и устанавливают порог для представления проекционного изображения в соответствии с обновленной контрольной линией и/или частотами.
7. Способ по любому из пп. 4-5, в котором определение протяженности локализованной области сердца включает в себя этапы, на которых:
маскируют определенную локализованную область сердца;
очищают маскированную локализованную область сердца, используя изображение, на основании процедур очистки;
определяют протяженность очищенной локализованной области сердца;
регулируют протяженность очищенной локализованной области сердца в соответствии с вертикальным распределением лучей на основании эвристики; и
оценивают ограничивающий прямоугольник для отрегулированной протяженности.
8. Способ по любому из пп. 1-5, в котором определение ROI включает в себя этапы, на которых:
реконструируют данные функциональной визуализации в представление объемного изображения;
устанавливают порог для поперечных срезов представления объемного изображения в соответствии с максимальной интенсивностью пикселей каждого соответствующего среза;
определяют кластер срезов с установленным порогом, которые соответствуют левому желудочку;
очищают определенный кластер срезов в соответствии с заранее определенным Манхеттенским расстоянием между центроидом левого желудочка в центральном срезе до центроида левого желудочка в оставшихся объединенных в кластеры срезах; и
изолируют левый желудочек в очищенных срезах в соответствии с кардиальными углами перегородки миокарда.
9. Способ по п. 8, дополнительно включающий в себя этапы, на которых:
определяют азимут и угол наклона изолированного левого желудочка;
определяют короткую ось, вертикальную ось и горизонтальную длинную ось левого желудочка в соответствии с определенным азимутом и углом наклона; и
определяют углы переориентации левого желудочка в соответствии с определенной короткой осью, вертикальной длинной осью и горизонтальной длинной осью.
10. Способ по п. 8, в котором установление порога для поперечных срезов включает в себя этапы, на которых:
определяют значение максимальных пикселей для каждого поперечного среза; и
сохраняют пиксели в каждом срезе с интенсивностями выше отношения соответствующего максимального значения пикселя к заранее выбранному коэффициенту для установления порога.
11. Способ по п. 10, в котором определение кластера срезов с установленным порогом включает в себя этапы, на которых:
выбирают множество центрально расположенных срезов, соответствующих миокарду;
определяют наибольший компонент в каждом выбранном срезе в соответствии с анализом связанных компонентов;
подбирают ограничивающий прямоугольник вокруг каждого наибольшего компонента;
определяют самый протяженный кластер ограничивающих прямоугольников с соседними центроидами, которые отличаются менее чем на четыре пикселя; и
генерируют начальную ROI путем маскирования представления объемного изображения с наибольшим ограничивающим прямоугольником в определенном кластере.
12. Способ по п. 11, в котором очистка определенного кластера срезов включает в себя этапы, на которых:
устанавливают порог для каждого среза начальной ROI в соответствии с отношением максимальной интенсивности пикселей каждого соответствующего среза и заранее выбранного коэффициента для установления порога;
определяют центроид каждого среза с установленным порогом начальной ROI; и
удаляют срезы из ROI с установленным порогом, которые превышают заранее определенное Манхеттенское расстояние от центроида центрального среза.
13. Способ по п. 8, в котором изолирование левого желудочка включает в себя этапы, на которых:
выбирают центральный срез из очищенных срезов;
определяют максимальную и минимальную горизонтальную точку на касательной и максимальную и минимальную вертикальную точку на касательной;
оценивают первый кардиальный угол линии между минимальной вертикальной точкой на касательной и максимальной горизонтальной точкой на касательной; и
оценивают второй кардиальный угол второй линии между максимальной вертикальной точкой на касательной и минимальной горизонтальной точкой на касательной.
14. Система диагностической визуализации, содержащая:
систему (10) функциональной визуализации по меньшей мере с одной детекторной головкой (26, 28, 30) для получения данных функциональной визуализации;
блок (44) управления, выполненный с возможностью управления получением данных функционального изображения и/или положением детекторной головки;
процессор (60) представляющей интерес области, выполненный с возможностью определения представляющей интерес области (ROI), охватывающей по большей части миокард, из полученных данных функциональной визуализации, при этом процессор выполнен с возможностью:
определения ROI, включающей в себя
генерирование представлений проекционного изображения из данных функционального изображения,
установление порога для представления проекционного изображения на основе гистограммы выбранного репрезентативного среза,
определение локализованной области сердца в данных с установленным порогом в соответствии по меньшей мере с одним из профиля распределения горизонтальных лучей и анатомической эвристики, и
определение протяженности локализованной области сердца в соответствии с основанной на изображении и основанной на эвристике процедурами очистки; и
процессор (64) параметризации, выполненный с возможностью оценки и/или количественного определения параметров из определенной ROI, причем оцененные диагностические параметры включают в себя по меньшей мере одно из миокардиального кровотока, регионального миокардиального кровотока, резерва кровотока и фракции выброса.
15. Система диагностической визуализации по п. 14, в которой процессор дополнительно выполнен с возможностью:
генерирования гистограммы выбранного репрезентативного среза;
определения максимальной частоты и ее индекса по гистограмме;
поиска локальной максимальной частоты и ее индекса на основании заранее выбранных условий на базе индекса максимальной частоты; и
итеративного определения коэффициента для установления порога на основании по меньшей мере одного из индекса и частоты локальной максимальной частоты.
RU2012142648/14A 2010-03-08 2011-02-08 Определение представляющей интерес области при визуализации сердца RU2562898C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US31140610P 2010-03-08 2010-03-08
US61/311,406 2010-03-08
PCT/IB2011/050533 WO2011110959A1 (en) 2010-03-08 2011-02-08 Region of interest definition in cardiac imaging

Publications (2)

Publication Number Publication Date
RU2012142648A RU2012142648A (ru) 2014-04-20
RU2562898C2 true RU2562898C2 (ru) 2015-09-10

Family

ID=44072544

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2012142648/14A RU2562898C2 (ru) 2010-03-08 2011-02-08 Определение представляющей интерес области при визуализации сердца

Country Status (6)

Country Link
US (1) US8958620B2 (ru)
EP (1) EP2545526B1 (ru)
JP (1) JP5764147B2 (ru)
CN (1) CN102812492B (ru)
RU (1) RU2562898C2 (ru)
WO (1) WO2011110959A1 (ru)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8958620B2 (en) * 2010-03-08 2015-02-17 Koninklijke Philips N.V. Region of interest definition in cardiac imaging
EP2609571B1 (en) * 2010-08-25 2013-12-04 Koninklijke Philips N.V. Heart location and verification in emission images
WO2012153231A2 (en) 2011-05-10 2012-11-15 Koninklijke Philips Electronics N.V. Myocardial clusterification and orientation
US9119559B2 (en) * 2011-06-16 2015-09-01 Salient Imaging, Inc. Method and system of generating a 3D visualization from 2D images
BR112015000833A2 (pt) * 2012-07-18 2017-06-27 Koninklijke Philips Nv sistema para quantificação da função contrátil do miocárdio, método para quantificação da função contrátil do miocárdio, pelo menos um processador programado, meio de leitura por computador não temporário, e sistema para quantificação de incerteza de contornos
US9111337B2 (en) * 2012-10-12 2015-08-18 Mayo Foundation For Medical Education And Research Low dose cardiac CT imaging with time-adaptive filtration
JP6301102B2 (ja) * 2012-10-22 2018-03-28 学校法人藤田学園 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
AU2014208382A1 (en) 2013-01-24 2015-07-23 Tylerton International Holdings Inc. Body structure imaging
JP5755276B2 (ja) * 2013-03-25 2015-07-29 日本メジフィジックス株式会社 心筋輪郭抽出技術及びその応用
KR102219391B1 (ko) * 2013-04-04 2021-02-24 일리노이즈 툴 워크스 인코포레이티드 나선 컴퓨터 단층 촬영
EP3041569A4 (en) 2013-09-08 2017-07-19 Tylerton International Inc. Detection of reduced-control cardiac zones
CN106102583A (zh) 2014-01-10 2016-11-09 泰勒顿国际公司 瘢痕和纤维心脏区的检测
JP6595193B2 (ja) * 2014-03-11 2019-10-23 キヤノンメディカルシステムズ株式会社 読影レポート作成装置および読影レポート作成システム
PL3371774T3 (pl) * 2015-11-05 2022-01-03 Volpara Health Technologies Limited Sposób kwantyfikacji obrazów
EP3621519A1 (en) * 2017-05-10 2020-03-18 Boston Scientific Scimed Inc. Region-of-interest representations for electroanatomical mapping
EP3438928A1 (en) 2017-08-02 2019-02-06 Koninklijke Philips N.V. Detection of regions with low information content in digital x-ray images
CN108680884B (zh) * 2018-04-18 2019-10-22 厦门大学 一种实现单体素定域二维相敏j分解谱方法
CN108898588A (zh) * 2018-06-22 2018-11-27 中山仰视科技有限公司 基于时间序列的治疗效果评估方法、电子设备
WO2020105102A1 (ja) * 2018-11-20 2020-05-28 株式会社島津製作所 イメージングデータ解析装置
CN111680683B (zh) * 2019-03-30 2023-06-02 上海铼锶信息技术有限公司 一种roi参数的获取方法及系统
CN112183545B (zh) * 2020-09-29 2024-05-17 佛山市南海区广工大数控装备协同创新研究院 一种任意形状的自然场景文本识别方法
JP7121818B1 (ja) 2021-02-19 2022-08-18 Ｐｄｒファーマ株式会社 プログラム、画像処理装置及び画像処理方法
KR102595487B1 (ko) * 2021-03-31 2023-10-31 순천향대학교 산학협력단 다중 의료영상 융합을 이용한 심근변화 측정 시스템 및 그 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6065475A (en) * 1995-06-08 2000-05-23 Siemens Corporate Research, Inc. Automatic localization of the heart from a reconstructed volume and automatic selection of a most suitable representative transverse slice for defining a left ventricle oblique axis in myocardial spect study

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5404426A (en) * 1991-05-21 1995-04-04 Hitachi, Ltd. Method of displaying hair style and apparatus for the same
JP3167363B2 (ja) 1991-08-29 2001-05-21 株式会社東芝 関心領域設定方法及び画像処理装置
US5381791A (en) * 1992-03-10 1995-01-17 Siemens Medical Systems, Inc. Automatic indentification of anatomical features of interest from data acquired in nuclear medicine studies and automatic positioning of scintillation cameras to carry out such studies at optimal positions
US5421331A (en) * 1992-03-10 1995-06-06 Siemens Medical Systems, Inc. Automatic identification of the long axis of the left ventricle from nuclear medicine spect data for use in myocardial perufsion studies
US5570430A (en) 1994-05-31 1996-10-29 University Of Washington Method for determining the contour of an in vivo organ using multiple image frames of the organ
US5859891A (en) 1997-03-07 1999-01-12 Hibbard; Lyn Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning
WO2002065395A2 (en) 2001-02-13 2002-08-22 Koninklijke Philips Electronics N.V. Analysis of successive data sets
US7400757B2 (en) 2001-10-04 2008-07-15 Siemens Medical Solutions Usa, Inc. System and method for segmenting the left ventricle in a cardiac image
DE602004011504T2 (de) * 2003-04-24 2009-02-19 Philips Intellectual Property & Standards Gmbh Regionenabgrenzung bei der ct-angiographie
US7321676B2 (en) 2003-07-30 2008-01-22 Koninklijke Philips Electronics N.V. Automatic determination of the long axis of the left ventricle in 3D cardiac imaging
US7534210B2 (en) * 2004-02-03 2009-05-19 Siemens Medical Solutions Usa, Inc. Methods for adaptively varying gain during ultrasound agent quantification
US7509170B2 (en) * 2005-05-09 2009-03-24 Cardiac Pacemakers, Inc. Automatic capture verification using electrocardiograms sensed from multiple implanted electrodes
US7890159B2 (en) * 2004-09-30 2011-02-15 Cardiac Pacemakers, Inc. Cardiac activation sequence monitoring and tracking
US7715627B2 (en) 2005-03-25 2010-05-11 Siemens Medical Solutions Usa, Inc. Automatic determination of the standard cardiac views from volumetric data acquisitions
CN101506841B (zh) 2006-06-26 2016-06-01 皇家飞利浦电子股份有限公司 感兴趣心肌区域的半自动界定
US7957570B2 (en) * 2007-05-03 2011-06-07 General Electric Company System and method to generate an illustration of a cardiac region of interest
WO2008144751A1 (en) * 2007-05-21 2008-11-27 Cornell University Method for segmenting objects in images
WO2008150945A2 (en) 2007-05-30 2008-12-11 The Cleveland Clinic Foundation Automated centerline extraction method and generation of corresponding analytical expression and use thereof
JP5558672B2 (ja) * 2008-03-19 2014-07-23 株式会社東芝 画像処理装置及びｘ線コンピュータ断層撮影装置
US8139838B2 (en) * 2008-05-22 2012-03-20 Siemens Aktiengesellschaft System and method for generating MR myocardial perfusion maps without user interaction
US8958620B2 (en) * 2010-03-08 2015-02-17 Koninklijke Philips N.V. Region of interest definition in cardiac imaging
US8553989B1 (en) * 2010-04-27 2013-10-08 Hrl Laboratories, Llc Three-dimensional (3D) object recognition system using region of interest geometric features
WO2012153231A2 (en) * 2011-05-10 2012-11-15 Koninklijke Philips Electronics N.V. Myocardial clusterification and orientation

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6065475A (en) * 1995-06-08 2000-05-23 Siemens Corporate Research, Inc. Automatic localization of the heart from a reconstructed volume and automatic selection of a most suitable representative transverse slice for defining a left ventricle oblique axis in myocardial spect study

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Кузьмин А. В., Способы и средства визуализации состояния сердца для компьютерной диагностической системы, Пенза, 2007, 18 *

Also Published As

Publication number Publication date
US8958620B2 (en) 2015-02-17
JP2013522712A (ja) 2013-06-13
JP5764147B2 (ja) 2015-08-12
US20120321153A1 (en) 2012-12-20
CN102812492B (zh) 2016-01-20
EP2545526A1 (en) 2013-01-16
CN102812492A (zh) 2012-12-05
EP2545526B1 (en) 2016-10-19
RU2012142648A (ru) 2014-04-20
WO2011110959A1 (en) 2011-09-15

Similar Documents

Publication Publication Date Title
RU2562898C2 (ru) Определение представляющей интерес области при визуализации сердца
JP2013522712A5 (ru)
US5381791A (en) Automatic indentification of anatomical features of interest from data acquired in nuclear medicine studies and automatic positioning of scintillation cameras to carry out such studies at optimal positions
RU2471204C2 (ru) Локальная позитронная эмиссионная томография
EP2245592B1 (en) Image registration alignment metric
US9433388B2 (en) Image diagnosis apparatus and method
US11309072B2 (en) Systems and methods for functional imaging
CN102473302A (zh) 用于感兴趣肿瘤区域定义的解剖结构建模
JP2017067765A (ja) 医用画像処理装置及びポジトロン放射断層撮影装置
CN108242068A (zh) 用于正电子发射断层成像中的散射校正的方法和系统
US10222490B2 (en) PET scanner with emission and transmission structures in a checkerboard configuration
US11138735B2 (en) Image processing apparatus and medical image taking apparatus
US11534623B2 (en) Determining at least one final two-dimensional image for visualizing an object of interest in a three dimensional ultrasound volume
CN103518225B (zh) 心肌聚类与取向
IL104426A (en) Method and device for automatic detection and analysis of anatomical features based on data submitted by nuclear medicine research
JP6184075B2 (ja) Ｐｅｔ−ｃｔ装置及び画像処理装置
US20220383501A1 (en) Medical information display apparatus, medical image processing apparatus, medical information display method, and computer program product
IL115297A (en) Method and apparatus for automatic identification and analysis of anatomic features from data acquired in nuclear medicine studies
IL115296A (en) Method and apparatus for automatic identification and analysis of anatomic features from data acquired in nuclear medicine studies

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200209