CN101374462A - 基于模型的流动分析和可视化 - Google Patents
基于模型的流动分析和可视化 Download PDFInfo
- Publication number
- CN101374462A CN101374462A CNA2006800459552A CN200680045955A CN101374462A CN 101374462 A CN101374462 A CN 101374462A CN A2006800459552 A CNA2006800459552 A CN A2006800459552A CN 200680045955 A CN200680045955 A CN 200680045955A CN 101374462 A CN101374462 A CN 101374462A
- Authority
- CN
- China
- Prior art keywords
- model
- observation
- blood flow
- filtering
- vascular system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012800 visualization Methods 0.000 title claims abstract description 8
- 238000005206 flow analysis Methods 0.000 title claims description 19
- 238000001914 filtration Methods 0.000 claims abstract description 76
- 230000017531 blood circulation Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000002792 vascular Effects 0.000 claims abstract description 46
- 239000000284 extract Substances 0.000 claims abstract description 10
- 239000002872 contrast media Substances 0.000 claims description 50
- 210000004204 blood vessel Anatomy 0.000 claims description 33
- 230000000007 visual effect Effects 0.000 claims description 24
- 206010002329 Aneurysm Diseases 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 13
- 238000003745 diagnosis Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 4
- 239000004744 fabric Substances 0.000 claims description 4
- 230000000750 progressive effect Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims description 2
- 230000000747 cardiac effect Effects 0.000 claims 2
- 241001672694 Citrus reticulata Species 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000007788 liquid Substances 0.000 claims 1
- 238000002601 radiography Methods 0.000 claims 1
- 238000007794 visualization technique Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 21
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 230000007170 pathology Effects 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000035479 physiological effects, processes and functions Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000010247 heart contraction Effects 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 229940039231 contrast media Drugs 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000002324 minimally invasive surgery Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 208000037997 venous disease Diseases 0.000 description 1
Images
Classifications
-
- 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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供了一种用于根据动态诊断观察序列(101)对血管***中的血液流动进行分析的***(900)、方法(100、200)和装置(600、700、800),以确定血液流动参数(112),从而进一步确定滤波、重放速度以及所重放的原始和滤波序列的最终可视化。第一实施例(100)提取观察的各特征,并使用这些特征从预先确定的具有相关参数的感兴趣血管***模型中选择适当的模型。改变这些参数以创建与原始观察最匹配的模型实例。第二实施例(200)显现原始观察(101)和由模型预测的观察(101′)的重放,以突出它们之间的差。第三实施例(800)提供了滤波和对重放速度的控制。
Description
本发明涉及一种基于图像序列导出血管中血液流动的模型,从而使导出的模型与标准血管模型相匹配,以自动测量血液流动的属性、识别异常并显现结果,供医生或介入医师利用该模型时作进一步考虑的***、装置和方法。
很多医学成像模式给医生和介入医师提供有关不同血管***中血液流动的信息。临床观察的自动和计算机辅助分析十几年来一直是研发的一个焦点。这同样适用于血管造影采集的流动分析。这种分析的主要目的是根据示出造影剂在血流中动力学的观察图像序列鲁棒地提取定量和特性流动属性。
这种分析必须处理血液的流体属性、心跳、图像噪声、造影剂注射以及其它在临床采集中不能确定或是患者特异性的属性。因此,任何自动流动分析的重要属性在于它能够处理确定各特征的表现的所有已知影响。然而,这么大一组不同影响的先验知识很难合并到基于观察特征的解释的分析中,因此导致大多数当前已知的方法对于临床应用缺乏足够的鲁棒性。
从对造影剂通过血管子***的前进进行成像的血管***诊断采集中提取的功能信息可提供这些影响的初步测量。例如,对于针对狭窄的分级而言,主治医师主要感兴趣的是狭窄处的压降。对于针对动脉瘤的分级而言,可能感兴趣的是没有绕过动脉瘤而是通过该动脉瘤的血液量,然而对于分叉而言,进入各分支的流动部分是重要的功能信息。所处理的情况决定了什么功能信息是相关的。用于定量血液流动评估的所有已知算法都是基于简单的特征分析,例如一团注射的对比物质的到达时间,并且这些算法没有特异性以及不足以进行复杂血管形态的评估。
血液流动测量是评估动脉或静脉疾病(例如,狭窄或动脉瘤)严重性所必需的。可以由介入X射线、超声、使用计算机断层摄影或磁共振成像的重复采集以及其它模式来对造影剂的前进进行成像。给出了针对介入X射线的示例;然而,这仅是举例说明并不意味着对X射线模式的任何限制。
在微创手术中,介入医师将导管***到感兴趣血管中,并注射造影剂使血液流动可在其的X射线序列中显现。随后,医师通过视觉检查所采集的X射线序列中造影剂的扩散而对血液流动进行评估。为了在X射线序列中得到流体动力学的最佳视觉效果,需要对图像进行预处理。例如,必须去除背景噪声,这是因为它可产生令人不满意的视觉效果。这尤其可应用于以高帧频采集的流动序列,这是因为由于为了将总的患者剂量保持在可预期的范围内必须使用低的帧剂量(frame dose)而获得较低的图像质量。一种普通的噪声抑制方法是时间滤波,其中对给定数量的帧进行加权和平均。
到目前为止,在不考虑患者个体血液流动的情况下一直用固定的参数集来执行信号处理。结果,不适当的参数可扰乱流体动力学效应的视觉效果。在时间滤波的情况下,时间滤波的强度是关键。如果滤波强度选择太高,则在成像期间造影剂团径向改变其的位置。结果,显示出模糊的团块并且丢失了重要的功能信息。因此,时间滤波的强度必须适应实际的流速,这在很大程度上取决于患者、疾病和器官。此外,造影剂主要以高浓度的团块出现,并且观察的可视化常常转为显示这种团块的出现,然而更多诊断上的相关信息包含于显示在造影剂浓度有局部、更小变化的微流现象中。这些局部、更小的变化常常让较大的造影剂团块弄的模糊,而且人们期望有用于揭示并显现微流现象的方法。
功能信息能够得到疾病对人体影响的直接测量,但同时通常不会得到很高的期望。因而,对于从医学成像中提取功能信息的需求越来越大。然而,血液流动分析不是临床的常规操作,这是因为从对比增强的X射线图像或其它模式中自动获得的信息并不充分。
本发明的***、装置和方法提供了基于具体流动分析的有关个体潜在物理血液流动的功能信息,即在所成像的感兴趣血管子***中具体患者的血液流动参数。将先验知识灵活地结合到本发明的***、装置和方法的血液流动分析中是一种从现有技术的特征计算分析转换到以适当选择的预测模型为基础的新的基于模型的功能分析的范例。
在第一实施例中,先验知识来自于流体动力学,并用从一幅或多幅血液流动图像的序列中获得可利用的患者特异性信息进行补充,其中,各图像用于将恰当选择的血液流动行为的模型适配到由患者血液流动图像的序列所表现的真实生理过程。作为本发明的基本优势,不再须要进行用公式表示并执行特征分析算法以解释观察(从患者获得的血液流动图像的序列)的所有可能偏差。代替的是,使用本发明基于模型的方法,能结合不同的影响以便能够预测在诊断采集中可能遇到的广泛观察和特征。与现有技术的计算特征分析相比的优势在于,本发明第一实施例的方法给出了定义明确的可能性,从而将所有有关观察过程的先验知识包括到该分析中。
其它的实施例关注于将提取的流动信息进行可视化的有利用法以及以易于访问的方式呈现给观察者。可以对不同的信息和现象进行提取并增强或者滤除,以及基于来自预测的任何偏差引起医生/介入医师注意这些信息和现象,使得医生/介入医师能够用期望的数值实现微流现象的进一步可视化(所识别异常的流动的更详细可视化)并进行视觉比较。
在第二实施例中,将诊断图像序列中所包含的造影剂传播与建模得到的与观察序列相匹配的生理流动模式进行比较。各个剩余偏差的可视化和量化用于首先识别异常的流动,然后执行详细地分析,诸如提取的参数与目标血管结构中期望值的分布进行比较。
在第三实施例,在滤波步骤期间应用自适应信号预处理(滤波),以便说明具体患者的血液流动速度、总的血流量和其它相关流动参数。一种替代方案包括自适应滤波,其取决于慢动作重放中的重放速度。
图1示出了本发明的基于模型的流动分析工作流程,并示出了使用提取的特征来详细说明模型,且包括针对具体患者最终得到的模型的误差测量和校正;
图2示出了用于通过确定模型预测和原始观察之间的差来对流动现象进行可视化的方案;
图3示出了根据本发明的具有观察点和相关模型的动脉瘤;
图4示出了与各种血管局部解剖相关的各观察点的示例;
图5示出了在其中观察动脉瘤中造影剂流动(来自采集的各原始帧a)的各血管段的诊断图像和显现这种异常微流的经处理图像(b)的示例;
图6示出了实现第一实施例的基于模型的流动分析的装置;
图7示出了实现第二实施例的可视化方案的装置;
图8示出了实现对动态观察图像进行滤波的装置;以及
图9示出了一种***,用于由成像模式捕获动态观察、根据本发明第三实施例对各图像进行滤波、将本发明第一实施例的流动分析应用到滤波后的动态观察中以及用本发明第二实施例显现滤波和模拟的动态观察的重放。
本领域普通技术人员应当理解的是,为了便于说明而非限制提供以下的说明书。技术人员可以理解到,在本发明的精神和权利要求书的范围内存在很多变更。为了使本发明清楚起见,本说明书不再赘述已知的功能和结构。各示例仅是为了阐述,并不打算限制本发明的范围。
在第一实施例中,本发明的***、装置和方法为医生/介入医师提供涵盖感兴趣的重要血管形态及病理的示例性数学流动模型集,并提供了一种针对所考虑情况手动或自动选择适当模型的技术。每种模型包括的参数集涵盖血管局部解剖或病理的具体流动参数集。优选实施例的基于模型的分析的目的是优化该集合,并在模型给出与观察尽可能相似的预测时向用户提供参数。因而,经优化的模型参数包括用于诊断的临床相关信息和用于所考虑血管结构的结果控制。在替代的优选实施例中,可以通过连接若干定制的模型对复杂的血管***进行分析。模型选择取决于在至少一幅图像的序列中所描绘的血管局部解剖,并且可以手动或自动地来执行。
现在参照图1,在第一优选实施例中,本发明基于所观察特征的流体动力学结合血液流动的先验知识,以确定适当的流动模型,该模型适配于由显示造影剂在血管***中前进的诊断图像数据序列构成的观察101所代表的真实生理过程。然而,由于在不同血管局部解剖和病理中的不同流动行为,每个感兴趣的血管结构都需要定制的模型。本发明详述了涵盖感兴趣的重要血管局部解剖及病理的示例性数学流动模型集,并提供为所考虑的每种情况选择适当模型的技术。对于其它血管子***的其它可能预测模型包括肿瘤送料(tumor feed)、动静脉畸形等,但这些仅是示例,并不打算作为该方法的限制。
在优选实施例中,每个模型包括跨越血管形态和血管病理中至少一个的具体流动参数的参数集。本发明对各模型参数进行优化以反应用于诊断的临床相关信息和用于所考虑血管结构的结果控制。
在替代的优选实施例中,可以为分析特定的复杂血管***形态连接若干定制模型。最后得到的具体情况的流动模型及其选择能够对任何生理相关结构进行血液流动评估,这是将应用到患者体内可观察的所有不同血管形态的这种分析的先决条件。本发明的模型选择程序采用了诊断成像中,即图像序列中所描绘的血管局部解剖。
对于人类血液流动的基于模型的流动分析而言,现在可以处理的主要问题是血液流动的搏动性质、血液在患者间和患者内具有强可变性的所有非牛顿流体属性以及造影剂注射本身的影响。
因而,由本发明的***、装置和方法所提供的基于模型的流动分析范例将所需的各特征并入算法架构中,使其能够用于分析图像序列所捕获的临床观察。在该基于模型的分析范例中假设,各模型参数有效并能解释真实世界的观察,使得使用这些参数得到的似乎合理的模型预测产生先前已经观察到的各特征。
图1示出了基于模型的流动分析方法的优选实施例。采集中的观察数据101现在向分析架构提供两个输入102。提取的代表特征104包含流动过程所需的所有信息。附加地,提取模型的各边界条件以使模型具有一定形态103。在这种背景下,各边界条件是血管***中后期特征预测107所需要了解、但独立于流动本身的各属性。在优选实施例中,血管***模型的形态包含所有能从所分析的血管造影照片中确定或者可从其它成像模式中获得的特性几何属性。
模型实例106预测107当具有各边界条件的形态时取决于各流动属性的特征108。适配回路110-113修改各流动属性直到在预先确定的公差内,预测特征108与来自观察101的提取特征104相匹配为止。
一旦创建出适配的模型实例106,则其现在可以在由流动参数控制的情况下预测特征。该预测是本发明基于模型的分析的特征步骤,因为在此将所有可利用的先验知识包括在该过程中。将从观察101中提取102的特征104与预测107的特征108进行比较给出了该模型的偏差或预测误差测量。根据目标应用选择相关的流动参数,并将其形成搜索空间。适当的优化算法用于适配110这些流动参数112,从而减少并最终最小化预测误差。根据本发明优选实施例的基于模型的范例,使观察和模型预测之间剩余误差最小的那些参数是该分析的结果,并将其提供114给应用115。
另外,这些结果的质量取决于该模型的预测和形态的有效性和似真性。在优选实施例中,在无需修改分析架构本身的情况下,针对每种应用调整这两种基本属性。
基于模型的分析确定具有形态的模型实例,其可以使用似乎合理的先验知识预测并因此解释观察,从而处理各复杂观察。在创建这种基于模型的分析中,在优选实施例中,应当在分析中表示出的每种效应都包括在对特征108的预测107中。
针对介入X射线给出根据第一实施例的方法100的示例,但并不意味着将该方法限制于这种模式:
1.在X射线监视下团注的成像:将造影剂注射到感兴趣血管中,以便可在至少两幅X射线图像的序列中观察到血液流动。为此,使用预先确定的具体注射规程。
2.识别血管结构并选择流动模型:通过在至少两幅X射线图像的序列上执行最大化/最小化运算来计算不透明的血管树蒙片(mask)。随后,医生/介入医师通过对不透明血管树的视觉检查,从所提供的标准模型集中选择适当的模型。
由第一实施例提供的每一流动模型描述了对于具体形态的造影剂输移。通过各流动模型,预测此处各特征的时间强度曲线,即在预先确定的一组观察点处造影剂随时间变化的浓度。每一模型包括模型特异性参数集,其涵盖血管局部解剖或病理中的至少一个具体特征并需要至少一个不同数量的预定观察点。结果,为感兴趣血管形态提取与具体血液流动相关的参数。
流动模型集包括(但不局限于)狭窄模型、动脉瘤模型以及分叉模型。从定制的流动模型中提取临床相关信息的示例是狭窄分级。在现有技术的临床常规操作中,通过使用压力导丝测量狭窄上的压降来执行针对狭窄的分级。可以通过在X射线监视下进行血液流动测量来模拟该程序。一种程序从对比增强的X射线图像序列中或由类似的适当模式采集的图像系列中,测量在非分叉血管中任意观察点处搏动的血流量(volumetric bloodflow)和搏动速度。借助于该方法,可计算狭窄上若干观察点处的速度v(t),参见图4b。注意,血液流动Q(t)对于每个观察点是相同的。通过利用v(t)和Q(t),随后由下式计算出每个观察点处狭窄的有效半径R:
Q(t)=v(t)πR2 (1)
压降Δp、有效半径R和血液流动Q(t)之间的关系是本领域已知的。结果,可以执行狭窄上压降的计算。
在替代实施例中,使用基于速度的狭窄分级来执行压降测量。在这里,狭窄的程度由下式进行计算:
其中,v1是观察点1处的速度,而v2是观察点2处的速度。
对于上面的分析,创建流动模型来预测造影剂通过各观察点之间管状结构的输移。该预测优选考虑到血液和造影剂输移的所有机制,主要是搏动的离散、扩散和血管横截面上变化的血流速度。
从定制的各流动模型中提取临床相关信息的另一示例是动脉瘤的评估。在这里,医师感兴趣的是血液流动取自绕行通过动脉瘤的部分。需要来自母管(parenting vessel)的流过动脉瘤体积的血液流动部分来确定血流在动脉瘤中的剩余时间,这被认为是治疗决策和结果控制的相关参数。
首先,通过模拟进料中观察点301-302间的造影剂输移来确定总的血流量,参见图3a的300a。随后,计算取自绕行通过动脉瘤304的部分和经过动脉瘤而未进入的部分。为此,使用图3中区域(element)300b所描绘的模型来模拟造影剂从第二观察点302到第三观察点303的输移。该底层模型由连接两个观察点305、306的两个管状结构组成。第一管状结构306模拟各观察点的原始生理连接,而第二管状结构305模拟动脉瘤304中造影剂采用的迂路。每个管状结构的长度和半径是优化过程的参数,并且造影剂在每个建模管中的动力学优选建模为如上所述的管状血管。如另一实施例,为了预测动脉瘤囊内造影剂的浓度和量,将动脉瘤建模为内部具有均匀造影剂浓度的流体体积,这可根据造影剂通过观察点302流动的量来进行预测。
从定制的各流动模型中提取临床相关信息的另一示例是使用血液流动在分支404.1、404.2中的比率进行分叉的评估(参见图4a的404)。为此,优选使用上面给定的各管状结构中造影剂输移的模型,模拟从进料401中的观察点到分流管(drain)的每个分支中观察点402、403的造影剂输移。该模拟的一个参数是进入每个分支402、403的流动部分。这些比例因数的比率指示出血流量在各分流管(各分支)402、403中的比率。
3.提取各相关观察点处的时间强度曲线(TIC):对于上面给定的所有观察点而言,在优选实施例中,为了降低噪声的影响,对血管内观察点周围预先指定区域中的造影剂强度取平均来确定造影剂的局部浓度。观察点的数量和位置取决于当前的血管局部解剖或病理,因此取决于流动模型。
4.优化模型参数:流动模型提供了各特征的预测,优选为时间强度曲线和沿血管在每个观察点处的造影剂浓度的预测。在优选实施例的优化过程中,将预测的TIC和观察到的TIC进行比较109,并调整各模型参数,使得测得的时间强度曲线与模型预测之间的误差最小。然后输出的参数提供用于疾病评估的重要诊断值。在分叉的情况下,在优选实施例中,图400a的分量404是血流量在分支404.1、404.2中的比率(如上所述),然而对于狭窄而言,图400b的分量408是在狭窄408上的压降。在动脉瘤的情况下,来自母管的流过动脉瘤本身的血液流动部分是主要的参数。
5.显示相关的输出参数:在优选实施例中,以适当的方式向医生/介入医师显示流动参数112。在替代实施例中,将结果传送给对来自流动分析的结果进行处理的应用115中。
现在参照图6,示出了实现第二实施例的装置600,其包括模型实例生成器,它能控制模型形态模块从包含所有可能的感兴趣血管***的示例性模型的数据库602中选择适当的模型及其初始形态(基于提取的真实特征)。模型实例细化模块106运行该模型以获得预测特征108,然后将该预测特征108与提取的真实特征进行比较,并且通过比较和适配模块110来适配与选定模型相关的流动参数值。由模型实例细化模块106使用适配的流动参数对模型实例进行细化,并重复预测、比较、适配和细化的过程,直到真实特征和预测特征间的差落在预先确定的至少一个公差范围内为止。将从这种迭代过程中最终确定的流动参数输出114给使用这些参数的其它***/应用,例如用在下面描述的第二实施例中。
使用模型进行流动可视化
参见图2,第二实施例是一种基于模型的可视化机制,其中不同的信息和现象是提取/增强和滤除中的一种。在预测步骤207过程中做出进行增强或者执行滤波过程的决定。
在第二实施例的基于模型的可视化框架中,真实观察201中的选定部分通过已具有形态的模型206进行解释,并且能够对其进行抑制或特别处理。预测的观察208与真实观察201之间的差210包含经模型预测步骤207中可用的先验知识滤波的所有信息。
对于第二实施例的基于模型的可视化方案,确定模型实例。再次从真实观察中提取202有关血管几何形状的边界条件。对于对比增强的血管造影照片的流动分析而言,该预测包括感兴趣的血管子***中的局部造影剂量。此外,同样确定出动态流动参数。这些通常由先验的流动分析来提供。在该第二实施例中模型实例206提供增强的预测能力。通过从真实观察201中减去模型预测的观察208可获得可视化相关内容的滤波或选择。该差包含模型实例206本身还没有解释的所有流动现象。有利的是,以这样的方式创建模型实例206,使得其能解释并预测生理流动现象。于是,由模型实例206预测的观察208和真实观察201之间的差包含相对于正常生理流动的所有偏差。然后在第二实施例中,将原始观察201与生理预测的剩余差的融合213用于增强,例如颜色编码的所有病理或难以解释的流动现象。
在第二实施例中这些差的增强可视化214相对于现有技术有显著的进步,这是由于一般情况下,在生理流动模式下造影剂使得所有的微流效应不清楚,因此造影剂的存在极大地削弱了感兴趣的血管结构。融合和图像滤波213有利地从流动参数本身中取得用于这种可视化214的第二优选实施例中的参数。具体而言,在下面将要详细描述的第三实施例中,期望的造影剂的时间动力学用于在该融合步骤202中控制205噪声降低滤波。
现在参照图7,示出了实现第二实施例的装置700,其包括根据第一实施例的模型实例生成器600,它通过比较和差分模块209以获得预测的观察,并将预测的观察与基准图像(真实观察201)进行比较,且得到它们之间的差210,然后通过融合和滤波模块213来相对于基准图像(真实观察201)可视化该差,滤波是第三实施例800的实现。
在第二实施例的示例中,参见图5,将动脉瘤囊建模成一个与母管流进行交换的含有造影剂的均匀混合腔。现在参照图5的a1-a4,来自诊断采集的各帧示出造影剂到达动脉瘤囊的过程。当把各诊断X射线的血管造影照片看作输入(如上,见第2项)时,从流动序列的不透明血管***蒙片中提取该动脉瘤囊的几何结构。在用户选择的ROI(如图5的a-1中的矩形501所示)中,对在迹线减影图像(trace subtract image)中存储的最大衰减进行阈值分割,以确定投影中的血管内腔。结果,图包含动脉瘤的血管内腔和最大造影剂浓度(代表局部厚度)。提取动脉瘤中造影剂的总量。在模型预测中使用由该总量对动脉瘤图进行的缩放,以便从可视化中去除总衰减的影响。从观察本身减去该建模得到的造影剂浓度揭示了动脉瘤中独立于其内部瞬间衰减的微流(图5的b1-b4)。
替代的第二实施例引入了颜色(未示出),颜色能够在不改动原始诊断信息的情况下增强灰度血管造影照片的表现,并极大地提高彩色血管造影的引人注意的质量以及其诊断的效用。对于这种彩色可视化,在诊断观察I(x,y,t)中,灰度I对应于在实例时间因此在图像帧t时位置(x,y)处的造影剂局部浓度。模型预测提供了包含在位置(x,y)处和时间t时由该模型提供的所有预测造影剂浓度P的图像序列P(x,y,t)。因此,这两个图像序列的差D(x,y,t)包含有所有未解释的造影剂变化。在优选的可视化中,原始采集I用于确定可视化的局部强度,而局部差D用于在优选不修改强度本身的情况下选择者色。
在又一替代的第二实施例中,创建所成像血管结构的合成视图。为此,将提取的几何结构显示为血管***的示意图。配色方案可以用于具有选定流动参数的每个血管段。体积流量或脉动程度是在这种概观示意图内可显现的流动树中可能的局部参数。具体而言,通过在从生理血管***中获得的统计分布对提取数据进行的分类可指示出不期望的高值或低值。这种着色示意图可用作概观复杂血管***中各子树的状况,或者用作受病理影响的血管中游程长度的函数。与第一替代实施例相比,此处根据模型和提取的参数创建新的合成显示。
使用流动和重放参数进行滤波
为降低噪声和伪影所进行的图像滤波通常应用于所有的医学图像数据。然而,用不合适技术参数进行的滤波可能使重要的观察变得不清楚,甚至产生观察者的眼睛能够看见但从未在采集数据中存在的伪影结构。第三实施例使用有关个体患者血液流动速度(其由于心跳而随时间变化)的信息解决了这些问题,以便调整滤波使得各图像包含尽可能少的噪声,但另一方面总是在不产生模糊(它是滤波在没有进行正确调整时引入的一种最常见的图像质量恶化)的情况下示出造影剂团的运动。在第三实施例中图像的(预)处理及其各参数取决于估算的流动速度、总的血流量或在至少一种图像,例如X射线的序列中描绘的患者解剖的任意其它相关流动参数。
第三实施例的示例是通过时间滤波来降低图像噪声。此处,时间滤波的强度取决于血液流动速度。滤波强度可随时间和位置而变化,这是因为流动速度由于搏动依赖于时间,并且可观察到流动速度在不同血管***中有极大地变化。
根据第三实施例的方法的优选实施例包括如下步骤:
1.由介入放射医师将造影剂团注射入感兴趣的血管中。
2.使用公知的视频密度技术和第一实施例的技术从采集的X射线序列中测量流动速度。结果,获得类似流动速度或总流量的特性流动参数。
3.用适配的滤波尺度进行时间滤波,其通过仅允许团块覆盖加权和平均帧中最大距离d而避免了模糊。引入流动速度v(根据前面所估算的),由加权和平均帧覆盖的最佳时间段Δt为Δt=d/v。由于附加地知道序列的帧频f,因此用于时间滤波的高斯低通滤波的标准偏差σ由下式进行计算
由于流动速度v(t,x)是时间和位置的函数,因此可为每个单独的时刻和(血管)像素单独地计算反应时间滤波强度的标准偏差σ(籍此在血管外可选择适当强的标准偏差σ)。然而,如果使用这种噪声抑制的局部强度,有可能导致闪烁序列的视觉效果。为了解决这一问题,存在2种可能性:
a.代替使用噪声抑制的局部强度的是使用全局σ。为了获得适当的全局σ,必须知道图像序列的最大流动速度。至少在整个心跳周期上测量流动速度。在该时间期间,要么不执行时间滤波,要么优选地执行使用迄今为止最大测得速度的时间自适应的时间滤波。优选地,使用第一实施例确定心跳周期上的流动速度及其变化。
b.如果使用噪声抑制的局部强度,则对于图像和时间执行适当的正则化。
4.在时间滤波后即时重放X射线图像,或者在图像采集后以慢动作重放方式重放X射线图像。对于即时重放而言,由附加的血液流动评估引入已经为标准预处理所需要的附加等待时间。然而,由于在慢动作重放情况下人眼不能对屏幕序列进行平均,因此图像质量在慢动作重放中更加重要,从而实时要求不是非常重要。
在替代的第三实施例中,当由该装置提供慢动作重放时,应用的噪声滤波强度还取决于用户已经选择的重放速度。为了加快重放给定无噪声的可视化,可增加时间滤波的强度,而为了减慢重放速度,可降低时间滤波强度以避免当在慢动作中观看单个帧时各个模糊变得越来越明显。
现在参照图8,示出了用于滤波模块800的装置。使用第一实施例来确定各流动参数112,并且滤波确定模块805根据流动速度(流动参数112)和重放速度中的至少一个来选择、调整和应用滤波。图像序列重放模块806对观察进行重放,即该模块806使用本发明第二实施例以显现与经滤波的观察相比的真实观察中所包含的观察中的造影剂输移。
现在参照图9,一种***包括医学成像***801,其向滤波模块800提供真实诊断观察101,该滤波模块800应用根据该观察选定的滤波(使用从应用第一实施例中最终得到的流动参数112),以重放真实的流动和从流动分析600中最终得到的建模的可能流动(预测的流动),然后通过第三实施例700显现该滤波的重放。
虽然已经示出和描述了本发明的各优选实施例,但是本领域的技术人员应当理解的是,本文所描述的***、装置和方法是说明性的,并且在不脱离本发明真实范围的情况下,可做出各种改变和修改,以及可制作用于代替本发明***、装置和方法的元件和元素的各等价物。另外,在不脱离其中心范围的情况下,可做出各种修改以使本发明讲授的内容适应特定的情形。因此,本发明旨在不局限于为实施本发明设想的最佳模式所公开的各特定实施例,而本发明的意图是包括落在其权利要求书范围内的所有实施例。
Claims (35)
1.一种根据血管***中血液流动的诊断观察对其进行分析的方法(100),包括如下步骤:
提供至少一个示例性血管***血液流动模型的数据库(602),所述至少一个模型具有所建模血管***的最相关血液流动参数的相关参数集;
以至少两幅图像的序列方式提供诊断观察(101),所述图像示出造影剂在所述血管***中的前进;
根据所提供的诊断观察(101),使用所述模型的所述参数集提取一组所述血管***的所提取定量血液流动特征(102);
从所述数据库(602)中选择(103)并关联至少一个针对所观察血管***的血液流动模型(603),使得根据预先确定的所述血液流动参数的相关集合的匹配函数,将由所述模型预测的所预测血液流动特征(108)与提取的血液流动特征(102)相匹配;以及
输出所述模型和所述血液流动参数的相关参数集。
2.如权利要求1所述的方法(100),还包括如下步骤,所述选定的模型预测所述诊断观察(101)和从所述诊断观察(101)中提取的所述组定量特征(102)中的至少一个。
3.如权利要求2所述的方法(100),其中,所述预先确定的匹配函数包括如下步骤,***地改变所述选定模型的血液流动参数值,直到所述预测的特征与对应的提取特征彼此间的每个差都小于预先规定的公差。
4.如权利要求3所述的方法(100),其中,所述***地改变步骤执行数值优化过程。
5.如权利要求4所述的方法(100),其中,观察点处造影剂的局部浓度既是所述提取特征(102)之一又是所述预测特征(108)之一。
6.如权利要求5所述的方法(100),还包括如下步骤:
将所述造影剂注射到所述血管***的血管内;以及
其中,所述诊断观察(101)是通过在所述注射步骤后执行拍摄所述血管***的至少两幅X射线图像系列的步骤所获得的诊断X射线。
7.如权利要求8所述的方法(100),还包括如下步骤,根据拍摄所述血管***得到的所述诊断X射线确定所述血管***的几何结构。
8.如权利要求8所述的方法(100),还包括给用户呈现所述流动参数的步骤。
9.如权利要求1所述的方法,其中,所述示例性模型集(602)包括一种模型,所述模型描述出造影剂在选自如下各机制构成的组的输移机制作用下通过管状结构的流动:离散、扩散、对流、血管横截面上的变速、以及心搏周期内的变速。
10.如权利要求1所述的方法(100),其中:
所述数据库(602)包括针对狭窄的模型;以及
所述组的提取特征(102)包括针对所述狭窄的分级。
11.如权利要求1所述的方法(100),其中:
所述数据库(602)包括一种模型,所述模型包括至少一个母管和至少两个形成其分叉的分支管;以及
所述组的提取特征(102)包括进入所述至少两个分支管中的流动部分。
12.如权利要求1所述的方法(100),其中:
所述数据库(602)包括具有母管的血管的动脉瘤囊模型;以及
所述组的提取特征(102)包括所述母管中流过所述动脉瘤的流动部分。
13.如权利要求13所述的方法(100),其中,所述动脉瘤囊包括两个平行的管状血管,一个用于所述母管和一个取替所述动脉瘤本身。
14.如权利要求14所述的方法(100),其中,所述动脉瘤囊包括具有均匀造影剂浓度的液体腔。
15.一种根据所观察血管***中血液流动的诊断观察(101)对其进行分析的装置(600),包括:
血管***中血液流动各示例性模型的数据库(602),每个模型具有与所模拟血管***最相关的血液流动参数的相关集合;以及
模型实例生成器(600),用于控制基于所观察血管***的提取特征(102)从所述数据库(602)中选择并关联的至少一个示例性模型的实例的创建,使得根据预先确定的所述血液流动参数相关集合的匹配函数,将由所述至少一个模型预测的所预测血液流动特征(108)与所提取的血液流动特征(102)相匹配。
16.一种根据血管***中血液流动的诊断观察对其进行可视化的方法(200),包括如下步骤:
通过执行权利要求1所述的方法确定血液流动模型及其血液流动参数,使得所述模型基于所述流动参数预测所述观察;以及
提供可视化装置(700)以基于所述流动参数显现所述模型的血液流动。
17.如权利要求16所述的方法(200),还包括如下步骤:
使用所确定出的血液流动模型生成预测的观察;以及
用所提供的可视化装置显现所述观察和所述观察与所述预测的观察之间的差。
18.如权利要求16所述的方法(200),还包括如下步骤:
使用所确定出的血液流动模型生成预测的观察;
用所提供的可视化装置显现所述观察;以及
用所述观察与所述预测的观察之间的差的函数增强所显现的观察。
19.如权利要求18所述的方法(200),其中,所述函数是根据所述差创建的颜色叠加。
20.如权利要求19所述的方法(200),其中,所述预测的观察是当以所述诊断观察的方式随时间观察进入管状血管的入流处的造影剂浓度时在所述段管状血管中的造影剂浓度。
21.如权利要求20所述的方法(200),其中,所述生成步骤还包括如下步骤,包括选自如下各机制构成的组的输移机制的造影剂输移效应:离散、扩散、对流、血管横截面上的变速、以及心搏周期内的变速。
22.如权利要求20所述的方法(200),其中:
所述提取的血液流动特征(102)包括在所述血管***或其一部分中的造影剂量;以及
所述生成步骤还包括如下步骤:假设血管***或其一部分中的所述造影剂有均匀浓度。
23.如权利要求22所述的方法(200),其中:
所述提取的血液流动特征(102)包括所述血管***或其一部分的几何结构;以及
所述生成步骤还包括如下步骤:包括有关所述血管***或其一部分的所述几何结构的信息。
24.如权利要求22所述的方法(200),其中,所述生成步骤还包括如下步骤,包括与从不同于所述诊断观察的替代模式中获得的所述血管***或其一部分的所述几何结构有关的信息。
25.一种根据血管***中血液流动的诊断观察对其进行可视化的装置(700):
血管***中血液流动各示例性模型的数据库(602),每个模型具有与所模拟血管***最相关的血液流动参数的相关集合;
根据权利要求15所述的装置(600),用于创建所述数据库(602)中示例性模型的模型实例,以根据所述诊断观察(101)分析所观察的血管***中的血液流动;以及
可视化生成器(214),用于显现所述诊断观察的基准图像(201),以供与由所述模型实例预测的预测观察(208)进行视觉比较。
26.如权利要求25所述的装置(700),其中,所述可视化生成器(214)还配置成执行权利要求24所述的方法。
27.一种用于对动态诊断观察序列进行滤波的方法,其中,所述动态诊断观察序列示出了造影剂在血管***中的前进,所述方法包括如下步骤:
基于选自如下各项构成的组的至少一种标准来局部确定时间滤波的强度:
-所述诊断观察的局部血流速度,以及
-由于滤波仅覆盖在滤波尺度所定义的观察时间内造影剂可通过的预定距离而造成的模糊;
通过最少量比较从所述局部确定的滤波强度中确定全局滤波强度;以及
向所述观察应用从由时间滤波和全局滤波构成的组中选出的预定数量的滤波。
28.如权利要求27所述的方法,还包括如下步骤,在所述应用步骤之前,对每一时间滤波的强度进行正则化。
29.如权利要求28所述的方法,其中,所述正则化步骤通过所述滤波强度的空间和时间低通来执行。
30.如权利要求29所述的方法,还包括如下步骤,与所述应用步骤同时执行权利要求24所述的方法,以显现所述造影剂在血管***中的前进。
31.一种用于对动态诊断观察序列进行滤波以在其中显现造影剂在血管***中前进的方法,包括如下步骤:
提供可调整的重放速度;
调整所述重放速度;
基于所述选定的重放速度选择噪声滤波;以及
同时执行如下步骤:
a.应用所述选定的噪声滤波,以及
b.执行权利要求25所述的方法,以显现所述造影剂在所述血管***中的前进。
32.如权利要求31所述的方法,还包括如下步骤:
当所述重放速度超过预先确定的强阈值时,应用强的时间滤波;以及
当所述重放速度低于预先确定的弱阈值时,应用弱的和没有时间滤波中的一种。
33.如权利要求31所述的方法,其中:
所述提供步骤还包括提供所述重放速度的连续改变速率;以及
以及当所述重放速度的所述改变速率连续时,所述选择步骤还仅包括所述时间滤波强度的连续改变。
34.一种对血管***中造影剂前进的动态诊断观察序列进行滤波的装置(800),包括:
流动参数确定模块,配置成如权利要求15所述的那样以确定所述观察的流动参数(112);
滤波确定模块805,配置成执行权利要求30所述的方法,以确定将应用于所述观察序列的预定数量的滤波;
图像序列重放模块(806),用于确定重放速度和使用权利要求33所述的方法根据所述重放速度确定所述滤波的滤波强度,并用于输出经滤波的观察序列(101')的重放;以及
可视化生成模块,配置成权利要求27所述的那样以接收并显现由所述图像序列重放模块(806)输出的所述经滤波的观察序列(101')的重放。
35.一种对动态观察序列(101)进行滤波、重放和显现的***(900),包括:
滤波模块(800),用于
-根据所述动态观察序列的流动参数(112)确定至少一种滤波,以及
-以确定的速度重放所述经滤波的动态观察序列(101);
流动分析模块,可操作地连接到所述滤波模块(800),以确定所述动态观察序列的流动参数(112)并向所述流动分析模块(800)提供所述确定的流动参数;以及
可视化***(700),可操作地连接到所述滤波模块,以显现所述经滤波序列的重放和所述观察的重放中的至少一种。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US74880805P | 2005-12-09 | 2005-12-09 | |
US60/748,808 | 2005-12-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101374462A true CN101374462A (zh) | 2009-02-25 |
Family
ID=38123279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800459552A Pending CN101374462A (zh) | 2005-12-09 | 2006-11-15 | 基于模型的流动分析和可视化 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080294038A1 (zh) |
EP (1) | EP1960965A2 (zh) |
JP (1) | JP2009518097A (zh) |
CN (1) | CN101374462A (zh) |
WO (1) | WO2007066249A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106994003A (zh) * | 2010-08-12 | 2017-08-01 | 哈特弗罗公司 | 用于患者特异性血流建模的方法和*** |
TWI698225B (zh) * | 2019-06-11 | 2020-07-11 | 宏碁股份有限公司 | 血管狀態評估方法與血管狀態評估裝置 |
CN113303773A (zh) * | 2021-05-20 | 2021-08-27 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101330872B (zh) * | 2005-12-15 | 2010-12-29 | 皇家飞利浦电子股份有限公司 | 一种在血管造影术中用于确定脉动程度的方法 |
US11197651B2 (en) | 2007-03-08 | 2021-12-14 | Sync-Rx, Ltd. | Identification and presentation of device-to-vessel relative motion |
US9968256B2 (en) | 2007-03-08 | 2018-05-15 | Sync-Rx Ltd. | Automatic identification of a tool |
US11064964B2 (en) * | 2007-03-08 | 2021-07-20 | Sync-Rx, Ltd | Determining a characteristic of a lumen by measuring velocity of a contrast agent |
EP2129284A4 (en) | 2007-03-08 | 2012-11-28 | Sync Rx Ltd | IMAGING AND TOOLS FOR USE WITH MOBILE ORGANS |
US9629571B2 (en) | 2007-03-08 | 2017-04-25 | Sync-Rx, Ltd. | Co-use of endoluminal data and extraluminal imaging |
US8781193B2 (en) | 2007-03-08 | 2014-07-15 | Sync-Rx, Ltd. | Automatic quantitative vessel analysis |
US10716528B2 (en) | 2007-03-08 | 2020-07-21 | Sync-Rx, Ltd. | Automatic display of previously-acquired endoluminal images |
JP2008244846A (ja) * | 2007-03-27 | 2008-10-09 | Toshiba Corp | フレーム補間装置及びその方法 |
US8411919B2 (en) * | 2008-07-07 | 2013-04-02 | Siemens Aktiengesellschaft | Fluid dynamics approach to image segmentation |
JP4909188B2 (ja) * | 2007-06-20 | 2012-04-04 | 株式会社日立メディコ | X線ct装置 |
WO2009024919A2 (en) * | 2007-08-20 | 2009-02-26 | Koninklijke Philips Electronics N.V. | Method for measurement of a flow in an object, especially a lumen or a vessel |
US8188416B2 (en) * | 2008-01-14 | 2012-05-29 | The Charles Stark Draper Laboratory, Inc. | Engineered phantoms for perfusion imaging applications |
RU2010140802A (ru) | 2008-03-06 | 2012-04-20 | Конинклейке Филипс Электроникс Н.В. (Nl) | Способ анализа сосудистой системы |
US9427173B2 (en) * | 2008-05-09 | 2016-08-30 | General Electric Company | Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information |
US8509507B2 (en) * | 2008-06-30 | 2013-08-13 | Koninklijke Philips Electronics N.V. | Perfusion imaging |
US8200466B2 (en) | 2008-07-21 | 2012-06-12 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
US10362962B2 (en) | 2008-11-18 | 2019-07-30 | Synx-Rx, Ltd. | Accounting for skipped imaging locations during movement of an endoluminal imaging probe |
US11064903B2 (en) | 2008-11-18 | 2021-07-20 | Sync-Rx, Ltd | Apparatus and methods for mapping a sequence of images to a roadmap image |
US9974509B2 (en) | 2008-11-18 | 2018-05-22 | Sync-Rx Ltd. | Image super enhancement |
DE102009004580A1 (de) * | 2009-01-14 | 2010-07-15 | Siemens Aktiengesellschaft | Abtast- und Rekonstruktionsverfahren eines CT-Systems und CT-System |
US9405886B2 (en) | 2009-03-17 | 2016-08-02 | The Board Of Trustees Of The Leland Stanford Junior University | Method for determining cardiovascular information |
JP5534703B2 (ja) * | 2009-04-15 | 2014-07-02 | 株式会社東芝 | X線診断装置 |
CN102834847B (zh) | 2010-04-13 | 2016-09-07 | 皇家飞利浦电子股份有限公司 | 图像分析 |
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
DE102010040944B4 (de) * | 2010-09-17 | 2021-03-04 | Siemens Healthcare Gmbh | Verfahren zur Bestimmung hämodynamischer Flussparameter von Blutgefäßen mit angiographischen CT-Bilddaten und CT-System |
WO2012075155A2 (en) | 2010-12-02 | 2012-06-07 | Ultradent Products, Inc. | System and method of viewing and tracking stereoscopic video images |
KR101207419B1 (ko) | 2011-01-19 | 2012-12-04 | 한국과학기술원 | 혈관내 조영물질의 동적 패턴의 전파분석을 이용한 정량적 조직 혈류속도 측정방법 |
DE102011003929B4 (de) * | 2011-02-10 | 2020-10-01 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung von Flussverteilungen aus Angiographiedaten und/oder DSA-Sequenzen |
JP6101048B2 (ja) * | 2012-02-20 | 2017-03-22 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US8548778B1 (en) | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
WO2013180773A1 (en) | 2012-06-01 | 2013-12-05 | Ultradent Products, Inc. | Stereoscopic video imaging |
EP2863802B1 (en) * | 2012-06-26 | 2020-11-04 | Sync-RX, Ltd. | Flow-related image processing in luminal organs |
EP3723041A1 (en) | 2012-10-24 | 2020-10-14 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
US9858387B2 (en) | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
US10595807B2 (en) | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
US10210956B2 (en) | 2012-10-24 | 2019-02-19 | Cathworks Ltd. | Diagnostically useful results in real time |
US9814433B2 (en) | 2012-10-24 | 2017-11-14 | Cathworks Ltd. | Creating a vascular tree model |
JP2014100249A (ja) | 2012-11-19 | 2014-06-05 | Toshiba Corp | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
CN104217398B (zh) * | 2013-05-29 | 2017-07-14 | 东芝医疗***株式会社 | 图像处理装置、图像处理方法和医学图像设备 |
WO2015059706A2 (en) | 2013-10-24 | 2015-04-30 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US9449145B2 (en) * | 2014-04-22 | 2016-09-20 | Heartflow, Inc. | Systems and methods for virtual contrast agent simulation and computational fluid dynamics (CFD) to compute functional significance of stenoses |
US10987010B2 (en) * | 2015-02-02 | 2021-04-27 | Heartflow, Inc. | Systems and methods for vascular diagnosis using blood flow magnitude and/or direction |
EP3062248A1 (en) * | 2015-02-27 | 2016-08-31 | Pie Medical Imaging BV | Method and apparatus for quantitative flow analysis |
US10307131B2 (en) | 2015-07-17 | 2019-06-04 | Heartflow, Inc. | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements |
US12026868B2 (en) | 2015-08-14 | 2024-07-02 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively |
US12008751B2 (en) | 2015-08-14 | 2024-06-11 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively |
EP4300419A3 (en) | 2016-05-16 | 2024-04-03 | Cathworks Ltd. | System for vascular assessment |
IL263066B2 (en) | 2016-05-16 | 2023-09-01 | Cathworks Ltd | Selecting blood vessels from images |
US10779786B2 (en) * | 2016-10-04 | 2020-09-22 | Canon Medical Systems Corporation | Medical information processing apparatus, X-ray CT apparatus, and medical information processing method |
JP6275797B2 (ja) * | 2016-10-13 | 2018-02-07 | 株式会社東芝 | 管状構造解析装置、管状構造解析方法及び管状構造解析プログラム |
US11087453B2 (en) * | 2018-06-11 | 2021-08-10 | Dynatek Labs, Inc. | Automated failure detection for medical device testing systems and methods |
DE102022210078A1 (de) * | 2022-09-23 | 2024-03-28 | Siemens Healthcare Gmbh | Bildgebungsverfahren und Bildgebungsvorrichtung |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5150292A (en) * | 1989-10-27 | 1992-09-22 | Arch Development Corporation | Method and system for determination of instantaneous and average blood flow rates from digital angiograms |
US6711433B1 (en) * | 1999-09-30 | 2004-03-23 | Siemens Corporate Research, Inc. | Method for providing a virtual contrast agent for augmented angioscopy |
US6650928B1 (en) * | 2000-11-27 | 2003-11-18 | Ge Medical Systems Global Technology Company, Llc | Color parametric and composite maps for CT perfusion |
DE10100572A1 (de) * | 2001-01-09 | 2002-07-11 | Philips Corp Intellectual Pty | Verfahren zur Darstellung des Blutflusses in einem Gefäßbaum |
JP4537681B2 (ja) * | 2003-09-24 | 2010-09-01 | 株式会社東芝 | 血流解析装置 |
-
2006
- 2006-11-15 EP EP06821461A patent/EP1960965A2/en not_active Withdrawn
- 2006-11-15 US US12/096,436 patent/US20080294038A1/en not_active Abandoned
- 2006-11-15 WO PCT/IB2006/054279 patent/WO2007066249A2/en active Application Filing
- 2006-11-15 JP JP2008543947A patent/JP2009518097A/ja not_active Withdrawn
- 2006-11-15 CN CNA2006800459552A patent/CN101374462A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11083524B2 (en) | 2010-08-12 | 2021-08-10 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US11793575B2 (en) | 2010-08-12 | 2023-10-24 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US12029494B2 (en) | 2010-08-12 | 2024-07-09 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
CN106994003B (zh) * | 2010-08-12 | 2020-07-14 | 哈特弗罗公司 | 用于患者特异性血流建模的方法和*** |
CN106994003A (zh) * | 2010-08-12 | 2017-08-01 | 哈特弗罗公司 | 用于患者特异性血流建模的方法和*** |
US11033332B2 (en) | 2010-08-12 | 2021-06-15 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US10702340B2 (en) | 2010-08-12 | 2020-07-07 | Heartflow, Inc. | Image processing and patient-specific modeling of blood flow |
US11090118B2 (en) | 2010-08-12 | 2021-08-17 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US11135012B2 (en) | 2010-08-12 | 2021-10-05 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US11116575B2 (en) | 2010-08-12 | 2021-09-14 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US12016635B2 (en) | 2010-08-12 | 2024-06-25 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11154361B2 (en) | 2010-08-12 | 2021-10-26 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11298187B2 (en) | 2010-08-12 | 2022-04-12 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US11583340B2 (en) | 2010-08-12 | 2023-02-21 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11017534B2 (en) | 2019-06-11 | 2021-05-25 | Acer Incorporated | Blood vessel status evaluation method and blood vessel status evaluation device |
TWI698225B (zh) * | 2019-06-11 | 2020-07-11 | 宏碁股份有限公司 | 血管狀態評估方法與血管狀態評估裝置 |
CN113303773B (zh) * | 2021-05-20 | 2023-02-28 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
CN113303773A (zh) * | 2021-05-20 | 2021-08-27 | 武汉理工大学 | 运动风险评估方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP1960965A2 (en) | 2008-08-27 |
US20080294038A1 (en) | 2008-11-27 |
JP2009518097A (ja) | 2009-05-07 |
WO2007066249A3 (en) | 2008-10-16 |
WO2007066249A2 (en) | 2007-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101374462A (zh) | 基于模型的流动分析和可视化 | |
US20220406470A1 (en) | Systems and methods for processing electronic images to determine flow using flow ratio | |
US11357469B2 (en) | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements | |
CN105249954B (zh) | 预测支架术后血液动力学指标的方法和*** | |
US10390885B2 (en) | Method and system for determining treatments by modifying patient-specific geometrical models | |
US10595790B2 (en) | Method and system for personalized non-invasive hemodynamic assessment of renal artery stenosis from medical images | |
CN110364238B (zh) | 基于机器学习的对比剂管理 | |
US9141763B2 (en) | Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels | |
CN106037710B (zh) | 在医学成像中合成数据驱动的血液动力学测定 | |
EP2977922B1 (en) | Method and system for automated therapy planning for arterial stenosis | |
US9724164B2 (en) | Blood-vessel bloodstream simulation system, method therefor, and computer software program | |
CN102525443B (zh) | 用于基于医学图像数据对心血管循环建模的方法和设备 | |
CN106529117A (zh) | 用于治疗规划的生理驱动决策支持 | |
CN106780477A (zh) | 一种血流分析方法和*** | |
DE202014010689U1 (de) | System zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten | |
CN109256205B (zh) | 用于利用本地和远程分析学进行的临床决策支持的方法和*** | |
US10909676B2 (en) | Method and system for clinical decision support with local and remote analytics | |
CN109087701B (zh) | 提供次要参数的方法、决策支持***、介质、计算机程序 | |
Xue | A New Image Quantitative Method for Diagnosis and Therapeutic Response | |
Berty | Semi-Automated Diagnosis of Pulmonary Hypertension Using PUMA, a Pulmonary Mapping and Analysis Tool | |
Logeswaran | Neural Networks in Medicine: Improving Difficult Automated Detection of Cancer in the Bile Ducts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090225 |