CN102194049A - 诊断辅助设备和冠状动脉分析方法 - Google Patents

诊断辅助设备和冠状动脉分析方法 Download PDF

Info

Publication number
CN102194049A
CN102194049A CN2011100555196A CN201110055519A CN102194049A CN 102194049 A CN102194049 A CN 102194049A CN 2011100555196 A CN2011100555196 A CN 2011100555196A CN 201110055519 A CN201110055519 A CN 201110055519A CN 102194049 A CN102194049 A CN 102194049A
Authority
CN
China
Prior art keywords
coronary artery
desired value
artery region
volume data
analysis
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
Application number
CN2011100555196A
Other languages
English (en)
Inventor
北村嘉郎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of CN102194049A publication Critical patent/CN102194049A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007Evaluating blood vessel condition, e.g. elasticity, compliance
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • G06T7/0016Biomedical image inspection using an image reference approach involving temporal comparison
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/100764D tomography; Time-sequential 3D tomography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20072Graph-based image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30048Heart; Cardiac
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30172Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Cardiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提供一种诊断辅助设备和冠状动脉分析方法。其中每一个表示不同相的心脏状态的多个体数据组被获得(61)。从所获得的体数据组中的至少两组体数据组中提取冠状动脉区域(62)。在每个所提取的冠状动脉区域中设置多个分析点,并确定冠状动脉区域内设置在相同解剖位置处的分析点间的相关性(63)。在所有多个冠状动脉区域内的每个分析点处计算表示斑块特性的指标值(64)。通过整合在对应于每个位置的多个分析点计算出的指标值来评价冠状动脉区域内各位置处的斑块特性(65)。输出关于冠状动脉区域内每个位置处斑块特性的、与关于位置的信息相关的评价结果(67)。从而,在不加重医生或技师负担的情况下分析和评价冠状动脉的状态。

Description

诊断辅助设备和冠状动脉分析方法
技术领域
本发明涉及用于通过基于三维数据对冠状动脉的状态进行分析来由医生进行辅助诊断的方法和设备。
背景技术
基于通过CT(计算机断层照相法)检查获得的三维图像数据(体数据)来对器官和血管的状态进行分析的设备和软件程序被提供为用于由医生进行辅助图像诊断的工具。心脏功能分析功能和冠状动脉分析功能被广泛地用作用于对心脏进行辅助诊断的功能。关于心脏动脉分析功能,日本未审查专利公开No.2009-195561公开了从单独的三维X射线CT图像中提取血管内区域和软斑块候选、并且在三维CT图像上重叠显示所提取的软斑块区域的设备。
对心脏功能进行分析时,为了理解心脏的运动(时间变化),及时表示心脏不同点状态的多组体数据是必须的。因此,在心脏检查期间,通常获得单个心动周期内不同相的多组体数据。同时,在单个心动周期内,狭窄症(stenosis)的状态不会剧烈变化。因此,如在日本未审查专利公开No.2009-195561中的描述,采用单组体数据来对冠状动脉进行分析。
当对冠状动脉进行分析时,理想的是采用心肌运动最小时获得的一组体数据。心肌运动大时获得的体数据组通常存在问题,诸如由于对比剂注入时机的移位而产生的运动伪影和故障对比,从而冠状动脉区域的准确提取变得困难。通常认为,使用舒张中期(middiastolic)状态期间获得的体数据组来对冠状动脉进行分析是有利的。
但是,个人之间的心脏形状以及心肌运动存在差异。此外,心脏的跳动伴随着心肌的扭动。因此,在同一心脏中,左冠状动脉周围和右冠状动脉周围的心肌运动不同。因此,表示心脏处于舒张中期状态的体数据组并不总是用来对冠状动脉进行分析的最佳数据。事实上,存在这样的报告,即,使用收缩末期状态期间获得的体数据组来对右冠状动脉进行分析以及对高心率期间的状态进行分析是有利的。因此,很难确定单个分析的最佳相。基于这些情况,当前由医生和技师基于视觉评价来执行对用来分析冠状动脉的体数据的选择(最佳相的选择)。
如上所述,通常必须选择一个特定相来执行冠状动脉分析。计算机很难自动选择一个最佳相,而必须依靠医生和技师的视觉评价。一个问题是,如果最佳相的选择是错误的,则不能获得准确的评价结果。鉴于这些情况,本发明的目的是提供一种设备和方法,其可以持续准确地分析和评价冠状动脉的狭窄症状态。
发明内容
本发明的一种诊断辅助设备装配有体数据获得装置、冠状动脉区域提取装置、相关性确定装置、指标值计算装置、指标值整合(integrating)装置、以及输出控制装置,作为用于实现上述目的的装置。存储在本发明的记录介质中的冠状动脉分析程序是软件程序,其使一个或多个计算机用作体数据获得装置、冠状动脉区域提取装置、相关性确定装置、指标值计算装置、指标值整合装置、以及输出控制装置。冠状动脉分析程序通常由多个程序模块组成。以上所列举的装置中的每一个的功能由一个或多个程序模块实现。程序模块组通过记录在诸如CD-ROM和DVD之类的存储介质中、通过以可下载状态记录在附着到服务器计算机的存储单元中、或者通过以可下载状态记录在网络存储(非暂时存储)中来提供给用户。本发明的冠状动脉分析方法是通过执行以下将描述的体数据获得装置、冠状动脉区域提取装置、相关性确定装置、指标值计算装置、指标值整合装置、以及输出控制装置的处理来对冠状动脉的状态进行分析的方法。
体数据获得装置获得多组体数据,每组体数据表示不同相的心跳状态。在获得的体数据组被用来分析心脏功能的情况下,优选地,体数据获得装置获得单个心动周期内所有相的、通过医疗器械(诸如CT设备)产生并输出的体数据。同时,在获得的体数据组仅被用来对冠状动脉功能进行分析的情况下,不必须获得所有相的体数据,而可以获得表示预定范围内相的体数据。
冠状动脉区域提取装置从体数据获得装置所获得的体数据组中的至少两组体数据中提取冠状动脉区域。冠状动脉区域提取装置可以针对体数据获得装置所提供的所有体数据组来执行提取处理。可替换地,冠状动脉区域提取装置可以仅针对体数据获得装置所提供的体数据组中表示特定相的状态的体数据组来执行提取处理。从分析准确性的观点来看,优选地针对表示心脏处于收缩末期状态的一组或多组体数据、以及表示心脏处于舒张中期状态的一组或多组体数据来执行提取冠状动脉区域的处理。
相关性确定装置在所提取的冠状动脉区域中的每一个中设置多个分析点,并且确定多个冠状动脉区域内设置在相同解剖位置处的分析点间的相关性。被设置为分析点的点可以是那些被冠状动脉区域提取装置提取为表示冠状动脉路径的点,可以从这些点中选择。注意,表述“相同解剖位置”是指在诊断期间被看作相同部分的范围内的位置,并且这些位置不必完全匹配。
指标值计算装置计算所有多个冠状动脉区域内每个分析点处表示斑块特性的指标值。此处,表述“斑块特性”是指斑块是否存在、斑块所占百分比(狭窄率)、斑块属性(诸如斑块是否不稳定)、斑块成分等。基于冠状动脉的冠状动脉区域、血管内区域、或二者的直径、面积和信号值中的至少一个来计算指标值。将通过指标值计算装置所执行的处理来针对相同解剖位置计算多个指标值。
指标值整合装置通过整合在对应于每个解剖位置的多个分析点处计算出的指标值来评价冠状动脉区域内各解剖位置处斑块的特性。例如,指标值整合装置可以基于多个指标值的总和来评价斑块特性。可替换地,指标值整合装置可以通过使指标值乘以针对每个相设置的加权系数来计算多个指标值的加权平均,并且基于该加权平均的值来评价斑块特性。指标值整合装置基于多个指标值来评价斑块特性。因此,即使在多个指标值中的一些不准确的情况下,不准确值对于评价结果的影响也被减小了。
在通过指标值整合装置计算指标值的加权平均的情况下,优选地,针对右冠状动脉区域内对应于各位置的分析点计算的指标值乘以的加权系数被设置为收缩末期相的比其他相的高。同时,优选地,针对左冠状动脉区域内对应于各位置的分析点计算的指标值乘以的加权系数被设置为舒张中期相的比其他相的高。通过以此方式设置加权系数,根据在心肌运动较小期间获得的体数据组计算出的指标值对评价结果的影响可能相对增大。从而,可以改进评价的准确性。
输出控制装置输出关于冠状动脉区域内每个位置处斑块特性的、与关于位置的信息相关的评价结果。除了将评价结果显示在屏幕上,还可以将评价结果记录到记录介质中、以及将评价结果输出到打印机看作是输出评价结果的方式。在将评价结果显示在屏幕上的情况下,优选地,显示针对每个位置的评价结果以使得它们重叠表示冠状动脉区域的图像。
可以采用这种配置,其中除了上述装置之外,诊断辅助设备还包括需要报警区域检测装置,用于根据关于斑块特性的评价结果来检测需要报警的区域。在这种情况下,输出控制装置在评价结果输出期间以可辨别的方式显示或打印检测到的需要报警的区域。此处,表述“需要报警的区域”是指被认为诊断期间需要仔细观察的区域。换句话说,需要报警的区域是可能存在能引起严重不正常的因素的区域。需要报警区域检测装置可以将具有表示狭窄率大于预定阈值的指标值的区域检测为需要报警的区域。可替换地,需要报警区域检测装置可以将具有表示斑块的不稳定性大于预定阈值的指标值的区域检测为需要报警的区域。此外,需要报警区域检测装置可以将具有表示狭窄率大于预定阈值的指标值以及表示斑块的不稳定性大于预定阈值的指标值的区域检测为需要报警的区域。如果提供了需要报警区域检测装置,则可以预先关注感兴趣的区域,以减少强加于医生的观察负担,从而改进诊断效率。
根据本发明,不是必须选择特定相来进行分析。因此,选择相的负担不会强加于医生或技师。此外,表示不同相状态的多个体数据组被用来进行分析。因此,具有较差图像质量的体数据组的影响可以被减小。从而,在分析结果中不会出现大错,并且可以确保分析中持续不变的准确性。
附图说明
图1是示出根据本发明实施例的诊断辅助设备的示意结构的示图。
图2是用于说明与ECG同步的成像的示图。
图3A是示出R-R0%相的心脏的示图。
图3B是示出R-R10%相的心脏的示图。
图3C是示出R-R20%相的心脏的示图。
图3D是示出R-R30%相的心脏的示图。
图3E是示出R-R40%相的心脏的示图。
图3F是示出R-R50%相的心脏的示图。
图3G是示出R-R60%相的心脏的示图。
图3H是示出R-R70%相的心脏的示图。
图3I是示出R-R80%相的心脏的示图。
图3J是示出R-R90%相的心脏的示图。
图4是示出通过冠状动脉区域提取装置提取出的心脏区域示例的示图。
图5是示出通过冠状动脉区域提取装置检测到的候选点示例的示图。
图6是示出通过连接所提取的候选点而构成的树结构示例的示图。
图7是示出参考坐标系示例的示图。
图8是用于说明不同相期间冠状动脉的路径差异的示图。
图9是示出设置分析点的示例的示图。
图10是用于说明由相关性确定装置执行的处理的示图。
图11A是示出没有斑块的冠状动脉区域的横切面的示图。
图11B是示出具有斑块的冠状动脉区域的横切面的示图。
图12是用于说明用来判定区域的方法的示图。
图13是示出由输出控制装置输出的屏幕示例的示图。
具体实施方式
下文中将参考附图来描述本发明的诊断辅助设备和冠状动脉分析方法的实施例。
图1示出了包括根据本发明实施例的诊断辅助设备的医院***1的示意结构。医院***1包括:检查室***3;数据服务器4;以及诊断工作站6(WS 6);它们通过局域网2(LAN 2)相互连接。
检查室***3包括:各种医疗器械(modality)32,用于对实验对象进行成像;以及检查室工作站31(WS 31),用于确认并调整从每个医疗器械输出的图像。医疗器械32的示例包括:X射线成像设备;MSCT(多层CT)设备;DSCT(双源CT)设备;MRI(磁共振成像)设备;以及PET(正电子发射断层照相)设备。医疗器械32是符合DICOM(医学数字成像和通信)标准的设备,其将数据附加到所获得的体数据组并将它们输出为DICOM文件。
由医疗器械32输出的文件被检查室WS 31转发到数据服务器4。数据服务器4是装配有高性能处理器和高容量内存的具有较高处理性能的计算机,其中安装有提供DBMS(数据库管理服务器)功能的软件程序。软件程序存储在内存中,并由处理器执行。数据服务器4使从检查室WS 31发送的体数据存储在高容量存储器5中。此外,数据服务器响应于来自诊断WS 6的搜索请求,从存储在高容量存储器5中的多个文件中选择满足搜索条件的文件。然后,数据服务器4将所选文件发送到诊断WS 6。
诊断WS 6是装配有一般处理器、内存以及存储器的通用工作站,其中加载有诊断辅助程序。诊断辅助程序从诸如DVD之类的记录介质、或者通过从服务器或网络下载安装到珍断WS 6中。此外,显示器7、以及诸如键盘和鼠标之类的输入装置8被连接到诊断WS6。
安装到诊断WS 6中的诊断辅助程序由一组实现各种功能的程序模块构成。程序模块之中包括实现冠状动脉分析功能的程序模块组。这些程序被记录到存储器中、启动时加载到内存中、并且由处理器执行。从而,诊断WS 6作为各种处理装置进行操作,包括如图1所示的体数据获得装置61、冠状动脉区域提取装置62、相关性确定装置63、指标值计算装置64、指标值整合装置65、需要报警区域检测装置66、以及输出控制装置67。
对于心脏检查,采用MSCT设备或DSCT设备执行与ECG同步的成像。与ECG同步成像期间,在单个心动周期内获得10-20组体数据,并将其输出为文件。
下文中,将参考图2来描述与ECG同步的成像。图2的上部表示ECG的波形。在ECG中,第一R波与下一R波之间的周期对应于单个心动周期。沿ECG横轴(时间轴)的位置为相,其通过将单个心动周期划分为100份被表示为百分比。例如,如果在单个心动周期期间等间隔地获得10组体数据,则由每组体数据表示的相为:R-R0%,R-R10%,R-R20%,R-R30%,…R-R90%。注意,尽管个体间的心跳存在差异,但在很多情况下收缩期为从R-R0%到约R-R45%,而舒张期从约R-R45%到R-R100%。
图3A至图3J是示出通过与ECG同步的成像获得的体数据组示例的示图。更具体地,图3A至图3J是根据体数据产生的体渲染图像(下文中将其称为“VR图像”)的示例。图3A示出了R-R0%的心脏,图3B示出了R-R10%的心脏,图3C示出了R-R20%的心脏,图3D示出了R-R30%的心脏,图3E示出了R-R40%的心脏,图3F示出了R-R50%的心脏,图3G示出了R-R60%的心脏,图3H示出了R-R70%的心脏,图3I示出了R-R80%的心脏,以及图3J示出了R-R90%的心脏。图3A至图3J表示从人体的前面观察的心脏。沿图中接近左边的心脏壁的血管为右冠状动脉,而沿图中接近右边的心脏壁的血管为左冠状动脉。
从图3A至图3J的示例可以清楚地看出,可在VR图像内辨别冠状动脉区域的容易程度在不同相之间是不同的。此外,根据冠状动脉的位置和厚度,可辨别冠状动脉区域的容易程度在单个VR图像内是不同的。例如,在图3A(R-R10%)和图3J(R-R90%)中,冠状动脉的末端被遮断(cut off)并且难以辨别,而在图3G(R-R30%)中,则可以清楚地辨别冠状动脉的末端。此外,右冠状动脉的根部在图3D(R-R30%)中是清楚的。但是,在图3F中,冠状动脉区域与心肌区域之间的界限是不清楚的,并且难以辨别。由于这些原因,很难选择对辨别区域最佳的单个相。
即使假设用于辨别区域的单个最佳相是从图3A至图3J的示例中选择的,该相的体数据组对于辨别区域也不总是最佳的。如上所述,这是因为个体间的心脏形状和心肌运动存在差异。尽管图3A至图J仅为示例,但是通过与ECG同步的成像获得的体数据组通常具有类似问题。
下文中将描述由构成诊断WS 6的装置中的每一个执行的处理。如果在初始屏幕中选择了用于冠状动脉的辅助诊断的功能,并且输入了患者的ID号或检查号,则体数据获得装置61将输入数据发送到数据服务器4,以请求搜索并传输存储在高容量存储器5中的文件。请求传输的文件可以是表示特定相的文件。要请求的相的范围可以预先定义在设定数据中,或者可以通过提供预定用户界面来由用户指定。
数据服务器4在高容量存储器5内搜索文件,并且响应于上述请求将所请求的文件组传输到体数据获得装置61。如果在请求中没有指定特定相,则数据服务器4传输单个心动周期期间获得的所有文件。另一方面,如果指定了特定相,则数据服务器4仅传输表示指定相的文件。体数据获得装置61将包括在从数据服务器4传输的文件中的体数据存储到内存中。
冠状动脉区域提取装置62通过上述处理从存储在内存中的体数据组中的每一个中提取冠状动脉区域(即,冠状动脉壁和血管内区域)。此外,在提取冠状动脉区域的处理期间指定冠状动脉路径。这些处理可以针对所有所提供的体数据执行。可替换地,这些处理可以仅针对表示特定相的体数据组来执行。这些处理的目标(要处理的相的范围)可以预先定义在设定数据中,或者可以通过提供预定用户界面来由用户指定。
在优先考虑处理效率的情况下,如上所述,通过体数据获得装置61或通过冠状动脉区域提取装置62缩小处理目标范围来减少要处理的数据组数。例如,可以通过以10%的相间隔选择10组体数据来使以5%的相间隔获得的20组数据变稀,从而减少数据组数。可替换地,可以选择对分析有效的体数据组(例如在收缩末期相和舒张中期相期间获得的体数据组),而对表示其他相的体数据组不予考虑。
下文中将进一步描述用于提取冠状动脉区域的处理。提出了各种从体数据中提取冠状动脉区域的方法。这种方法的一个示例在Andrzej Szymczak等人的“Coronary Vessel Trees from 3D Imagery:A Topological Approach”,Medical Image Analysis,Vol.10,Issue 4,pp.548-559,2006中公开。任意已知的方法都可以用来提取冠状动脉区域。但是,本实施例则采用了本申请人在日本未审查专利公开No.2009-048679和No.2009-069895中所提出的方法。下文中将描述这些文献中所描述的处理概况。
冠状动脉区域提取装置62基于预定算法从体数据中提取对应于心脏的区域(下文中将其称为“心脏区域”)。图4是示出通过冠状动脉区域提取装置62提取的心脏区域9的示例的示图。在提取心脏区域9的处理期间,还指定描绘心脏的形状特征的点的位置Sref,例如主动脉瓣的位置、二尖瓣的位置、以及心尖的位置。指定位置的坐标被存储在内存中,并且在稍后要描述的处理中被用来定义参考坐标系。
接着,包括心脏区域9的长方体区域被设置为搜索范围,并且基于预定算法在搜索范围内搜索线性结构。此外,基于通过搜索检测到的线性结构来检测被评估为沿冠状动脉核心的点。在以下的描述中,被评估为沿冠状动脉核心的点将被称为“候选点”或“候选节点”。图5示出了线性结构10的示例和所检测到的候选点Ni。
对线性结构的搜索是通过对搜索范围内的每个局部区域计算3×3Hessian矩阵的特征值来执行的。在包括线性结构的区域中,Hessian矩阵的三个特征值中的一个变为接近零的值,而另外两个值将为相对较大的值。此外,对应于接近零的特征值的特征向量表示线性结构的主轴方向。冠状动脉区域提取装置62利用该关系,基于每个局部区域的Hessian矩阵的特征值来判定存在线性结构的可能性。在线性结构被辨别的局部区域中,该区域的中心点被检测为候选点。
注意,优选地,变换搜索范围内数据的分辨率来产生具有不同分辨率的多组数据(高斯金字塔),并且以不同分辨率重复执行搜索(扫描)。在上述搜索方法中,在局部区域的直径(宽度)比血管的直径小的情况下,不能辨别线性结构。但是,通过以不同分辨率执行搜索则可以辨别各种大小的线性结构。从而,可以针对根部的粗血管和末端的细血管完全地检测候选点。
接着,基于预定算法来连接通过搜索检测到的候选点。从而,如图6所示,构造成由候选点和连接候选点的血管分支(边缘)构成的树结构。所检测到的多个候选点的坐标数据和表示血管分支的方向的向量数据,与候选点和血管分支的标识符一起被存储在内存中。
接着,基于每个检测到的候选点的围绕体素值(CT值)来详细地辨别冠状动脉的形状。更具体地,在垂直于冠状动脉途径的横切面内辨别冠状动脉的轮廓(血管的外壁)。形状的辨别采用已知的分段法(例如,图像分割法)来执行。
最后,冠状动脉区域提取装置62定义参考坐标系,其中在辨别心脏区域9的处理中存储的主动脉瓣、二尖瓣、以及心尖的位置Sref被指定为参考位置。例如,如图7所示,心尖被设置为参考坐标系的原点,从心尖到主动脉瓣的方向被指定为Z轴,并且基于与二尖瓣的关系来定义X和Y轴。此外,通过将从心尖到主动脉瓣的距离定义为1对坐标系的刻度进行归一化。然后,将通过上述处理记录在内存中的坐标值转换为参考坐标系中的坐标值。即,对表示候选点和分支的位置、冠状动脉的轮廓等的数据进行归一化。归一化的数据与归一化之前的数据相关,并且归一化的数据被存储在内存中。在以下的描述中,关于候选点和轮廓的归一化数据将被称为冠状动脉区域数据。
接着,将描述通过相关性确定装置63执行的处理。如上所述,由冠状动脉区域提取装置62执行的处理是针对在不同相期间获得的多组体数据执行的。因此,针对单个心脏的冠状动脉获得多组冠状动脉区域数据。
冠状动脉的位置和形状随着心跳而改变。因此,在表示不同相的体数据组内检测到的候选点不是总具有相同的位置坐标,即使它们位于相同的解剖点。例如,图8是其中图3D(R-R30%)和图3H(R-R70%)中的冠状动脉区域的主要部分相互重叠的示图。如图8所示,冠状动脉路径在收缩期相与舒张期相期间是不同的。
相关性确定装置63确定针对单个心脏的冠状动脉获得的多组冠状动脉区域数据间的相关性。更具体地,确定在参考坐标系内具有不同位置坐标而位于相同解剖点的候选点间的相关性。可以确定构成树结构的所有候选点间的相关性。但是,在本实施例中,如图9所示,将一部分候选点设置为分析点,并且只确定所设置的分析点间的相关性。通过以下处理来设置分析点。
相关性确定装置63将由候选点和分支指定的树结构分成多个段。在本实施例中,与三个或多个分支相连接的候选点(即,位于分歧点处的候选点)被设置为段的边界。此外,延伸超过分歧点的候选点和分支被分成具有预定数量候选点的段或者具有预定长度的段。然后,将位于每个段的边界处的候选点选择为分析点。通过相关性确定装置63存储指定分析点所必需的数据(位置坐标或候选点标识符)来设置分析点。
设置分析点之后,相关性确定装置63通过图匹配技术来确定被评估为位于相同解剖点的分析点间的相关性。在本实施例中,相关性确定装置63基于预定的评价函数来计算沿冠状动脉路径设置的分析点间的相似度,并且确定具有最高相似度的分析点间的相关性。考虑参考坐标系内的位置坐标、与分析点相关的候选点的数量和坐标值、分析点周围血管的直径等来定义评价函数。此时,优选地,在考虑评价准确性与处理时间之间的平衡的同时来考虑要设置元素的数量和类型。根据该技术,如图10所示,即使冠状动脉的形状和位置在收缩期相与舒张期相期间是不同的,位于相同解剖点的分析点也可以彼此相关。
注意,关于通过图匹配法来确定解剖结构间的相关性已提出了多种方法,如在日本未审查专利公开No.2007-044488中所例示的。还可以采用其他已知技术来确定分析点间的相关性。
接着,将描述通过指标值计算装置64执行的处理。指标值计算装置64计算由冠状动脉区域提取装置62提取的多个冠状动脉区域中的每一个内的表示每个分析点处的斑块特性的指标值。图11A和图11B是示出分析点处冠状动脉的横切面的示图,其中图11A示出了正常的冠状动脉,而图11B示出了在其内壁上沉积有斑块的冠状动脉。
首先,指标值计算装置64辨别冠状动脉区域11内的血管内区域12和斑块区域13。通常,软斑的CT值低于正常血管内区域的CT值,而硬斑的CT值高于正常血管内区域的CT值。同样在MRI中,已知斑块的信号值不在正常血管内区域的信号值的范围内。因此,指标值计算装置64利用信号值间的该关系来区分斑块区域和血管内区域。更具体地,将构成横切面的每个体素的值与预定阈值进行比较,以判定体素表示斑块还是血管内区域。由被判定为表示斑块的体素构成的区域被指定为斑块区域13,而由被判定为表示血管内区域的体素构成的区域被指定为血管内区域12。注意,还可以将斑块分类为软斑和硬斑。
此处,表示血管内区域的可能信号值的范围取决于血管的厚度和成像条件,因此不是恒定的。为此,优选地,被用来区分斑块区域和血管内区域的阈值为根据血管的厚度改变的值。在本实施例中,如图12所示,阈值被设置为两条边界线B1和B2,其将以信号值为横轴而以血管直径(在多个方向上测量的平均直径或平均半径)为纵轴的坐标平面分成三个部分。使用表示正常血管和具有不同厚度的斑块沉积的血管的样本数据,通过预先进行学习来设置这些边界线。所设置的边界线存储在内存中,并被指标值计算装置64参考。
指标值计算装置64基于坐标点(体素的信号值与血管的直径)在图12中的坐标平面上位于边界线B1和B2的哪一侧来判定体素表示软斑、硬斑、还是血管内区域。血管厚度不仅与血管的直径相关联,还与血管的面积相关联。因此,用于设置边界线的坐标平面的纵轴还可以是血管的面积。
接着,指标值计算装置64计算表示斑块特性的两个指标值。第一指标值I1是斑块所占冠状动脉区域的百分比,即狭窄率。第一指标值I1由以下公式(1)计算。在公式(1)中,Aplaque是斑块区域13的面积,而Aall是冠状动脉区域11的面积。可替换地,Aall可以是斑块区域13和血管内区域12的组合面积。注意,每个区域的面积可以根据构成该区域的体素数量来得出。
I1=Aplaque/Aall·100                 (1)
第二指标值I2是表示斑块不稳定的可能性的值。在附着到血管壁的斑块中,软斑比硬斑更不稳定。因此,软斑与硬斑相比,更可能发生由于软斑断裂而形成血栓的风险。指标值I2在斑块区域的信号值低(软斑)的情况下变高,而在斑块区域的信号值高(硬斑)的情况下变低。例如,如果斑块区域的平均信号值位于接近边界线B1的左边,则输出值1作为指标值I2;如果斑块区域的平均信号值位于接近边界线B2的右边,则输出值0.5作为指标值I2;如果不存在斑块区域,则输出值0。
此外,指标值计算装置64可以将通过使指标值I1乘以指标值I2获得的值输出为第三指标值I3。注意,通过指标值计算装置64计算的指标值不限于上述示例。指标值的其他示例包括表示关于斑块是否存在的判定结果的指标值、表示除不稳定性以外的特征(例如,硬度)的指标值、以及表示斑块成分的指标值。此外,在上述示例中,基于冠状动脉区域的直径或面积以及体素的信号值来计算指标值。但是,存在可以仅基于直径、仅基于面积、和仅基于信号值计算的指标值。例如,可以将冠状动脉区域与内血管区域的直径或面积比计算为表示狭窄度的指标值。可替换地,可以仅基于信号值来判定斑块是否存在,并且可以将判定结果输出为指标值。
通过对分析点中的每一个执行上述处理,获得已由相关性确定装置确定了相关性的分析点中的每一个的指标值I1和I2。例如,如表1所示,在冠状动脉区域提取装置62针对6个相执行冠状动脉区域提出处理的情况下,针对每一类型的指标值计算6n个值。尽管表1示出了指标值I1的计算结果,但是对指标值I2同样获得6n个值。
表1
  R-R30%   R-R40%   R-R50%  R-R60%  R-R70%  R-R80%
  AP1   0   0   5  0  0  0
  AP2   0   0   5  0  0  0
  ...   ...   ...   ...  ...  ...  ...
  APj   80   85   80  85  85  80
  ...   ...   ...   ...  ...  ...  ...
  APk   0   0   60  0  0  0
  ...   ...   ...   ...  ...  ...  ...
  APn   0   5   0  5  5  0
注意,在表1和以下描述中,沿相R-Rx%(0≤x<100,x表示一个相)中的冠状动脉路径设置的并且彼此相关的多个分析点被表示为apxi(0<i≤n,i表示每个分析点的标识符,n表示分析点的数量)。此外,相关并被看作处于相同解剖位置的点被表示为APi。点APi表示单个解剖点,但是为多个数据片的组,并且APi={ap00i,ap10i,…,ap80i,ap90i}。
接着,将描述由指标值整合装置65执行的处理。指标值计算装置64针对设置在每个冠状动脉区域内的分析点apxi执行指标值计算处理。为此,指标值计算装置64针对位于相同解剖点的多个点(横切面)计算多个指标值。指标值整合装置65通过对指标值计算装置64输出的多个指标值进行整合来得到每个分析点APi的单个整合评价值。
在本实施例中,指标值整合装置65通过获得针对每个相计算出指标值的加权平均来计算多个指标值I1和I2的加权平均,并且将该加权平均输出为评价值。此处,根据指标值I1得到的评价值被表示为V1,而根据指标值I2得到的评价值被表示为V2。可以通过以下的公式(2)来计算点APi的评价值V1APi。
V 1 APi = Σ x α x × I 1 xi
(2)
其中,αx是针对相R-Rx%设置的加权系数,而I1xi(0<i≤n)是针对沿相R-Rx%中的冠状动脉路径的分析点apxi计算的每个指标值I1。
所有可能相的加权系数值αx被预先记录在内存中。在本实施例中,多个加权系数的组合被记录,并且加权系数可以由用户执行选择操作来切换。表2示出了加权系数αx的设定示例。注意,表2中所示出的数值仅为示例性的。
表2
  R-R0%   R-R 10%  R-R20%  R-R30%  R-R40%  R-R50%  R-R60%  R-R70%  R-R80%  R-R90%
  S1   0   0   0   0.05   0.4   0.05   0.05   0.4   0.05   0
  S2A   0   0   0   0   0   0   0.3   0.4   0.3   0
  S2B   0   0   0   0.3   0.4   0.3   0   0   0   0
在表2中,设定示例S 1将除收缩末期相和舒张中期相之外的相的加权值都设置为0,而关于相R-R40%和R-R70%安排高加权系数。针对运动伪像等的影响发生的可能性较小的相计算的指标值加权较大,而针对其他相计算的指标值加权较小。从而,可以改进计算的评价值的可靠性。
此外,在表2中,设定示例S2A使得可以仅根据针对收缩末期相(R-R70%及其附近)计算的指标值来获得评价值,而设定示例S2B使得可以仅根据针对舒张中期相(R-R40%及其附近)计算的指标值来获得评价值。使用这些示例,可以使针对设置在左冠状动脉区域内的分析点计算的指标值乘以设定示例S2A的加权系数,而使针对设置在右冠状动脉区域内的分析点计算的指标值乘以设定示例S2B的加权系数。从而,可以进一步改进计算的评价值的可靠性。
需要报警区域检测装置66基于由指标值整合装置65计算出的评价值V1APi和V2APi来检测需要报警的区域。在本实施例中,如果针对分析点APi计算出的评价值V1APi和V2APi中的至少一个大于存储在内存中的阈值,则分析点APi被检测为需要报警的区域。即,即使斑块稳定狭窄率高的区域也被判定为需要报警的区域,,而即使狭窄率低斑块的不稳定性高的区域也被判定为需要报警的区域。不用说,具有高狭窄率和高斑块不稳定性的区域也被判定为需要报警的区域。注意,优选地,用来检测需要报警区域的阈值基于过去的情况来确定。此外,需要报警区域的限定和检测方法可以根据诊断原理来适当地确定,并且不限于以上所述的那些。
输出控制装置67将分析点的评价值和关于需要报警区域的数据输出到显示器7的屏幕上。图13是示出输出显示屏幕示例的示图。在本实施例中,根据关于斑块特性的评价值进行了彩色编码的冠状动脉区域的图像被产生并显示在屏幕上。要显示的冠状动脉区域的图像可以是体渲染图像或CPR图像。此外,亮色(例如,红色)分配给被判定为需要报警区域的区域,并且还显示指向需要报警区域的箭头14。但是,表示评价结果和需要报警区域的方式不限于图13中所示示例,并且各种变型均是可行的。
注意,输出控制装置67可以将显示屏幕的图像、表示分析点标识符间的相关性的数值列表、以及评价值等输出到打印机或记录介质,此外还可以将显示屏幕输出到显示器7。
在单个心动周期内,斑块特性很少突然改变。因此,如表1中的点APj,表示斑块特性的指标值基本近似相等。但是,存在这样的情况,其中由于不好的图像质量,不能根据体数据准确地检测冠状动脉区域,如表1中的点APk,针对部分相获得了错误的计算结果。
在传统的方法中,在选择了相R-R50%的情况下,斑块特性不能被正确地评价。相反,本实施例基于针对多个相计算的多个指标值来评价斑块特性。因此,即使部分指标值是错误的,总体来说也可以获得正确的评价结果。此外,传统的方法需要医生在观察VR图像(如图3A至图3H中所示的那些)的同时选择一组用于进行分析的体数据。但是,在本实施例中,不是必须选择单个数据组,从而不会给医生强加负担。
注意,在上述实施例中,需要报警区域检测装置66指定需要报警的区域,以在诊断期间减轻对医生强加的负担。但是,诊断WS 6可以简单地显示关于斑块特性的评价结果,并且将需要报警区域的指定留给医生来判定。即,可以考虑这样的实施例,其中诊断WS 6不装配有需要报警区域检测装置66。
此外,在上述实施例中,通过计算指标值的加权平均来评价斑块特性。但是,也可以考虑这样的实施例,其中通过其他评价方法(例如,通过计算多个指标值的简单平均及和)来评价斑块特性。可以根据医疗器械的说明书、检查方法、以及实验对象的症状来适当改变获得的体数据组的数量、提取冠状动脉区域之前选择体数据组的方法、加权系数等。
此外,在上述实施例中,从体数据组的获得到输出控制的所有处理都由诊断WS 6执行。可替换地,这些处理还可以被分开由多个计算机执行。
如上所述,本发明不限于上述实施例。只要各种改变和变型都是可行的,只要它们不脱离本发明的思想和范围。

Claims (9)

1.一种诊断辅助设备,包括:
体数据获得装置,用于获得多组体数据,每组体数据表示不同相的心跳状态;
冠状动脉区域提取装置,用于从所获得的体数据组中的至少两组体数据组中提取冠状动脉区域;
相关性确定装置,用于在所提取的冠状动脉区域的每一个中设置多个分析点,以及用于确定多个冠状动脉区域内设置在相同解剖位置处的分析点之间的相关性;
指标值计算装置,用于计算所有多个冠状动脉区域内每个分析点处的表示斑块特性的指标值;
指标值整合装置,用于通过整合在对应于每个位置的多个分析点计算出的指标值来评价冠状动脉区域内各位置处的斑块特性;以及
输出控制装置,用于输出关于冠状动脉区域内每个位置处斑块特性的、与关于位置的信息相关的评价结果。
2.根据权利要求1所述的诊断辅助设备,其中:
冠状动脉区域提取装置至少针对表示收缩末期状态的心脏的体数据组和表示舒张中期状态的心脏的体数据组来执行提取冠状动脉区域的处理。
3.根据权利要求1所述的诊断辅助设备,其中:
指标值整合装置通过使指标值乘以针对每个相设置的加权系数来计算多个指标值的加权平均,并且基于加权平均的值来评价斑块特性。
4.根据权利要求3所述的诊断辅助设备,其中:
针对对应于右冠状动脉区域内的位置的分析点计算的指标值所乘以的加权系数被设置为收缩末期相的比其他相的高;以及
针对对应于左冠状动脉区域内的位置的分析点计算的指标值所乘以的加权系数被设置为舒张中期相的比其他相的高。
5.根据权利要求1所述的诊断辅助设别,其中:
指标值计算装置基于冠状动脉的冠状动脉区域和内血管区域中的至少一个的直径、面积和分析点处的信号值中的至少一个来计算指标值。
6.根据权利要求1所述的诊断辅助设备,还包括:
需要报警区域检测装置,用于基于关于斑块特性的评价结果来检测需要报警的区域;并且其中,
输出控制装置在输出评价结果期间以可辨别的方式输出所检测到的需要报警的区域。
7.根据权利要求6所述的诊断辅助设备,其中:
需要报警区域检测装置检测具有表示狭窄率和斑块不稳定性中的至少一个大于预定阈值的指标值的区域。
8.根据权利要求1所述的诊断辅助设备,其中:
输出控制装置显示评价结果,以使得评价结果与表示冠状动脉区域的图像重叠。
9.一种通过至少一个计算机执行的冠状动脉分析方法,包括:
获得多组体数据,每组体数据表示不同相的心跳状态;
从所获得的体数据组中的至少两组体数据组中提取冠状动脉区域;
在所提取的冠状动脉区域中的每一个中设置多个分析点;
确定多个冠状动脉区域内设置在相同解剖位置处的分析点之间的相关性;
计算表示所有多个冠状动脉区域内每个分析点处的斑块特性的指标值;
通过整合在对应于每个位置的多个分析点计算出的指标值来评价冠状动脉区域内各位置处的斑块特性;以及
输出关于冠状动脉区域内每个位置处斑块特性的、与关于位置的信息相关的评价结果。
CN2011100555196A 2010-03-08 2011-03-07 诊断辅助设备和冠状动脉分析方法 Pending CN102194049A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010050009A JP4981938B2 (ja) 2010-03-08 2010-03-08 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法
JP2010-050009 2010-03-08

Publications (1)

Publication Number Publication Date
CN102194049A true CN102194049A (zh) 2011-09-21

Family

ID=44140766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100555196A Pending CN102194049A (zh) 2010-03-08 2011-03-07 诊断辅助设备和冠状动脉分析方法

Country Status (4)

Country Link
US (1) US9125622B2 (zh)
EP (1) EP2365471B1 (zh)
JP (1) JP4981938B2 (zh)
CN (1) CN102194049A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106061387A (zh) * 2013-12-18 2016-10-26 哈特弗罗公司 用于根据患者特定的解剖图像数据预测冠状动脉斑块易损性的***和方法
CN106056126A (zh) * 2015-02-13 2016-10-26 西门子公司 医学成像中的斑块易损性评定
CN111542854A (zh) * 2017-12-13 2020-08-14 牛津大学科技创新有限公司 用于对心壁的运动进行评分的成像分析

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101113747B1 (ko) * 2011-08-26 2012-02-22 전남대학교병원 마이크로 ct를 이용한 스텐트 내 재협착 평가 방법
JP5395868B2 (ja) * 2011-09-26 2014-01-22 富士フイルム株式会社 画像処理装置および方法ならびにプログラム
JP5797124B2 (ja) * 2012-01-31 2015-10-21 富士フイルム株式会社 手術支援装置、手術支援方法および手術支援プログラム
WO2014084398A1 (ja) 2012-11-30 2014-06-05 株式会社 東芝 医用画像診断装置
JP6553147B2 (ja) * 2012-11-30 2019-07-31 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理方法
JP6491378B2 (ja) * 2012-11-30 2019-03-27 キヤノンメディカルシステムズ株式会社 表示方法、医用画像診断装置、及びプログラム
US9413757B1 (en) 2015-01-15 2016-08-09 International Business Machines Corporation Secure identity authentication in an electronic transaction
JP6671946B2 (ja) * 2015-12-11 2020-03-25 キヤノン株式会社 情報取得装置、撮像装置及び情報取得方法
DE102015225115A1 (de) * 2015-12-14 2017-06-14 Siemens Healthcare Gmbh Paralleles Arbeiten an einer medizinischen Röntgeneinrichtung
JP7270331B2 (ja) * 2017-06-15 2023-05-10 キヤノンメディカルシステムズ株式会社 医用画像診断装置及び画像処理装置
WO2020044523A1 (ja) * 2018-08-30 2020-03-05 オリンパス株式会社 記録装置、画像観察装置、観察システム、観察システムの制御方法、及び観察システムの作動プログラム
EP3671649A1 (en) * 2018-12-19 2020-06-24 Siemens Healthcare GmbH Method and computer system for generating a combined tissue-vessel representation
US20230289963A1 (en) * 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6233304B1 (en) * 1998-11-25 2001-05-15 General Electric Company Methods and apparatus for calcification scoring
US6243437B1 (en) * 1998-11-25 2001-06-05 General Electric Company Coronary calcification detection using retrospective cardiac gating of imaging system
CN101283912A (zh) * 2007-04-12 2008-10-15 Ge医疗***环球技术有限公司 X射线ct设备
US20090136107A1 (en) * 2001-11-24 2009-05-28 Image Analysis, Inc. Automatic Segmentation of the Heart and Aorta in Medical 3-D Scans Without Contrast Media Injections

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6990222B2 (en) * 2001-11-21 2006-01-24 Arnold Ben A Calibration of tissue densities in computerized tomography
JP4263943B2 (ja) * 2003-05-07 2009-05-13 テルモ株式会社 超音波診断装置
US7346203B2 (en) * 2003-11-19 2008-03-18 General Electric Company Methods and apparatus for processing image data to aid in detecting disease
JP4634179B2 (ja) * 2005-02-15 2011-02-16 株式会社日立メディコ 画像診断装置
US7646903B2 (en) 2005-06-22 2010-01-12 Siemens Medical Solutions Usa, Inc. System and method for path based tree matching
US7957574B2 (en) * 2006-11-22 2011-06-07 General Electric Company Methods and apparatus for generating a risk metric for soft plaque in vessels
US20080242977A1 (en) * 2007-03-30 2008-10-02 General Electric Company Systems, methods and apparatus for longitudinal/temporal analysis of plaque lesions
US7957570B2 (en) * 2007-05-03 2011-06-07 General Electric Company System and method to generate an illustration of a cardiac region of interest
JP5012312B2 (ja) 2007-08-15 2012-08-29 ソニー株式会社 記憶装置の駆動方法
JP4900143B2 (ja) 2007-09-10 2012-03-21 富士ゼロックス株式会社 文書管理システム
JP2009136573A (ja) * 2007-12-07 2009-06-25 Konica Minolta Medical & Graphic Inc 動態撮影システム
JP2009195561A (ja) * 2008-02-22 2009-09-03 Toshiba Corp X線ct装置、画像処理装置および画像処理プログラム
JP5491729B2 (ja) * 2008-12-12 2014-05-14 株式会社東芝 画像処理装置及び狭窄状態解析プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6233304B1 (en) * 1998-11-25 2001-05-15 General Electric Company Methods and apparatus for calcification scoring
US6243437B1 (en) * 1998-11-25 2001-06-05 General Electric Company Coronary calcification detection using retrospective cardiac gating of imaging system
US20090136107A1 (en) * 2001-11-24 2009-05-28 Image Analysis, Inc. Automatic Segmentation of the Heart and Aorta in Medical 3-D Scans Without Contrast Media Injections
CN101283912A (zh) * 2007-04-12 2008-10-15 Ge医疗***环球技术有限公司 X射线ct设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王照谦 等: "《16层CT显示冠状动脉狭窄与导管法造影的对照研究》", 《放射学实践》, vol. 20, no. 3, 31 March 2005 (2005-03-31) *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106061387A (zh) * 2013-12-18 2016-10-26 哈特弗罗公司 用于根据患者特定的解剖图像数据预测冠状动脉斑块易损性的***和方法
CN106061387B (zh) * 2013-12-18 2019-01-15 哈特弗罗公司 用于根据患者特定的解剖图像数据预测冠状动脉斑块易损性的***和方法
CN106056126A (zh) * 2015-02-13 2016-10-26 西门子公司 医学成像中的斑块易损性评定
US10478130B2 (en) 2015-02-13 2019-11-19 Siemens Healthcare Gmbh Plaque vulnerability assessment in medical imaging
US11576621B2 (en) 2015-02-13 2023-02-14 Siemens Healthcare Gmbh Plaque vulnerability assessment in medical imaging
CN111542854A (zh) * 2017-12-13 2020-08-14 牛津大学科技创新有限公司 用于对心壁的运动进行评分的成像分析

Also Published As

Publication number Publication date
EP2365471A3 (en) 2013-02-13
US20110218427A1 (en) 2011-09-08
JP4981938B2 (ja) 2012-07-25
EP2365471B1 (en) 2013-11-27
JP2011182899A (ja) 2011-09-22
US9125622B2 (en) 2015-09-08
EP2365471A2 (en) 2011-09-14

Similar Documents

Publication Publication Date Title
CN102194049A (zh) 诊断辅助设备和冠状动脉分析方法
US11896416B2 (en) Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images
US7567696B2 (en) System and method for detecting the aortic valve using a model-based segmentation technique
US9974616B2 (en) Systems and methods for correction of artificial deformation in anatomic modeling
US7430309B2 (en) Computation of a geometric parameter of a cardiac chamber from a cardiac tomography data set
US8422752B2 (en) Diagnosis assisting apparatus, diagnosis assisting method, and storage medium in which a diagnosis assisting program is recorded
US9153033B2 (en) Medical image processing apparatus and method thereof
US9179881B2 (en) Physics based image processing and evaluation process of perfusion images from radiology imaging
CN110461240A (zh) 用于超声分析的***、方法和计算机可访问介质
CN101510307B (zh) 处理医学图像数据的方法以及记录和处理其的磁共振设备
EP2925216B1 (en) Stenosis therapy planning
JP2015512292A (ja) マルチプルイメージデータループを獲得して分析する方法及びシステム
Remme et al. Extraction and quantification of left ventricular deformation modes
EP2391986A1 (en) Transmural perfusion gradient image analysis
EP3758602A1 (en) Neural network classification of osteolysis and synovitis near metal implants
Marin et al. Numerical surrogates for human observers in myocardial motion evaluation from SPECT images
JP5364009B2 (ja) 画像生成装置、画像生成方法、及びそのプログラム
US11266322B2 (en) Blood flow analysis apparatus, blood flow analysis method, and blood flow analysis program
EP4082444A1 (en) Automatic frame selection for 3d model construction
US11786202B2 (en) Method, system, and medium for analyzing image sequence of periodic physiological activity
Mehta et al. Heart Disease Diagnosis using Deep Learning
US9808175B1 (en) Method and system for analyzing images to quantify brain atrophy
CN113139961B (zh) 一种冠状动脉优势型的确定方法和装置
Altalhi et al. Computation of aortic geometry using mr and ct 3d images
CN113643285A (zh) 基于人工神经网络的心肌靶心图分析方法、***和介质

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

Application publication date: 20110921