CN102395320B - 医疗设备以及医疗设备的控制方法 - Google Patents

医疗设备以及医疗设备的控制方法 Download PDF

Info

Publication number
CN102395320B
CN102395320B CN201180001775.5A CN201180001775A CN102395320B CN 102395320 B CN102395320 B CN 102395320B CN 201180001775 A CN201180001775 A CN 201180001775A CN 102395320 B CN102395320 B CN 102395320B
Authority
CN
China
Prior art keywords
region
internal organs
extracted
blood vessel
image data
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.)
Expired - Fee Related
Application number
CN201180001775.5A
Other languages
English (en)
Other versions
CN102395320A (zh
Inventor
大西顺一
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.)
Olympus Corp
Original Assignee
Olympus Medical Systems 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 Olympus Medical Systems Corp filed Critical Olympus Medical Systems Corp
Publication of CN102395320A publication Critical patent/CN102395320A/zh
Application granted granted Critical
Publication of CN102395320B publication Critical patent/CN102395320B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06T2207/10081Computed x-ray tomography [CT]
    • 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
    • G06T2207/20036Morphological 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
    • G06T2207/30061Lung
    • 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
    • G06T2207/30096Tumor; Lesion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

导航装置(1)具有:存储部(21),其对预先取得的被检者的三维图像数据进行存储;脏器提取部(22),其从三维图像数据中提取预定的脏器;第1区域指定部(23),其指定三维图像数据中的肿瘤(60);血管提取部,其从三维图像数据中提取脏器的内部血管;血管分类部(25),其将血管分类为动脉或静脉的任意一种;以及第2区域提取部(26),其根据血管的三维图像信息,提取包含所述肿瘤(60)的肿瘤切除区域,该肿瘤切除区域是根据脏器的解剖学特征而分类的一个区域。

Description

医疗设备以及医疗设备的控制方法
技术领域
本发明涉及通过提取包含由手术操作者指定的第1区域的、作为被检者的脏器的一部分的第2区域,对手术操作者对被检者进行的处置进行导航的医疗设备、以及上述医疗设备的控制方法。
背景技术
以往,在切除被检者的肺肿瘤、例如肺癌组织时,广泛进行切除右叶或左叶整体的单肺切除。与此相对,近年来,为了手术后的肺功能的保持和心肺功能的维持,对局限的肿瘤进行了单肺的一部分大叶或大叶的一部分肺区的切除。
此处,在日本特开2008-142481号公报中,公开了根据CT图像将肺叶分割为肺区单位的装置。
此外,在日本特表2008-529641号公报中,公开了根据三维图像将肺血管区分为动脉或静脉的方法。
但是,根据第1区域(肿瘤区域)决定包含第1区域的适当范围的第2区域(肿瘤切除区域),有时对于手术操作者而言并不容易。
本发明的目标在于提供一种提取包含第1区域的适当范围的第2区域的医疗设备、以及上述医疗设备的控制方法。
发明内容
用于解决课题的手段
实施方式的医疗设备具有:存储单元,其对预先取得的被检者体内的三维图像数据进行存储;脏器提取单元,其从所述三维图像数据中提取预定的脏器;第1区域指定单元,其指定所述三维图像数据中的所述脏器的第1区域;血管提取单元,其从所述三维图像数据中提取所述脏器的内部血管;血管分类单元,其将所述血管提取单元提取出的多个所述血管分类为动脉或静脉的任意一种;以及第2区域提取单元,其根据所述血管分类单元所分类的所述动脉或所述静脉中的至少任意一种血管的三维图像信息,提取包含所述第1区域的第2区域,该第2区域是根据所述脏器的解剖学特征而分类的一个区域。
此外,另一实施方式的医疗设备的控制方法具有如下步骤:数据存储步骤,对预先取得的被检者体内的三维图像数据进行存储;脏器提取步骤,从所述三维图像数据中提取预定的脏器;第1区域指定步骤,指定所述三维图像数据中的所述脏器的第1区域;血管提取步骤,从所述三维图像数据中提取所述脏器的内部血管;血管分类步骤,将在所述血管提取步骤中提取出的多个所述血管分类为动脉或静脉的任意一种;以及第2区域提取步骤,根据在所述血管分类步骤中所分类的所述动脉或所述静脉中的至少任意一种血管的三维图像信息,提取包含所述第1区域的第2区域,该第2区域是根据所述脏器的解剖学特征而分类的一个区域。
附图说明
图1A是用于对根据肺的解剖学特征分类的区域进行说明的从正面观察时的图。
图1B是用于对根据肺的解剖学特征分类的区域进行说明的从背面观察时的图。
图2是用于说明肺的血管和支气管的图。
图3是用于说明第1实施方式的导航装置的结构的结构图。
图4是用于说明第1实施方式的导航装置的动作的流程图。
图5A是用于说明第1实施方式的导航装置的动作的说明图。
图5B是用于说明第1实施方式的导航装置的动作的说明图。
图6A是用于说明第1实施方式的导航装置的动作的说明图。
图6B是用于说明第1实施方式的导航装置的动作的说明图。
图6C是用于说明第1实施方式的导航装置的动作的说明图。
图6D是用于说明第1实施方式的导航装置的动作的说明图。
图7A是用于说明第1实施方式的导航装置的动作的说明图。
图7B是用于说明第1实施方式的导航装置的动作的说明图。
图7C是用于说明第1实施方式的导航装置的动作的说明图。
图7D是用于说明第1实施方式的导航装置的动作的说明图。
图8是用于说明第1实施方式的变形例的导航装置的动作的流程图。
图9是用于说明第2实施方式的导航装置的结构的结构图。
图10是用于说明第2实施方式的导航装置的动作的流程图。
图11A是示出用于说明第2实施方式的导航装置的匹配处理的标准模板的图。
图11B是示出用于说明第2实施方式的导航装置的匹配处理的被检者的三维图像的图。
图11C是示出用于说明第2实施方式的导航装置的匹配处理的匹配处理状态的图。
图12A是示出用于说明第2实施方式的导航装置的匹配处理的标准模板的图。
图12B是示出用于说明第2实施方式的导航装置的匹配处理的被检者的三维图像的图。
图12C是示出用于说明第2实施方式的导航装置的匹配处理的肿瘤切除区域的图。
具体实施方式
<第1实施方式>
下面,参照附图对作为本发明第1实施方式的医疗设备的用于肺肿瘤切除的导航装置1进行说明。如图1A和图1B所示,肺2根据解剖学特征、换言之根据生理学分类,被分割为多个部位。即,肺有左右两个。右肺从上开始依次由上叶RU、中叶RM和下叶RD构成,左肺由上叶LU和下叶LD构成。将这5个肺叶称作大叶。右上叶RU被分割为1、2、3三个肺区(以下也称作“小叶”),右中叶RM被分割为4、5两个肺区。并且,右下叶RD被分割为6、7、8、9、10五个肺区。左上叶LU被分割为1+2、3、4、5四个肺区,左下叶LD被分割为6、8、9、10四个肺区。
另外,如图1所示,支气管3除了与支气管6相连的隆凸3A附近以外,处于肺2的内部,因此不能从外部进行观察。
另一方面,如图2所示,在肺2的内部,存在支气管3、肺动脉4和肺静脉5,但是肺动脉4和肺静脉5以及肿瘤也与支气管3同样,不能从肺2的外部进行观察。因此,在肿瘤切除时,手术操作者不容易决定能够完全切除肿瘤的区域。
如图3所示,导航装置1具有提取单元10、作为显示单元的显示部11和作为输入单元的输入部12。显示部11对提取单元10的处理结果进行显示。输入部12是键盘、鼠标或触摸面板等。手术操作者经由输入部12输入被检者的信息,并且根据显示部11所显示的肺的图像指定肿瘤的位置和大小,还输入用于根据目的改变显示部11所显示的图像的观察方向或透射显示等显示状态的指示。
提取单元10具有作为存储单元的存储部21、作为脏器提取单元的脏器提取部22、作为第1区域指定单元的第1区域指定部23、作为血管提取单元的血管提取部24、作为血管分类单元的血管分类部25、作为第2区域提取单元的第2区域提取部26和作为模板生成单元的模板生成部27。提取单元10的上述各功能可以是分别独立的硬件,但是作为提取单元10的例如控制部的CPU20也可以具有所有功能部的功能。即,上述各功能部也可以将存储在未图示的存储介质等中的程序读入到CPU20中进行处理。
存储部21对预先取得的被检者体内的三维图像数据进行存储。脏器提取部22根据存储部21所存储的三维图像数据提取预定的脏器、例如肺和支气管。手术操作者经由输入部12利用第1区域指定部23指定三维图像数据中的第1区域即肿瘤。血管提取部24提取肺内部的血管、即肺动脉和肺静脉。血管分类部25将血管提取部24提取出的血管分类为动脉或静脉的任意一种。模板生成部27根据血管的三维图像信息,生成由将血管直径增加了预定量的血管关联区域构成的血管区域模板。
第2区域提取部26根据血管分类部25所分类的动脉或静脉中的至少任意一个血管的三维图像信息,更具体而言,根据包含第1区域的上述血管关联区域的信息,提取包含第1区域(肿瘤)的第2区域(肿瘤切除区域)。
即,第2区域提取部26具有作为区域判定单元的区域判定部26X和作为区判定单元的区判定部26Y。区域判定部26X根据从脏器提取部22得到的包含肿瘤的位置信息的脏器信息和从模板生成部27得到的血管关联区域的信息,判定肿瘤是否存在于任意一个模板内。在判定中使用了各个坐标信息。
区判定部26Y在肿瘤存在于任意一个模板内的情况下,判定包含有肿瘤的血管关联区域模板,并且根据静脉或动脉的信息确定关联的肺区。
以下,依照图4的流程图对导航装置1的动作进行说明。
<步骤S10>数据存储步骤
未图示的公知的CT装置所生成的被检者的X线断层像数据、例如DICOM(Digital Imaging and Communication in Medicine:医学数字图像通讯标准)形式的三维图像数据经由未图示的接收部被导航装置1接收,并被存储到半导体存储装置或磁记录装置等存储部21中。
<步骤S11>脏器提取步骤
脏器提取部22从存储部21所存储的三维图像数据中提取预定的脏器、即作为处置对象的脏器的肺和支气管。此处进行提取,是指得到图1所示的肺和图2所示的支气管的三维形状信息。另外,在三维图像数据中包含肿瘤数据的情况下,还提取肿瘤的三维形状信息。
脏器提取部22提取出的肺、支气管和肿瘤的三维形状信息显示在显示部11上。此时,为了明确显示支气管和肿瘤的位置等,优选将肺显示为透过图像。
<步骤S12>第1区域(肿瘤)指定步骤
例如,手术操作者经由输入部12,利用第1区域指定部23指定显示部11所显示的肺的图像中的第1区域、即肿瘤的位置和大小。第1区域也可以利用CAD(Computer-Aided Detection:计算机辅助检测)指定。
<步骤S13>血管提取步骤
血管提取部24提取肺内部的血管、即肺动脉和肺静脉的三维形状信息。如图2所示,肺血管形成了从较粗的血管阶段性分支的一组血管构成的血管网。并且,各个血管网向根据解剖学特征分类的区域的组织提供氧和营养。
<步骤S14>血管分类步骤
导航装置1将在脏器提取步骤中提取出的肺内部的血管分类为动脉或静脉的任意一种。例如,与支气管相邻并与支气管平行的血管被分类为肺动脉,处于肺动脉与肺动脉之间的血管被分类为肺静脉。如图2所示,肺动脉和肺静脉形成了从较粗的血管阶段性分支的多个血管网的情况还能够被用于末梢的血管分类。此外,分支的各个肺静脉的血管与任意一个大叶关联。
<步骤S15>模板生成步骤
模板生成部27根据静脉的三维图像信息,生成由将各个血管直径增加了预定量(例如将外径设为了n倍)的静脉关联区域构成的静脉区域模板。此处,n为例如2~10。另外,血管直径的增加比例也可以利用加上预定值的方法。此外,当增加了直径时,在产生了与相邻的血管重叠的区域的情况下,将距两个血管相同距离的部位设为边界。
例如,图5A示出了静脉30的三维形状,静脉30A表示属于左上叶LU的血管网的一部分,静脉30B1、30B2表示从静脉30B分支的属于左下叶LD的血管网的一部分。各血管的中央的线表示连接了血管的例如重心点的芯线50。
并且,如图5B所示,模板生成部27生成将静脉30A、30B1、30B2的外径设为例如3倍的各个静脉关联区域40A、40B1、40B2。
另外,模板生成部27可以仅针对存在肿瘤的右肺或左肺、或者肿瘤附近的静脉30A、30B1、30B2生成静脉关联区域40A、40B1、40B2,也可以针对在脏器提取步骤中提取出的静脉整体生成静脉关联区域。
<步骤S16>第2区域提取步骤
第2区域提取部26判定任意一个静脉关联区域是否包含在第1区域指定步骤中指定的第1区域、即肿瘤60A。
<步骤S17>手动选择步骤(第2区域提取步骤A)
如图6D所示,在不存在包含肿瘤60D的静脉关联区域的情况下,导航装置1变为手术操作者选择第2区域的手动选择模式。手术操作者能够一边观察显示部11所显示的肺、支气管、血管或肿瘤的图像,一边经由输入部12选择肿瘤切除区域。
另外,在不存在包含肿瘤60D的静脉关联区域的情况下,手术操作者也可以重新设定生成静脉区域模板时的血管直径的增加量,由此第2区域提取部26以新条件再次进行提取。
<步骤S18、S19>第2区域提取步骤B
如图6C所示,在多个静脉关联区域40A、40B1中包含了肿瘤60C(第1区域)的情况下,第2区域提取部26提取作为该静脉关联区域的基础的各个血管所属的多个大叶、即左上叶LU和左下叶LD。换言之,第2区域提取部26提取多个第2区域。
<步骤S20>第2区域提取步骤C
如图6A所示,在存在一个包含肿瘤60A的静脉关联区域40B2的情况下,第2区域提取部26提取作为该静脉关联区域的基础的血管所属的肺的大叶、即左下叶LD,作为第2区域61A。第2区域61A是适于切除肿瘤60A的肿瘤切除区域。
此外,例如,如图6B所示,在静脉关联区域40A包含肿瘤60B的情况下,第2区域提取部26提取作为静脉关联区域40A的基础的血管所属的肺的大叶、即左上叶LU,作为第2区域60A。
另外,第2区域提取部26也可以将根据静脉关联区域40B2所包含的肿瘤60A的比例计算出的参考信息显示在显示部11上。例如,参考信息在静脉关联区域40B2包含肿瘤60A整体的情况下为“100%”,在静脉关联区域40B2包含肿瘤60A的一部分(例如30%)的情况下为“30%”。
此外,导航装置1在静脉关联区域40B2所包含的肿瘤60A的比例在预定值以下、例如5%以下的情况下,也可以设定为第2区域提取部26不提取第2区域。上述预定值优选能够由手术操作者经由输入部12适当进行设定。同样,模板生成部27生成的静脉区域模板的血管直径增加量也优选能够由手术操作者经由输入部12适当进行设定。
<步骤S21>切除区域显示步骤
第2区域提取部26提取出的肿瘤切除区域(第2区域)利用可与其他区域进行区分的颜色等显示在显示部11上。
如以上所说明那样,本实施方式的导航装置1能够提取包含肿瘤60的适当的肿瘤切除区域。
另外,在上述说明中,模板生成部27生成由将血管直径增加了预定量的静脉关联区域构成的静脉区域模板。但是,如图7A所示,模板生成部27也可以根据芯线50A、50B1、50B2,生成以芯线为中心的预定直径的静脉关联区域41A、41B1、41B2,第2区域提取部26根据静脉关联区域41A、41B1、41B2与肿瘤60E之间的关系提取第2区域。
此外,如图7B所示,第2区域提取部26的提取方法可以是如下方法:计算从芯线50A、50B2到肿瘤60F的距离d1、d2,并提取作为处于最短距离的芯线的基础的血管所属的大叶作为第2区域。
此外,如图7C所示,模板生成部也可以生成由将肿瘤60G的外形(轮廓)增加了预定量(例如设为n倍)的肿瘤关联区域60G1构成的肿瘤区域模板,第2区域提取部根据肿瘤关联区域60G1与静脉30A、30B1、30B2之间的关系提取第2区域。
并且,如图7D所示,第2区域提取部也可以根据芯线50A、50B1、50B2与将肿瘤60H的外形(轮廓)增加了预定量的肿瘤区域模板(肿瘤关联区域)60H1之间的关系提取第2区域。
如以上的说明那样,导航装置1的第2区域提取部26根据静脉血管的三维图像与第1区域之间的距离关系提取第2区域。即,第2区域提取部26根据处于与第1区域最短距离处的、由血管分类部25分类出的静脉的信息,提取任意一个大叶作为第2区域。
<第1实施方式的变形例>
接着,对作为本发明第1实施方式的变形例的医疗设备的导航装置1A进行说明。导航装置1A与第1实施方式的导航装置1类似,因此对相同结构要素标注相同的标号并省略说明。
在局限在肺区的肿瘤的情况下,有时即使仅切除例如构成大叶等的肺区1~10中的任意一个也能够完全切除肿瘤。此时,导航装置1A的第2区域提取部26A根据手术操作者的指示等,从最初提取出的任意一个大叶中提取作为更小区域的肺区作为第2区域。
以下,依照图8的流程图对导航装置1A的动作进行说明。另外,S10~S20的动作与图4所示的导航装置1相同,因此省略说明。
<步骤S22>第2区域提取步骤
在第1实施方式的导航装置1中,第2区域提取部26根据静脉关联区域提取出任意一个大叶作为第2区域。与此相对,导航装置1A的第2区域提取部26A根据动脉关联区域,将第2区域限定为大叶的一部分肺区1~10进行提取。
即,第2区域提取部26A利用S10~S20的动作,根据动脉关联区域,提取任意一个大叶、例如左上叶LU作为肿瘤切除区域(第2区域)61A。
<步骤S23>动脉模板生成步骤
模板生成部27A根据肺动脉的三维图像信息,生成由将各个血管直径增加了预定量(例如将外径设为了n倍)的肺动脉关联区域构成的肺动脉区域模板。另外,与静脉关联区域同样,模板生成部27A也可以仅针对一部分肺动脉生成动脉关联区域。
<步骤S24>第2区域提取步骤
第2区域提取部26A判定任意一个动脉关联区域是否包含在第1区域指定步骤中指定的第1区域、即肿瘤60A。
<步骤S25>手动选择步骤(第2区域提取步骤D)
在不存在包含肿瘤的动脉关联区域的情况下(S24:否),导航装置1A变为手动选择模式使得手术操作者能够选择第2区域。
另外,第2区域提取部26A可以与大叶提取的情况同样,使用各种方法提取一个肺区作为第2区域,也可以改变提取条件再次进行提取。
<步骤S26、S27>第2区域提取步骤E
在多个动脉关联区域中包含了肿瘤(第1区域)的情况下(是),第2区域提取部26A提取作为该动脉关联区域的基础的各个血管所属的多个肺区。换言之,第2区域提取部26A提取多个第2区域62。
<步骤S28>第2区域提取步骤F
在不存在多个包含肿瘤60A的动脉关联区域的情况下(S26:否),第2区域提取部26A提取作为该动脉关联区域的基础的血管所属的肺区,作为第2区域62A。第2区域62A是第2区域61A的一部分,是更适于切除肿瘤60A的肿瘤切除区域。
<步骤S29>切除区域显示步骤
第2区域提取部26A提取出的肿瘤切除区域(第2区域)被显示在显示部11上。
如以上的说明那样,本变形例的导航装置1A具有导航装置1具备的效果,并且能够提取包含肿瘤60A的更窄范围的第2区域(肿瘤切除区域)62。
<第2实施方式>
接着,对作为本发明第2实施方式的医疗设备的导航装置1B进行说明。导航装置1B与第1实施方式的导航装置1类似,因此对相同结构要素标注相同的标号并省略说明。
如图9所示,导航装置1B具有作为标准模板存储单元的标准模板存储部28和作为匹配处理单元的匹配处理部29。并且,第2区域提取部26B根据与三维图像信息对应的第1区域和标准模板的脏器等信息提取第2区域。与导航装置1同样,导航装置1B的提取单元10B的各功能部也可以是被读入到CPU20B中进行处理的程序。
标准模板存储部28对标准模板进行存储,该标准模板由以被检者的至少性别、体型和年龄为基础的标准脏器和脏器内的血管的三维形状信息等构成。匹配处理部29进行标准模板与被检者的三维形状信息的匹配处理。
以下,依照图10的流程图对导航装置1B的动作进行说明。
<步骤S40>数据存储步骤
未图示的公知的CT装置所生成的被检者的X线断层像数据、例如DICOM(Digital Imaging and Communication in Medicine:医学数字图像通讯标准)形式的三维图像数据经由未图示的接收部被导航装置1B接收,并被存储到半导体存储装置或磁记录装置等存储部21中。
<步骤S41>脏器提取步骤
脏器提取部22根据存储部21所存储的三维图像数据提取预定的脏器、例如肺2和支气管3。在三维图像数据包含肿瘤数据的情况下,还提取肿瘤60的三维形状信息。
<步骤S42>第1区域(肿瘤)指定步骤
例如,手术操作者经由输入部12,利用第1区域指定部23指定显示部11所显示的肺的图像中的第1区域、即肿瘤的位置和大小。第1区域也可以利用CAD(Computer-Aided Detection:计算机辅助检测)指定。
<步骤S43>血管提取步骤
血管提取部24提取肺内部的血管、即肺动脉4和肺静脉5的三维形状信息。
<步骤S44>血管分类步骤
导航装置1B将在脏器提取步骤中提取出的肺内部的血管分类为肺动脉4或肺静脉5的任意一种。
<步骤S45>被检者信息输入步骤
手术操作者经由输入部12输入被检者的至少性别、体型和年龄的信息。所输入的被检者的信息除了性别、体型和年龄以外,还可以是体重、身高或者胸围等。
<步骤S46>标准模板选择/存储步骤
将标准模板70存储到标准模板存储部28中,该标准模板70以被检者的信息为基础,由标准脏器和脏器内的血管的三维形状信息等构成。
标准模板70可以从存储在模板存储部28A内的多个模板中进行选择,也可以根据输入信息生成,还可以是对所选择的模板进行了进一步校正后的模板。在标准模板中,除了肺2/支气管3/肺血管4、5的三维形状信息以外,还包含大叶/肺区的边界信息。
<步骤S47>匹配处理步骤
匹配处理部29进行标准模板70与被检者的三维形状信息的匹配处理。匹配处理部29进行如下匹配处理中的至少任意一个处理:标准模板70的血管的三维形状信息和血管提取部24提取出的血管的三维图像信息的匹配处理、或者标准模板的脏器的三维形状信息和脏器提取单元提取出的脏器的三维图像信息的匹配处理。
即,匹配处理部29将“支气管(脏器)3”、“支气管(脏器)3+肺血管4、5”、“肺血管4、5”、“肺动脉4”或者“肺静脉5”中的至少任意一个作为对象来进行匹配处理。例如,图11A示出了标准模板70、图11B示出了被检者的三维形状信息70X、图11C示出了对标准模板70与被检者的三维形状信息70X进行了匹配处理的状态。
另外,为了得到更高精度的结果,也可以在将支气管3作为对象进行了匹配处理后,将肺血管4、5作为对象进行匹配处理。如后面所述,优选至少将“血管4、5”作为对象进行匹配处理。
匹配处理通过公知的图像处理进行,可以使用像素数据等级的匹配、或者从图像提取出的特征等级中的匹配的任意一个。
另外,在对标准模板70与被检者的三维形状信息的相似度进行比较而计算出的两图像的误差e大于允许误差e0的情况下,匹配处理部29可以将所选择的标准模板改变为另一标准模板再次进行匹配处理,也可以转移到手动选择模式(S51)。
此处,例如如图11C所示,如果匹配对象是支气管3,则图像的误差e是在气管6与支气管3相连的隆凸3A处使用气管芯线6A进行了匹配处理时末梢的多个支气管分支点的位置偏差的合计值。
<步骤S48>第2区域提取步骤
第2区域提取部26B判断匹配处理后的被检者的肿瘤60J是否被包含在标准模板70中的肺的任意一个区域中。另外,此处,区域是指肺大叶或肺区。
另外,如在第1实施方式中说明那样,特别是通过将肺静脉5作为对象进行匹配处理,将肺大叶提取为第2区域时的精度较高,通过将肺动脉4作为对象进行匹配处理,将肺区提取为第2区域时的精度较高。因此,也可以重复进行匹配处理步骤和第2区域提取步骤。即,也可以在将“肺静脉5”作为对象进行第1匹配处理,提取出任意一个大叶后,将“肺动脉4”作为对象进行第2匹配处理,对提取出的大叶中的一个肺区进行提取。
<步骤S49>手动选择步骤(第2区域提取步骤G)
在不存在包含肿瘤60D的区域的情况下(S48:否),导航装置1变为手动选择模式使得手术操作者能够选择第2区域。
<步骤S50、S51>第2区域提取步骤H
在多个区域中包含了肿瘤60J(第1区域)的情况下,第2区域提取部26B提取该多个区域。换言之,第2区域提取部26B提取多个第2区域。
<步骤S52>第2区域提取步骤I
在一个区域中包含了肿瘤60J(第1区域)的情况下,第2区域提取部26B提取该区域。
<步骤S53>切除区域显示步骤
第2区域提取部26B提取出的肿瘤切除区域(第2区域)被显示在显示部11上。
如以上的说明那样,本变形例的导航装置1B与第1实施方式的导航装置1等具有相同的效果。
另外,由于个体差异,有时被检者的血管的配置状态等会与标准模板差异较大。例如,如图12B所示,根据被检者不同,在图12A所示的标准模板中处于左下叶LD内部的下叶静脉的末端有时会而延伸到左上叶LU。
在这种情况下,如图12C所示,优选第2区域提取部26B将属于同一血管网的第3区域63提取为肿瘤切除追加区域。图12C所示的第3区域63是左上叶LU的肺区2(LU2)。并且,如图12C所示,显示部11所显示的图像优选使用与第2区域61不同的阴影或显示颜色等对第3区域63进行显示,由此提醒手术操作者注意。
此外,在被检者的血管配置等与标准模板差异较大的情况下,即使在与肿瘤切除区域无关的位置处,导航装置1B也进行显示以提醒手术操作者注意。
在以上的说明中,以肺的肿瘤切除区域的提取为例进行了说明,但是在其他脏器、例如肝脏中也能够用同样的方法进行导航。即,在肝脏的切除中,进行亚区域切除、区域切除、叶切除或者放大右叶切除的任意一种,但是导航装置能够提取适当的肿瘤切除区域并显示给手术操作者。
本发明不限于上述实施方式,在不改变本发明主旨的范围内可进行各种变更、改变等。
本申请以2010年6月2日在日本申请的日本特愿2010-127187号为优先权主张的基础进行申请,上述公开内容被引用到本申请说明书、权利要求书、附图中。

Claims (12)

1.一种医疗设备,其特征在于,该医疗设备具有:
存储单元,其对预先取得的被检者体内的三维图像数据进行存储;
脏器提取单元,其从所述三维图像数据中提取预定的脏器;
第1区域指定单元,其指定所述三维图像数据中的所述脏器的第1区域;
血管提取单元,其从所述三维图像数据中提取所述脏器的内部的多个血管;
血管分类单元,其将所述血管提取单元提取出的所述多个血管分类为动脉或静脉的任意一种;
模板生成单元,其生成血管区域模板,该血管区域模板由将所述血管分类单元所分类的所述动脉或所述静脉中的至少任意一种的直径增加了预定量的血管关联区域构成;以及
第2区域提取单元,其根据所述血管关联区域的信息,提取包含所述第1区域的第2区域,该第2区域是根据所述脏器的解剖学特征而分类的区域。
2.根据权利要求1所述的医疗设备,其特征在于,
所述第2区域提取单元根据处于与所述第1区域最短距离处的血管的三维图像信息,提取所述第2区域。
3.根据权利要求1所述的医疗设备,其特征在于,
所述第2区域提取单元在存在分别包含所述第1区域的多个所述血管关联区域的情况下,提取多个所述第2区域。
4.一种医疗设备,其特征在于,该医疗设备具有:
存储单元,其对预先取得的被检者体内的三维图像数据进行存储;
脏器提取单元,其从所述三维图像数据中提取预定的脏器;
第1区域指定单元,其指定所述三维图像数据中的所述脏器的第1区域;
血管提取单元,其从所述三维图像数据中提取所述脏器的内部的多个血管;
血管分类单元,其将所述血管提取单元提取出的所述多个血管分类为动脉或静脉的任意一种;
标准模板存储单元,其对标准模板进行存储,该标准模板由以所述被检者的至少性别、体型和年龄为基础的标准的所述脏器和所述多个血管的三维形状信息构成;
匹配处理单元,其进行如下匹配处理中的至少任意一个处理:所述标准模板的所述多个血管的所述三维形状信息与所述血管提取单元提取出的所述多个血管的所述三维图像信息的匹配处理、或者所述标准模板的所述脏器的所述三维形状信息与所述脏器提取单元提取出的所述脏器的所述三维图像信息的匹配处理;以及
第2区域提取单元,其根据与所述三维图像信息对应的所述第1区域和所述标准模板的所述脏器的信息,提取包含所述第1区域的第2区域,该第2区域是根据所述脏器的解剖学特征而分类的区域。
5.根据权利要求4所述的医疗设备,其特征在于,
所述第1区域是肿瘤区域,
所述第2区域是肿瘤切除区域。
6.根据权利要求5所述的医疗设备,其特征在于,
所述脏器是包含支气管的肺,
所述第2区域提取单元从所述静脉的所述三维图像信息中提取右上叶、右中叶、右下叶、左上叶或左下叶的任意一种大叶作为所述第2区域。
7.根据权利要求6所述的医疗设备,其特征在于,
所述第2区域提取单元从所述动脉的所述三维图像信息中进一步提取所述大叶中的小区域,作为所述第2区域。
8.根据权利要求6所述的医疗设备,其特征在于,
该医疗设备具有第3区域提取单元,该第3区域提取单元根据所述多个血管的所述三维图像信息,将所述第2区域提取单元提取出的所述第2区域的邻近区域提取为肿瘤切除追加区域即第3区域。
9.根据权利要求8所述的医疗设备,其特征在于,
所述第3区域的血管与所述第2区域的血管属于同一血管网。
10.一种医疗设备的控制方法,其特征在于,该医疗设备的控制方法具有如下步骤:
数据存储步骤,对预先取得的被检者体内的三维图像数据进行存储;
脏器提取步骤,从所述三维图像数据中提取预定的脏器;
第1区域指定步骤,指定所述三维图像数据中的所述脏器的第1区域;
血管提取步骤,从所述三维图像数据中提取所述脏器的内部的多个血管;
血管分类步骤,将在所述血管提取步骤中提取出的所述多个血管分类为动脉或静脉的任意一种;
模板生成步骤,生成血管区域模板,该血管区域模板由将在所述血管分类步骤中分类的所述动脉或所述静脉中的至少任意一种的直径增加了预定量的血管关联区域构成;以及
第2区域提取步骤,根据所述血管关联区域的信息,提取包含所述第1区域的第2区域,该第2区域是根据所述脏器的解剖学特征而分类的区域。
11.根据权利要求10所述的医疗设备的控制方法,其特征在于,
在所述第2区域提取步骤中,根据所述动脉或所述静脉的至少任意一种的三维图像和所述第1区域之间的距离关系提取所述第2区域。
12.一种医疗设备的控制方法,其特征在于,该医疗设备的控制方法具有如下步骤:
数据存储步骤,对预先取得的被检者体内的三维图像数据进行存储;
脏器提取步骤,从所述三维图像数据中提取预定的脏器;
第1区域指定步骤,指定所述三维图像数据中的所述脏器的第1区域;
血管提取步骤,从所述三维图像数据中提取所述脏器的内部的多个血管;
血管分类步骤,将在所述血管提取步骤中提取出的所述多个血管分类为动脉或静脉的任意一种;
标准模板存储步骤,对标准模板进行存储,该标准模板由以所述被检者的至少性别、体型和年龄为基础的标准的所述脏器和所述多个血管的三维形状信息构成;
匹配处理步骤,进行如下的匹配处理中的至少一个处理:所述标准模板的所述多个血管的所述三维形状信息与所述血管提取步骤中提取出的所述多个血管的所述三维图像信息的匹配处理、或者所述标准模板的所述脏器的所述三维形状信息与在所述脏器提取步骤中提取出的所述脏器的所述三维图像信息的匹配处理;以及
第2区域提取步骤,根据与所述三维图像信息对应的所述第1区域和所述标准模板的所述脏器的信息,提取包含所述第1区域的第2区域,该第2区域是根据所述脏器的解剖学特征而分类的区域。
CN201180001775.5A 2010-06-02 2011-03-04 医疗设备以及医疗设备的控制方法 Expired - Fee Related CN102395320B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010127187 2010-06-02
JP2010-127187 2010-06-02
PCT/JP2011/055044 WO2011152094A1 (ja) 2010-06-02 2011-03-04 医療機器および医療機器の制御方法

Publications (2)

Publication Number Publication Date
CN102395320A CN102395320A (zh) 2012-03-28
CN102395320B true CN102395320B (zh) 2014-02-26

Family

ID=45066483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180001775.5A Expired - Fee Related CN102395320B (zh) 2010-06-02 2011-03-04 医疗设备以及医疗设备的控制方法

Country Status (5)

Country Link
US (1) US8150138B2 (zh)
EP (1) EP2441388A4 (zh)
JP (1) JP4824146B1 (zh)
CN (1) CN102395320B (zh)
WO (1) WO2011152094A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3492008B1 (en) 2005-09-13 2021-06-02 Veran Medical Technologies, Inc. Apparatus and method for image guided accuracy verification
US20070066881A1 (en) 2005-09-13 2007-03-22 Edwards Jerome R Apparatus and method for image guided accuracy verification
US20130303887A1 (en) 2010-08-20 2013-11-14 Veran Medical Technologies, Inc. Apparatus and method for four dimensional soft tissue navigation
US8787649B2 (en) * 2011-06-24 2014-07-22 Siemens Aktiengesellschaft System and method for processing an X-ray image of an organ
US10249036B2 (en) 2012-02-22 2019-04-02 Veran Medical Technologies, Inc. Surgical catheter having side exiting medical instrument and related systems and methods for four dimensional soft tissue navigation
JP5814853B2 (ja) * 2012-04-18 2015-11-17 富士フイルム株式会社 立体モデルデータ生成装置および方法並びにプログラム
US10092251B2 (en) * 2013-03-15 2018-10-09 Varian Medical Systems, Inc. Prospective evaluation of tumor visibility for IGRT using templates generated from planning CT and contours
US20150305650A1 (en) 2014-04-23 2015-10-29 Mark Hunter Apparatuses and methods for endobronchial navigation to and confirmation of the location of a target tissue and percutaneous interception of the target tissue
US20150305612A1 (en) 2014-04-23 2015-10-29 Mark Hunter Apparatuses and methods for registering a real-time image feed from an imaging device to a steerable catheter
CN104323860B (zh) * 2014-11-07 2018-08-31 常州朗合医疗器械有限公司 导航路径规划装置和方法
JP6271458B2 (ja) * 2015-02-25 2018-01-31 富士フイルム株式会社 画像処理装置、方法、及びプログラム
WO2017043194A1 (ja) * 2015-09-09 2017-03-16 富士フイルム株式会社 マッピング画像表示制御装置および方法並びにプログラム
US10226199B2 (en) * 2015-12-21 2019-03-12 Canon Kabushiki Kaisha Medical-image processing apparatus, method for controlling the same, and storage medium
JP6702902B2 (ja) * 2017-02-24 2020-06-03 富士フイルム株式会社 マッピング画像表示制御装置および方法並びにプログラム
US10692211B2 (en) * 2017-06-20 2020-06-23 Case Western Reserve University Intra-perinodular textural transition (IPRIS): a three dimenisonal (3D) descriptor for nodule diagnosis on lung computed tomography (CT) images
EP3724854A1 (en) * 2017-12-15 2020-10-21 Verily Life Sciences LLC Generating virtually stained images of unstained samples
US11354804B1 (en) 2019-09-27 2022-06-07 Verily Life Sciences Llc Transforming multispectral images to enhanced resolution images enabled by machine learning
WO2022201415A1 (ja) * 2021-03-25 2022-09-29 日本電気株式会社 検査支援装置、検査支援システム、検査支援方法、および記録媒体

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1403057A (zh) * 2001-09-13 2003-03-19 田捷 利用三维欧氏距离变换实现ct图像中软组织显示的方法
CN101116103A (zh) * 2005-02-11 2008-01-30 皇家飞利浦电子股份有限公司 从三维医学图像中自动提取肺动脉树的方法
CN101303767A (zh) * 2007-11-15 2008-11-12 复旦大学 基于块图像内容自适应分类的数字剪影图像配准方法
JP4193201B2 (ja) * 2002-05-24 2008-12-10 株式会社日立メディコ 臓器の切除領域抽出表示装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7486811B2 (en) * 1996-09-16 2009-02-03 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US7526112B2 (en) * 2001-04-30 2009-04-28 Chase Medical, L.P. System and method for facilitating cardiac intervention
JP4688361B2 (ja) * 2001-07-23 2011-05-25 株式会社日立メディコ 臓器の特定領域抽出表示装置及びその表示方法
US7968851B2 (en) * 2004-01-13 2011-06-28 Spectrum Dynamics Llc Dynamic spect camera
JP2006034585A (ja) 2004-07-27 2006-02-09 Fuji Photo Film Co Ltd 画像表示装置、画像表示方法およびそのプログラム
US7903849B2 (en) * 2005-04-15 2011-03-08 Kabushiki Kaisha Toshiba Medical image processing apparatus
JP2007117384A (ja) * 2005-10-27 2007-05-17 Toshiba Corp 画像診断・治療支援装置及び治療効果判定用画像データ生成方法
JP2008142481A (ja) * 2006-12-13 2008-06-26 Med Solution Kk 肺を肺区域の単位に自動的にセグメンテーションする装置およびプログラム
JP5105997B2 (ja) * 2007-08-21 2012-12-26 株式会社東芝 医用画像処理装置、医用画像診断装置、及びプログラム
US8150113B2 (en) * 2008-01-23 2012-04-03 Carestream Health, Inc. Method for lung lesion location identification
JP5252994B2 (ja) * 2008-05-26 2013-07-31 株式会社東芝 切除マーカを用いた切除領域確認装置、およびその制御プログラム
JP2010127187A (ja) 2008-11-27 2010-06-10 Yanmar Co Ltd ディーゼルエンジン
US9679389B2 (en) * 2009-05-19 2017-06-13 Algotec Systems Ltd. Method and system for blood vessel segmentation and classification

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1403057A (zh) * 2001-09-13 2003-03-19 田捷 利用三维欧氏距离变换实现ct图像中软组织显示的方法
JP4193201B2 (ja) * 2002-05-24 2008-12-10 株式会社日立メディコ 臓器の切除領域抽出表示装置
CN101116103A (zh) * 2005-02-11 2008-01-30 皇家飞利浦电子股份有限公司 从三维医学图像中自动提取肺动脉树的方法
CN101303767A (zh) * 2007-11-15 2008-11-12 复旦大学 基于块图像内容自适应分类的数字剪影图像配准方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic Extraction of the Pummonary Artery Tree from Multi-Slice CT Data;Thomas Biilow,et al;《Medical imaging 2005: Physiology,Function,and Structure from Medical Images,Proceedigns of SPIE》;20051231;第5746卷;第730-740页 *
Automatic multiscale enhancement and segmentation of pulmonary vessels in CT pulmonary angiography images for CAD applications;Chuan Zhou,et al;《Medical Physics》;20071231;第34卷(第12期);第4567-4577页 *
Chuan Zhou,et al.Automatic multiscale enhancement and segmentation of pulmonary vessels in CT pulmonary angiography images for CAD applications.《Medical Physics》.2007,第34卷(第12期),第4567-4577.
ThomasBiilow et al.Automatic Extraction of the Pummonary Artery Tree from Multi-Slice CT Data.《Medical imaging 2005: Physiology

Also Published As

Publication number Publication date
US20110311124A1 (en) 2011-12-22
EP2441388A1 (en) 2012-04-18
WO2011152094A1 (ja) 2011-12-08
US8150138B2 (en) 2012-04-03
EP2441388A4 (en) 2012-07-25
JPWO2011152094A1 (ja) 2013-07-25
JP4824146B1 (ja) 2011-11-30
CN102395320A (zh) 2012-03-28

Similar Documents

Publication Publication Date Title
CN102395320B (zh) 医疗设备以及医疗设备的控制方法
JP5222082B2 (ja) 情報処理装置およびその制御方法、データ処理システム
US10734107B2 (en) Image search device, image search method, and image search program
US7130457B2 (en) Systems and graphical user interface for analyzing body images
US6901277B2 (en) Methods for generating a lung report
US10268802B2 (en) Medical image processing apparatus and medical image processing system
JP5138431B2 (ja) 画像解析装置および方法並びにプログラム
CN104586418B (zh) 医用图像数据处理装置和医用图像数据处理方法
JP2013192624A (ja) 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム
CN105913442A (zh) 自动匹配肺结节的方法
JP2007307205A (ja) 医用画像部位認識装置、及び、医用画像部位認識プログラム
CN107004305A (zh) 医学图像编辑
WO2008001928A1 (fr) Appareil d&#39;affichage d&#39;image médicale et programme d&#39;affichage d&#39;image médicale
CN112862833A (zh) 血管分段方法、电子装置和存储介质
JP5539478B2 (ja) 情報処理装置および情報処理方法
JPWO2020110774A1 (ja) 画像処理装置、画像処理方法、及びプログラム
JP6258084B2 (ja) 医用画像表示装置、医用画像表示システムおよび医用画像表示プログラム
JP5121399B2 (ja) 画像表示装置
CN104915989A (zh) 基于ct影像的血管三维分割方法
JP6734111B2 (ja) 所見情報作成装置及びシステム
WO2018030015A1 (ja) 切離プロセス推定装置及び切離プロセスナビゲーションシステム
CN111127636B (zh) 一种智能的复杂关节内骨折桌面级三维诊断***
Miao et al. CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients.
CN113177945A (zh) 用于将分割图链接到体数据的***和方法
Mouton et al. Computer-aided detection of pulmonary pathology in pediatric chest radiographs

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20151117

Address after: Tokyo, Japan, Japan

Patentee after: Olympus Corporation

Address before: Tokyo, Japan, Japan

Patentee before: Olympus Medical Systems Corp.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140226

Termination date: 20180304