CN102834847A - 图像分析 - Google Patents
图像分析 Download PDFInfo
- Publication number
- CN102834847A CN102834847A CN2011800185248A CN201180018524A CN102834847A CN 102834847 A CN102834847 A CN 102834847A CN 2011800185248 A CN2011800185248 A CN 2011800185248A CN 201180018524 A CN201180018524 A CN 201180018524A CN 102834847 A CN102834847 A CN 102834847A
- Authority
- CN
- China
- Prior art keywords
- data
- image data
- angiogram
- clinical
- quality metric
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20108—Interactive selection of 2D slice in a 3D data set
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
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)
Abstract
从采集的图像数据计算管道***中的流动模式。从流动模式,生成虚拟图像数据并与采集的数据比较,以便确定在特征位置生成的流动模式的可用性质量度量。
Description
技术领域
本发明涉及图像分析技术领域。具体而言,本发明涉及一种成像分析设备、一种用于分析图像的方法、一种用于分析图像的计算机程序单元和具有相应计算机程序单元的计算机可读介质。
背景技术
功能信息能够用于分析流体流动,而计算流体动力学(CFD)模拟可以允许生成这样的功能信息。可以使用由CFD生成的这种流动模式来分析管道***中的流动。例如,能够由CFD生成感兴趣的病理性血管***中的患者特定血流模式或人模装置中的流动模式。可以使用这样生成的CFD流动模式计算血管造影照片。
WO 2007/066249A2描述了从动态诊断观测序列分析血管***中血流以确定血流参数,以还确定滤波器、重放速度并最终使重放的原始和经滤波的序列可视化。为医生提供覆盖重要血管构造和感兴趣病变的示范性数学流动模型集合,并提供针对被考虑病例的适当模型的人工或自动选择技术。每个模型都包括覆盖血管拓扑或病理的一组特定流动参数的参数集。
发明内容
本发明的目的可以是实现CFD模拟的有效利用。
可以由独立权利要求的主题实现本发明的目的,其中,可以在从属权利要求中结合其他实施例。
应当指出,本发明的下述方面还适用于分析图像的方法、分析图像的计算机程序和存储了分析图像的计算机程序的计算机可读介质。
根据本发明的一方面,可以提供一种图像分析设备,其可以包括输入装置、处理装置和输出装置。
输入装置可以适于接收临床图像数据,例如临床血管造影照片数据或临床图像数据、几何数据和边界数据中的至少一种的形式的输入数据。处理装置可以适于从几何数据和从边界数据生成流动模式数据。处理装置还可以适于从生成的流动模式数据生成虚拟图像数据或虚拟血管造影照片数据。
处理装置还可以适于确定临床图像数据和虚拟图像数据中的多个特征位置。根据一方面,在临床图像数据和虚拟图像数据中确定基本相同的特征位置。可以使用多个特征位置比较预定义位置和/或临床图像数据和虚拟图像数据中对应位置处的临床图像数据和虚拟图像数据。
输出装置可以适于在多个特征位置的每个处提供质量度量。这一质量度量可以表示在所述多个特征位置的每个处所述临床图像数据和所述虚拟图像数据的对应的质量或对应的程度。换言之,可以提供质量度量,其度量时间域和/或空间域中临床图像数据和虚拟图像数据的匹配程度。
临床图像数据或临床血管造影照片数据可以是血管造影照片,尤其是从测量装置获取的数字图像或数字图像的时间序列,测量装置诸如是X射线装置、C臂血管造影***、磁共振成像(MRI)装置、超声装置或计算机断层摄影(CT)装置。X射线***可以包括X射线源和X射线探测器。
虚拟图像数据或虚拟血管造影照片数据可以是由包括团剂注射模拟的计算流体动态模拟(CFD)生成的血管造影照片,特别是数字图像。虚拟血管造影照片也可以称为人工血管造影照片。CFD模拟可以提供例如患者血管***内部的速度场作为输出3D数据。在执行CFD模拟之后,可以在计算步骤中将所生成的3D数据转换成2D数据以获得例如虚拟血管造影照片。
通常,可以提供血管造影照片数据作为数字减影血管造影(DSA)数据或作为纯非DSA数据。DSA数据可以是DSA装置的输出。DSA血管造影照片可以是示出应用造影剂之前血管***的图像和示出应用造影剂之后血管***的图像的差异。可以将应用CA之前的血管***的图像用作减影掩模。
在多个特征位置或至少单个特征位置处提供质量度量可以允许为CFD模拟的结果提供置信度量,并且此外允许指示在时间和空间,即分别在时间域和空间域中CFD模拟的可信任性。
质量度量可以允许不熟悉解释虚拟血管造影照片质量的用户评估模拟结果的质量。于是,可以不需要专业的医学专家。
此外,诸如管道***、血管***或硅人模的结构的包括特征位置或至少提供特征位置处质量信息的图像可以向用户给出关于所提供数据或图像预定义部分处CFD结果可靠性的反馈。于是,提供的或使用的定量度量可以以图像的预定义部分所得数字和/或色彩编码可靠性程度的形式反映结果的可信任性。可以以包括如下显示模式的显示模式组中选择的至少一种显示模式显示定量度量:显示单个定量值、显示表示值列表的单个定量值以及显示色彩编码的可靠性程度。用户可以能够选择显示模式。
可以为用户或图像分析设备给出这种反馈。这种反馈可以提供针对CFD模拟的不精确性的可能误差源的指示。于是,在临床图像数据和虚拟图像数据有偏差的情况下,可以向用户指明模拟的不精确性的可能误差源。这也可以允许利用修改的输入条件重新开始模拟,以便在预定位置提供更精确的新模拟结果。
可以将多个特征位置看作临床图像数据以及虚拟图像数据中的参考点。
根据本发明的另一方面,可以提供一种用于分析图像的方法,包括以临床图像数据、几何数据和边界数据中的至少一种形式接收输入数据的步骤。该方法还可以包括从几何数据和边界数据生成流动模式数据。
临床图像数据可以显示血管***中造影剂的扩散和/或对流的时间序列,而几何数据基本显示所采集的血管结构,例如3D(3维)模型。对流可以是沿基本平行于血管几何形状的方向流动运动的指示。边界数据可以为CFD提供边界条件,例如注射假设或注射曲线。
可以从所生成的流动模式数据,并且如果可以的话,从边界数据,生成虚拟图像或虚拟图像数据。可以在临床图像数据中确定特征位置,并且可以在虚拟图像数据中识别基本相同的特征位置。在多个确定的特征位置的每个处,可以提供质量度量。该质量度量可以指示在所述多个特征位置的每个处所述临床图像数据和所述虚拟图像数据的对应的质量或匹配的质量。
可以将该方法用于图像数据分析或一般的数据分析。
可以将通过CFD模拟生成流动模式数据或流动模式看作本发明的发明点。与仅仅临床图像数据或临床2D(2维)或3D血管造影照片相比,这种流动模式数据可以提供更多信息用于分析结构中的流体流动,例如血管结构中的血流。流动模式可以包括速度场,并且可以允许分析血管***之内的血液动力学行为。尤其是可以利用流动模式使诸如动脉瘤和/或狭窄症的病变的血液动力学行为可视化。CFD模拟可以始终生成结果。然而,模拟结果可以取决于多个准则。因此,关于预定义位置处模拟结果可信任性的信息可以提高模拟结果的可用性。
从模拟结果可以提供虚拟图像数据或虚拟图像。于是,将虚拟图像与实际图像、与临床血管造影照片或者与临床血管造影照片的比较成为可能。在计算的虚拟图像和采集的临床图像之间匹配良好的情况下,可以提供指示,表明对应位置处的模拟结果可能具有高度可信任性。这可以允许闭环布置,这可能改变输入数据。可以在循环中确定模拟结果,直到可以在预定义位置处提供期望的精确度为止。
可以从采集的图像数据计算管道***中的流动模式。可以从流动模式生成虚拟图像数据并且可以将虚拟图像数据与采集的数据比较,以便确定在特征位置处生成的流动模式的可用性质量度量。质量度量可以是单个定量值或度量、一组适当的值或色彩编码,从而可以使得模拟结果的解释容易起来。具体而言,将结果减小到定量值可以允许为仅具有有限的流体动力学和模拟结果解释的知识的人进行结果解释。
如果模拟结果可以提供大量具有高度可信任性的位置,模拟结果的总体可信任性可以很高。
于是,不同的情况是有可能的。在一个范例中,在动脉瘤的特定位置处,可能需要高的可信任性,因为可能必须要研究特定的动脉瘤。在另一种情况下,可能需要高的总体可靠性,因为可能需要端到端地研究完整结构。
成像设备可以建议适于所识别特征位置的一组质量度量,以便从用户获取负荷,以选择适当的质量度量。然而,用户可以通过适合的输入装置修改期望的质量度量。
换言之,可以描述自动、***化、全面并且定量的CFD证实方法。为此目的,可以定义针对临床和虚拟血管造影照片的定量度量,例如截面、流线(streamline)和ROI时间强度曲线的Lp、L2、L∞范数、增大侧翼的陡峭度、脉动程度、回流程度、时间距离、旋涡轴、涡流转速、迎流束的长度、角度和速度、隔室之间的造影剂交换、局部传递函数。可以将术语“Lp范数”中的字符p选择为1和∞之间的自然数。于是,在范例中,L2范数可以是Lp范数,其中,将p设置为2。可以在特征位置处确定定量度量,其中,可以通过比较方法或模式识别方法在给定血管几何形状中自动识别特征位置。脉动性可以是心脏节奏的度量,包括取决于心脏节奏阶段的流量变化。可以由导致吸收变化的血液和CA之间混合比变化代表脉动性。于是,在造影剂通过血管***行进时,可以探测脉动性作为吸收随时间的变化。
特征位置可以位于导管后方、在导管尖端、在分叉前方、在N个流出(outflow)处、在动脉瘤处、在狭窄症或其他病变处。由此,可以根据血管***中当前检查的位置选择应用的度量。结果,提出的比较方法可以提供针对CFD结果的置信度量,并指示在时间和空间上CFD模拟的可信任部分。此外,可以提供包括被检查位置的血管***的图像,为比较使用的定量度量、所得数字或值以及针对血管***每个部分的色彩编码可靠性程度,作为反馈。可以选择对应的显示模式。在临床血管造影照片和虚拟血管造影照片之间有分歧的情况下,提出的方法可以向用户指出针对CFD模拟不精确性的可能误差源。
于是,可以防止通过目测检查比较两个血管造影照片。目测检查可能主要关注团剂传播期间造影剂(CA)的到达时间。此外,可以防止通过基本仅计算动脉瘤的驻留时间图,例如CA的驻留时间,来比较两种血管造影照片。
根据本发明的一方面,可以同时研究CFD的多个特征,并且可以基本不将比较限于特定单个特征。因此,可以研究复杂流动模式。
本发明的这些和其他方面可以从下文描述的实施例变得显而易见并参考其加以阐述。
计算机可读介质可以是软盘、硬盘、USB(通用串行总线)存储装置、RAM(随机存取存储器)、ROM(只读存储器)或EPROM(可擦除可编程只读存储器)。计算机可读介质也可以是数据通信网络,例如因特网,其可以允许下载程序单元或程序代码。
还应当指出,可以参考不同的主题描述本发明的各方面。具体而言,可以参***型权利要求描述一些方面而可以参考方法型权利要求描述其他方面。然而,本领域的技术人员将从以上和下面的描述中了解到,除非另行指出,除了属于一种主题的特征的任何组合之外,涉及不同类型主题的特征之间的任何组合也可以被认为是本文公开的。具体而言,可以认为公开了涉及设备型权利要求的特征和涉及方法型权利要求的特征之间的组合。
附图说明
在下文中将参考以下附图描述本发明的示范性实施例。
图1示出了根据本发明示范性实施例的图像分析设备的方框图。
图2示出了根据本发明示范性实施例,具有定量度量和色彩编码度量集合的几何结构。
图3示出了根据本发明示范性实施例,在导管处包括截面TIC的血管***的一段。
图4示出了根据本发明示范性实施例,在分叉点处包括流线TIC的血管***的一段。
图5示出了根据本发明示范性实施例,包括动脉瘤处的感兴趣区域TIC提取的血管***的一段。
图6示出了根据本发明示范性实施例,包括狭窄症处的感兴趣区域TIC提取的血管***的一段。
图7示出了根据本发明示范性实施例用于分析图像的方法的流程图。
具体实施方式
可以参考血管造影照片数据描述以下范例。然而,这可以不将本公开限制到血管造影照片数据。在分析任何图像数据或图像数据的任何时间序列时,可以利用本发明处理类似的技术问题。
图1示出了根据本发明示范性实施例的图像分析设备100的方框图。成像分析设备100包括输入装置101、处理装置102和输出装置103。范例中的处理装置102可以控制输入装置101和/或输出装置103。输入装置101可以包括接口101a。这些接口101a连接到输入装置的不同部件101b、101c、101d,它们可以为输入装置101输送输入数据。输入装置可以是计算机可读介质101b,并且尤其是用于在/从数字可读介质上写和/或读数字图像数据的写/读装置。此外,通过接口101a,可以连接医学装置101c,例如包括X射线探测器和X射线源的X射线***,DSA装置、多普勒装置、压力导线、流量计、MR装置、CT装置、流量计、3D旋转血管造影术(RA)装置或注射装置。输入装置也可以使用通信网络101d或通过通信网络101d连接的装置。通过接口101a,向成像设备100中输送输入数据。
CT装置,3D RA装置基本提供几何数据。
多普勒装置、压力线、电磁流量计、MR装置和注射装置基本提供边界数据。
X射线装置、MR装置和CT装置基本提供临床图像数据。
于是能够使用接口101a以临床血管造影照片数据、几何数据、边界数据和/或虚拟血管造影照片数据的形式提供输入数据。在另一范例中,如果不能以数字形式获得数据,可以将接口101a连接到扫描机,以对模拟血管造影照片数据数字化并提供数字扫描。
血管造影照片数据可以是标准图形格式的血管造影照片的数字图像表示。在另一范例中,血管造影照片数据也可以是表示造影剂通过管道***,尤其是通过血管***传播的不同流动阶段的数字图像序列。输入装置101连接到处理装置102并通过这一连接向处理装置102输送输入数据。
边界数据可以包括关于注射曲线的信息,诸如注射速率随时间的变化以及导管的特性、血管阻力、输入流量、输出流量、多个出口,例如N个出口处的输出流量、输入压力、输出压力、输入速度、输出速度以及上游血管压力和下游血管压力。可以通过将输入装置的输出转换成边界条件来间接推导边界数据。例如,在没有注射曲线的情况下,可以从CA的平均流量计算注射曲线。
可以不提供注射曲线作为事先计算的输入数据,而是直接从对应的注射装置向输入装置101中提供原始输出数据,并且输入装置101利用原始数据计算对应的注射曲线。这样的配置可以提高模拟的可信任性,因为可以提供由注射装置读取的实际当前值。这些原始数据可以反映特定的实际患者状况。直接提供原始数据可以防止从临床血管造影照片数据或从患者群组提取注射曲线。
输入数据还可以包括表示管道***几何形状的几何数据,例如3D网孔模型或3D体积。可以通过网孔提取来生成3D数据。可以由与提供血管造影照片数据所经的接口101a不同的接口101a提供几何数据。在特定范例中,每个输入数据流都可以具有其自己的接口101a。
处理装置102还适于从接收的几何数据和/或边界数据生成流动模式。
可以在CFD(计算流体动力学)模拟期间生成流动模式数据。CFD模拟是一种可用于在Cath Lab中获得功能信息的工具。Cath Lab可以是导管***术实验室,可以是医院或诊所中的检查室,具有用于支持导管***术流程的诊断成像装置。可以利用CFD模拟生成的功能信息范例可以是流动的3D(三维)速度场,尤其是血流的3D速度场。功能信息的另一范例是时变管壁剪切应力函数。
CFD可以使用混合流体的入口速度、入口造影剂浓度和/或多个出口的压力作为边界条件。对于CFD模拟结果的证实,即对于CFD证实,模拟团剂注射,并从CFD结果生成人工血管造影照片、虚拟血管造影照片或虚拟血管造影照片数据。
为了进行模拟,选择团剂注射的注射设置,尤其与用于从患者血管***采集对应临床血管造影照片、临床血管造影照片数据或真实血管造影照片的注射设置相同。如果两种血管造影照片,即虚拟血管造影照片和临床血管造影照片基本对应,可以将这一事实用作CFD结果正确的证据。具体而言,可以确定临床血管造影照片和虚拟血管造影照片之间的对应程度,以便提供模拟结果正确程度或水平的定量度量或质量度量。
于是,可以提供用于CFD模拟的定量验证方法。使用模拟可以防止直接接触患者。该方法或装置可以用于任何管道***,尤其是可以将其用于人模装置,其中,人模可以是患者血管***的硅酮表示。建议的成像设备或血管造影照片分析设备可以用于任何成像输入数据。可以离线或实时地使用输入数据的处理和分析。分析设备的输出可以使外科医生能够决定要采取的动作过程。这种支持使得外科医生能够自由决定要执行的处理。
从CFD模拟,可以直接提取或从其导出生理信息。生理信息可以是血流或其他流动,或在另一范例中是时变管壁剪切应力的3D速度场。提供这样的生理信息或量可以允许医生或外科医生丰富其当前的诊断信息集合并将其处理决策或结果控制基于其上。换言之,执行CFD模拟可以允许生成关于血液动力学效果的信息,可以提供这种信息,作为二维或三维血管造影照片提供的信息之补充。
例如,不能从标准血管造影照片进行的管壁剪切应力可以提供动脉瘤破裂风险的指示。在另一范例中,流体的驻留时间,尤其是血液在动脉瘤中的驻留时间可以表明动脉瘤展伸之后血液凝固发生的可能性有多大。可能无法从标准的2D血管造影照片或3D血管造影照片研究管壁剪切应力和/或血液驻留时间,然而,可以由CFD模拟提供。
CFD模拟能够使用几何数据作为输入数据以将模拟基于其上。几何数据可以包括与特定患者的血管***特定几何形状相关的数据。输入数据,尤其是几何数据和/或边界数据还能够提供压力,例如,血压或流体压力。
CFD结果或CFD模拟结果可能取决于血管分割的质量或其他几何数据。血管分割可以表示对患者血管***或管道***的建模。血管***或血管分割的模型可以包括网孔化步骤或网孔化模型的重建。可以利用3D高斯平滑滤波器对现有网孔模型进行平滑化。于是,可以重建感兴趣血管的3D模型。对于这一重建步骤,输入装置可以包括重建装置。可以在血管分割步骤中生成血管***的3D模型。
CFD模拟也可以对采取的输入流量敏感。换言之,应当精确地对输入流量,例如注射装置生成的输入流量进行建模。通过选择输入流的参数,例如输入流量、输出流量、对应的流动压力,或通过提供注射曲线,针对CFD模拟对输入流建模。注射曲线可以是阶梯函数,或者在更复杂的情况下,是smoth函数,考虑到注射装置的物理参数,包括导管的膨胀系数。可以利用导管特有的传递函数考虑物理参数。选择的输入流模型可能影响到CFD模拟的精确度。
在范例中,可以通过输入接口101a之一提供患者特异性几何数据,以便提高CFD模拟定量检验的精确度。此外,直接从患者而不是从患者群组获取输入流还可以提高结果的精确度。可以提供流动模型作为边界数据。
在另一范例中,为了防止直接与患者接触,可以使用患者的特定几何性质,例如患者血管***的几何性质,然而,可以从相同性别和年龄的患者群组获取输入流。
CFD模拟结果的质量相对于表示实际状况的精确度可能有所变化。医生可能能够生成CFD模拟结果,但不能评估CFD模拟结果的质量。然而,为了给出关于模拟结果质量的反馈,可以从CFD模拟提取,或者可以从其导出量、定量度量或量化值,以给出关于CFD结果可靠性的反馈。具体而言,可以为至少一部分成像数据或一部分血管***提供模拟可用性的质量。闭环***也可以使用这样的量化度量,以便确定是否可能需要具有其他边界条件的其他模拟,以提高模拟结果的精确度。于是,可以提供要研究的血管***预定区域或部分处模拟结果的质量度量。
在另一范例中,用户可以使用来自分析设备的反馈,以便改变输入数据或输入参数。于是,可以提供CFD模拟的验证。可以使用CFD模拟的结果生成虚拟血管造影或虚拟血管造影照片数据。CFD模拟可以使用来自团剂注射的输入参数模拟团剂注射并生成作为CFD模拟结果的功能信息。CFD模拟的结果也可以用于处理装置101中,用于生成虚拟血管造影照片数据。换言之,CFD模拟提供流动模式数据作为输出,该流动模式数据可用于生成虚拟或人为血管造影照片,以便利用临床血管造影照片检验它。模拟的团剂注射使用基本相同的设置,使用该设置从特定患者的病理采集临床血管造影照片。为模拟团剂注射而选择的参数应当尽可能地匹配用于实际团剂注射的参数。
于是,处理装置102可以有两个血管造影照片可用,即虚拟和临床血管造影照片,并且能够在这些血管造影照片彼此如何匹配上比较质量。如果两个血管造影照片,即临床血管造影照片和虚拟血管造影照片基本对应,可以假定CFD结果基本正确或在一定定量程度上正确。可以提供可信任程度作为定量值或定量度量。这样的单个值或这样选择适当的值可以是结果的比较容易起来。
可以由接口101a之一提供临床血管造影照片数据。在范例中,输入装置101还可以通过评估由临床测量装置101c直接输送的原始数据来生成临床血管造影照片,临床测量装置101c例如是X射线***或X射线装置、CT(计算机断层摄影)装置、DSA(数字减影血管造影术)装置或MRI(磁共振图像)***。
提供针对两种血管造影照片比较精确度或可信任性的定量度量可以防止目测检查,从而可以为用户提高模拟结果的可用性。对于目测检查,仅可以检查团剂传播期间造影剂(CA)的到达时间。对于动脉瘤,可以计算驻留时间图。
于是,定量度量可以防止主观目测检查上的诊断,它可以防止CFD的有限可用性,因为CFD仅可用于特定特征和/或它可以允许为复杂流动模式使用CFD结果。
输出装置103适于提供质量度量,其指示临床血管造影照片数据和从CFD模拟结果生成的虚拟血管造影照片数据对应或匹配的质量。可以在预定多个特征位置处提供这种质量度量。该位置可以是血管***几何形状中的位置。可以由设置装置(图1中未示出)设置特征位置,设置装置为输入装置101提供人机接口。可以由用户进行或由处理装置102自动确定预定位置的设置。由于血管造影照片数据可以是数字图像的时间序列,所以血管造影照片可以具有空间域和时间域。因此特征位置可以是由坐标和/或时间点标识的预定位置内部的位置。可以由输出接口103a向不同的表示装置提供输出装置103生成的输出。可以选择不同的显示模式。表示装置可以是计算机终端或计算机屏幕103c、计算机可读介质103b或在通信网络103d中。
用于标识血管造影照片中的位置作为特征位置的标准可以是自动确定标准,例如自动模式识别标准。这样的标准可以存储在数据库中,给出标识模式和特征位置之间的链接。这样的标准可以基于血管的几何形状。用于标识特征位置的标准可以是找到属于导管后位置、导管尖端位置、病变位置、分叉点之前位置、动脉瘤位置、狭窄症位置和流出位置的模式或标准。特征位置可以是3D几何形状中的3D体积或2D几何形状中的2D结构。2D几何形状,例如2D血管造影照片,可以是3D结构到平面的投影。
换言之,基于自动模式识别获得的几何数据,可以在血管造影照片中识别典型的特征位置并且可以提供针对这些位置的质量度量。用户能够利用连接到处理装置102或输出装置103的输入装置手工设置特征位置或修改自动探测到的特征位置。特征位置可以由处理装置102和/或输出装置103探测。
于是,图像分析设备100或血管造影照片分析设备100和对应的方法可以允许基于虚拟血管造影术进行***的自动和定量CFD验证。可以使用临床血管造影照片与虚拟血管造影照片对应关系的不同定量度量。换言之,定量度量可以是为确定临床血管造影照片与虚拟血管造影照片的匹配程度提供定量值或定义值集的任何度量。这样的布置可以允许通过单个代表值或一组值评估CFD模拟结果的质量。
对应关系的定量度量的范例可以是时域度量,例如截面时间强度曲线(TIC)的L2范数,截面TIC的L∞范数,流线TIC的L2范数和流线TIC的L∞范数,感兴趣区域(ROI)TIC的L2范数,ROI TIC的L∞范数,增大侧翼的陡峭度、脉动程度和时间距离。测量时间距离可以包括验证虚拟血管造影照片图像的时间序列和临床血管造影照片图像的时间序列基本是同步的。空间域度量可以是旋涡轴、涡流转速、迎流束长度、迎流束角度、迎流束速度、隔室之间的造影剂交换以及局部传递函数。
可以提供针对血管***每个部分的可靠性的色彩编码的程度,作为仅提供值或仅提供定量度量的替代或补充。
可以在每个特征位置提取这些定量度量。可以在计算方法针对给定血管几何形状自动定义的特征位置提取这些定量度量。特征位置是从包括导管后的位置、导管尖端位置、分叉点后位置、分叉点前位置、动脉瘤位置、狭窄症位置或另一病变位置的位置组中选择的至少一个位置。于是,可以针对每个特征位置或针对每个位置生成一组参数。利用特征位置或预定义位置可以减小生成定量度量的计算负荷。
可以在比较血管造影照片数据期间,由用户使用输入装置(图1中未示出)设置或由处理装置102自动定义特征位置。换言之,可以由针对给定血管几何形状的比较方法定义特征位置。如果在血管造影照片中探测到特定模式的血管几何形状,处理装置可以将这一位置标记为特征位置。用户可以提供应当确定为特征位置的血管几何形状或血管几何形状的一部分作为输入参数。可以从数据库实现针对血管几何结构,特别是对应模式的这种特征位置的列表。
决定特征位置的特征血管几何形状可以是基本在导管后方的位置。在导管后方可以与流体的流向相关,可以在流体中嵌入导管或可以由导管注射流体。
另一特征位置是导管尖端或基本在导管尖端附近的区域。特征位置的其他范例可以是分叉点前方,其中,前方涉及流体的流向,或在动脉瘤处,在狭窄症处或任何其他特征病变处,其中,术语“在……处”表示基本在对应位置附近。可以分配给特征位置的区域可能取决于识别特征位置的血管造影照片数据的分辨率。
处理装置102可以适于根据当前可以检查的位置的血管***中的特征位置选择适当的度量。换言之,处理装置可以适于自动在与血管造影照片对应和/或与CFD模拟对应的血管几何形状中确定特征位置。可以利用不同的标准对特征位置分类。于是,可以确定特征位置的类型。根据识别的类型,处理装置102可以选择适于对应于特征位置的定量度量。如果在范例中将特征位置的类型分类为动脉瘤位置,感兴趣区域,尤其是感兴趣区域时间强度曲线可以是用于适当定量度量的依据。对于被识别为位于分叉点前方的特征位置,流线TIC可以是适当的定量度量。可以在数据库或数据库装置中提供包括所识别血管几何结构类型或特征位置类型分配到适当定量度量的情况的列表。处理装置能够访问这样的数据库以查询对于识别的特征位置类型适当的度量。(图1中未示出这样的数据库)。然而,用户可以在线或离线地修改数据库中的分配,以防止限制到从特征位置到定量度量的预定义分配。
图2示出了根据本发明示范性实施例的几何结构,其具有定量度量204、213、223、227和色彩编码度量的集合。对应CFD模拟中的模拟结果(图2中未示出CFD模拟的结果)的质量被表示为多个特征位置处适当定量质量度量的集合或列表204、213、223、227。输出装置103可以通过接口103a向不同的表示装置提供这样的质量表示。表示装置可以是计算机可读介质103b、计算机或计算机屏幕103c。计算机屏幕103c上的显示或表达以定量方式示出了虚拟血管造影照片和临床血管造影照片的比较结果。也可以通过通信网络103d向适当的装置提供定量表达。
图2示出了血管***201一段几何形状的二维表示,可以从几何数据导出该表示。作为图2中所示二维表示的替代表示,可以使用3D网孔、分割结果或血管造影照片中或DSA的表面。该表示可以使得取向容易。来自输出装置103的输出显示还示出了与血管***几何形状201或血管***201的四个特征位置相关联的量化值的四个列表204、213、222、227。可以提供单个值的列表作为替代。以表格204、213、222、227的形式提供定量度量列表。处理装置102可以根据预定义的标准或规则自动生成表格204、213、222、227的内容。表格包括位置的名称,尤其是所识别特征位置的类型。此外,该表格包括假定为对于所识别特征位置类型适当的定量度量和百分值对应定量度量的标准。
将囊形式的动脉瘤202识别为血管***201中的第一特征位置。由处理装置101探测动脉瘤202的血管几何形状并在对应的定量度量表格204中输入,作为“动脉瘤处”203类型的特征位置,以对探测的特征位置分类。处理装置101还可以识别,对于评估动脉瘤202处CFD模拟结果质量的适当定量度量可以是ROI TIC。此外,驻留时间和旋涡轴被识别为额外的适当定量度量,在检查血管结构201时这可能使用户感兴趣。于是,为“动脉瘤处”的特征位置提供了三个定量度量,即ROI TIC 205、驻留时间206和旋涡轴207。单个定量ROI TIC度量205是动脉瘤内部所有识别的ROI TIC或块的代表值。在图2的范例中,值36.1%是6个ROI TIC的定量表达。在标准列230或定量值列230中,提供选定定量值的名称,在值列208中,提供定量质量度量的对应精确度值。
处理装置102识别出,在动脉瘤处生成质量度量可能需要分析感兴趣区域,图2中将其示为包括正方形块的网格209的阴影块。或者,ROI可以包括圆或其他结构,其匹配病变或动脉瘤的形式。
处理装置确定适当的测试,例如截面TIC测试、流线TIC测试和ROITIC测试。
为了进行适于检查动脉瘤的ROI测试,将动脉瘤位置的每个血管造影照片分成基本相同的网格209。这种网格允许比较临床血管造影照片和虚拟血管造影照片中对应的TIC并确定单个值作为该比较结果的度量。这种比较可以包括从比较两个血管造影照片计算的单个值,或者包括在每个血管造影照片中计算单个值并比较单个值。例如,为了确定L2范数,计算临床血管造影照片的TIC和虚拟血管造影照片的TIC之间的差异,从这种差异,确定单个值或度量。在比较旋涡轴的情况下,在两个血管造影照片的每个中计算旋涡轴,提供两个值的差异作为单个定量值,例如差异角度。
单个定量值可以指示虚拟血管造影照片与临床血管造影照片匹配如何的质量度量。质量度量值208被转换成误差概率值。将误差概率值映射到色彩方案,用于在适当地方填充血管结构。单个色彩代码可以表示特征位置的度量表格。计算除特征位置之外,血管几何形状201内部多个位置的概率值能够利用色彩编码的误差概率填充血管结构201。对于所提供的CFD模拟结果值,例如计算的流动模式(图2中未示出CFD结果),对应特征位置210处的填充色彩可能取决于误差概率208。于是,可以识别在时间和空间上CFD模拟的可信任部分。换言之,在图2的范例中,ROI TIC值示出,对于在对应特征位置的CFD模拟结果,误差概率为36.1%。
驻留时间指示在相同特征位置的CFD模拟结果具有22.8%的误差概率,即77.2%(1-误差)的可信任度,这一位置的涡流访问值提供了27.9%的误差概率。
将这些误差概率值208转换成单个代表值,将其映射成用于接近50%的误差概率的色彩210。利用这种色彩210填充动脉瘤202周围的血管结构。误差概率的显示可以包括显示选定度量的列表和/或显示代表所选度量列表的单个值。可以通过对列表个体值加权,通过从列表的值计算平均值或通过找到最小值或最大值来计算列表的这一代表值。可以通过内插计算特征位置周围或之间位置的值。
图2中的另一特征位置可以是分叉212之前的位置。再次向适当表格213中输入针对“分叉之前”的特征位置的定量度量结果。在这个表格213的第一列中,提供“分叉之前”的特征位置214,在标准列215中,提供针对“分叉之前”位置的适当定量度量。在这种情况下,三个适当值是团剂到达216、脉动性217和侧翼陡峭度218,分别反映了23.2%、30.0%和28.5%的针对对应CFD模拟结果的误差概率。
处理装置102还确定,为了检查“分叉之前”的特征位置,检查流线TIC 219会是良好的测试。将针对血管***201之内特定位置识别的误差概率映射到表示“分叉之前”位置处误差概率的对应色彩220。色彩方案240的颗粒度可以事先定义并在图例240中示出。
图2中示出的另一定量度量表格222是“导管尖端”的特征位置223处的定量度量表格。识别的适当测试是截面TIC 233,适当的定量度量是TIC最大值224、脉动性225和侧翼陡峭度226,在图2的这一具体范例中其分别对应于误差概率值14.2%、10.1%和12.2%。将色彩230分配给从该组度量的3个概率生成的这个特征位置概率。
在“导管后方”位置228处的定量度量表格227中表示图2中所示的另一特征位置。对于这一位置228的适当标准或定量度量是回流229,在图2的特定情况下,假设基本不考虑回流,确定回流作为误差值0。于是,在检查结构201时,将针对CFD模拟确定的回流的值用作可信任值。以适当色彩231对误差值编码,表示大约0%的误差。对于导管尖端后方的特征位置228,处理装置102确定截面TIC是适当的测试。
换言之,在使用特定模拟模型时,假设基本不存在回流。然而,如果临床血管造影照片示出了回流超过特定阈值,可以取消模拟结果,因为临床血管造影照片和虚拟血管造影照片是不同的。在可以模拟回流的情况下,可以使用导管后方的位置作为特征位置。
使用不同的误差概率值能够识别“可靠CFD区域”232。将包括介于0%和30%之间或介于10%和30%之间范围中的误差值的区域确定为可靠CFD区域232。
于是,作为比较方法的结果,可以为CFD结果提供置信度量、质量度量、百分比值或误差值,并可以提供CFD的可信任部分232,例如可靠CFD区域232。可以在时间域和空间域中提供CFD的这一可信任部分232。此外,可以提供包括被检查位置203、214、223、227的血管***201的图像,为比较使用的定量度量205、206、207、216、217、218、224、225、226、229以及所得数字,例如百分比值。可以用色彩对所得可靠性值编码,表示针对血管***201图像每个部分的可靠性程度210、220、221、230、231,例如误差概率。使用的色彩编码的颗粒度可以取决于可用的计算能力。提供的值越多,计算负荷越高。可以向用户提供置信度量,特别是定量度量表格204、213、222、227作为反馈。对于临床血管造影照片和虚拟血管造影照片分歧的情况,也可以向用户提供针对CFD模拟的不精确性的可能误差源作为反馈。可能误差源的这种指示可以允许利用不同输入参数执行新模拟,以便在预定义特征位置提高模拟结果的可靠性。
如果质量度量不匹配预定义的质量度量或可接受质量度量的范围,也可以由处理装置102或输出装置103使用反馈生成另外的流动模式。
在图2的范例中,模拟结果的误差概率可能随着从动脉瘤202到导管211方向的梯度减小。换言之,对于图2中的特定范例,沿着从动脉瘤202到导管211的方向,可靠性增大。
在CFD方法中,可以使用入口处随时间变化的流体,例如血流的流动作为输入数据。此外,输入数据可以是N-1个出口处的液体流量。可以用ml/s或cc/s为单位测量流量。N是出口的数量。如果有的话,额外的输入数据可以是入口和N个出口处时变的压力(以N/m2为单位测量),时变的注射速率(以ml/s或cc/s为单位测量),输入速度(以m/s为单位测量),以及如果有的话,上游血管阻力和下游血管阻力(以Ohm为单位测量)。输入速度可能在血管截面上变化。这些输入数据可以被视为边界数据。
于是,根据本发明的一方面,输入数据包括从几何数据组中选择的至少一个几何数据和/或从边界数据组中选择的边界数据,几何数据组包括血管***几何形状、与临床血管造影照片数据对应的几何数据、血管***的2D模型和3D网孔模型,边界数据组包括注射速率、时变的注射速率、输入流量、输出流量、血流量、血管阻力、输入压力、输出压力、输入速度、输出速度、截面上的速度、上游血管压力和下游血管压力。
可以通过输入接口101a向输入装置101提供这些输入数据。这些输入数据或者直接作为原始数据或者作为模型数据被预处理,它们被传递到处理装置102,处理装置适于执行CFD模拟。换言之,可以将所需的输入数据作为原始数据来接收,或者使用原始数据来计算所需的输入数据。可以由计算机可读介质上存储的程序单元控制和/或调节处理器上的执行。CFD模拟可以使用混合模型来计算注射曲线并能够使用流动模型计算入口处的总体流量。两个模型都使用一组输入数据或一组输入值,其可以表示多个输入数据的预定义选择。于是,输入装置101可以直接从输入装置101的部件101b、101c、101d接收原始输入数据。输入装置101可以适于从输入装置的部件101b、101c、101d提取输入数据,尤其是边界数据。基本无需任何预处理,可以将这些原始输入数据直接传递到处理装置102,其基于原始数据计算模拟结果或流动模式数据。为了将原始输入数据转换成足以生成流动模式数据的输入参数,处理装置可以使用混合模型和/或流动模型。流动模型允许通过对探测的血流量和加权CA流量求和来计算总体流量。混合模型允许通过将CA流量除以总体流量计算CA浓度。作为混合和/或流动模型的替代,可以使用任何其他模型,其允许将原始输入数据转换成适当的输入数据进行模拟。
在另一范例中,输入装置可以仅从输入装置101提取输入数据的选集作为原始数据。由处理装置102从提供的输入数据计算生成流动模式缺失的输入数据和/或缺失的输入数据基于诸如群组数据的假设。
换言之,输入装置可以适于执行从预处理方法组中选择的至少一种预处理方法,该预处理方法组包括如下方法:直接从输入装置101、101a、101b、101c、101d提取边界数据,向处理装置102转发原始输入数据,将原始输入数据转换成用于处理装置102的适合的输入数据,基于假设计算用于处理装置102的输入数据,以及将原始输入数据和基于假设的输入数据,即其组合,转换成用于处理装置102的适合的输入数据。基于假设计算输入数据也可以包括转发假设。于是,可以使用基本所有形式的输入数据或输入数据组合,输入装置可以转换输入数据,使得输入数据对于处理装置(102)而言是足够的。处理装置102可以适于从输入装置101、101a、101b、101c、101d提供的输入数据并从采取的输入数据生成流动模式数据。在另一个范例中,处理装置102可以适于从作为预处理方法结果而提供的任何数据生成流动模式数据。
注射曲线是注射点处时变的CA浓度,即TIC。为了计算入口处的总体流量,CFD模拟能够使用流动模型。换言之,模拟可以包括基于混合模型计算注射曲线以及基于流动模型计算入口处的总体流量。
于是,注射曲线是计算的曲线,尤其不是从临床血管造影照片提取的曲线。此外,输入流量也可以基于模型或实测数据,基本不是从患者群组获取的。可以由多普勒装置计算输入流量。计算注射曲线可以防止用于CFD模拟的冲突输入假设或冲突边界条件,因为注射曲线取决于患者特定的输入流量,通常可以基本不是独立参数。换言之,注射曲线取决于输入数据,可以防止从同一性别和年龄的患者群组而非从要研究的特定患者获取输入流量。
在CFD模拟之后,即在提供CFD模拟结果时,处理装置生成虚拟血管造影照片,用于临床血管造影照片的成像几何性质。成像几何性质描述可以生成临床血管造影照片的输入装置101、101b、101c、101d的条件。成像几何性质包括从X射线设置、焦点、投影角、图像段、管电流、管电压、探测器像素尺寸和探测器噪声选择的至少一条输入数据。除了几何数据和/或边界数据之外,还可以向输入装置101提供成像几何性质。于是,在尽可能符合临床血管造影照片成像几何性质的条件下生成虚拟血管造影照片,以便在虚拟血管造影照片和临床血管造影照片之间进行良好的比较。成像几何性质可以考虑,例如对于虚拟血管造影照片和临床血管造影照片基本相同的投影角以及对于虚拟血管造影照片和临床血管造影照片基本相同的图像段201。换言之,将用于生成的血管***201的几何信息与作为临床血管造影照片依据的血管***比较。
为了测试范例中成像几何性质的正确性,可以针对两种血管造影照片都进行血管分割。血管分割生成临床血管造影照片的血管轮廓和虚拟血管造影照片的血管轮廓。虚拟血管造影照片的血管轮廓可以叠加临床血管造影照片的血管轮廓。如果两种血管造影照片之间的血管轮廓出现偏差,可以警告用户,用户可能选择了错误的成像几何性质进行虚拟血管造影术。输出装置193能够向用户提供这样的警告作为反馈。利用这种反馈,用户能够校正作为CFD模拟以及从虚拟血管造影照片进行血管分割依据的输入数据。可以用概率百分比或两种轮廓匹配程度提供警告。
在另一范例中,可以由闭环构造的处理装置或由调节电路进行成像几何性质的选择。这样的构造可以允许自动校正***,基本无需来自可能不是医学专家的用户的任何交互。
假设理想条件,由于成像几何性质基本相同,虚拟和临床血管造影照片对于空间和时间中的每个点应当基本相同。在真实环境中,可能希望尽可能近地满足这些理想条件。
于是,在真实环境中,可以提供可靠性值或误差值,这是用于虚拟血管造影照片与临床血管造影照片匹配程度如何的指示。
在范例中,不仅在单个时点,而且针对不同时间点,针对位置执行这种匹配。血管造影照片可以是取决于时间的图像序列。于是,在每个时间步骤,都可以比较虚拟血管造影照片和临床血管造影照片中的多个位置。于是,并非仅能够提供基于位置的质量度量。此外,可以提供取决于时间的质量度量。可以针对所有提出的质量度量或定量度量,例如L2和L∞执行这样的时域测试。于是,可以提供取决于时间和/或位置的质量度量。可以针对任何质量度量建议时域测试,以便确定虚拟血管造影照片和临床血管造影照片在一定时间内的相似水平。多个不同时间点可以提供可与特征位置相比的多个参考点。在范例中,虚拟血管造影照片中空间和/或时间中越多参考点匹配临床血管造影照片,虚拟血管造影照片就越匹配临床血管造影照片。于是,与空间域测试相比,不可以忽略时间域的测试。
因此,可以从测试组中选择的至少一个测试导出质量度量,测试组包括如下测试:比较来自临床图像数据和虚拟图像数据的截面时间强度曲线(TIC),比较来自临床图像数据和虚拟图像数据的区域TIC,即来自临床图像数据和虚拟图像数据的感兴趣区域时间强度曲线(ROI TIC),以及比较来自临床图像数据和虚拟流线TIC。这些测试可以考虑时间和/或空间,从而可以输送时间域度量和/或空间域度量。作为基于TIC的测试的补充或替代,可以使用涡流测试或迎流束测试。涡流测试可以包括比较临床血管造影照片和虚拟血管造影照片的旋涡轴。迎流束测试可以比较流入长度和/或流入速度。此外,可以使用针对流入的最大强度图像比较流入长度。
在真实环境中,质量度量可能取决于时间,在造影剂的流出阶段可能发生时间偏差。换言之,在时间增加时,质量度量和匹配质量可能减小。在空间域中,对于对应检查在预定义时间点的空间域或位置域可能基本仅仅是要测试的血管特征位置。多个特征位置在空间上彼此分开。于是,可以通过选择特征位置减少多个特征位置的数量。这样的选择能够减小计算负荷。可以从血管造影照片中多个位置选择的特征位置范例可以是导管后方的位置、导管前方的位置、每个分叉和病变前或后的位置,例如动脉瘤位置或狭窄症位置。可以通过自动血管拓扑分析来自动确定特征位置。例如,可以在血管造影照片中使用模式检测规则以便识别特征位置。这些模式检测规则可以考虑血管造影照片中动脉瘤和/或狭窄症的典型形状。
在下文中,更详细地描述一些特征位置。
特征位置的一个范例是导管后方的位置。图3示出了根据本发明示范性实施例相对于导管位置的“导管后方”特征位置。在CFD模拟中,从注射点向下到毛细血管床模拟团剂传播。毛细血管床是包括图3中未示出的多个分叉的区域。图3中的向下或流体流动方向由箭头300示出,表示管道301或血管***201的血管301中液体流动方向。注射点302是导管211末端的区域。由于CFD模拟从注射点302沿到达毛细血管床的方向的传播,所以在CFD模拟中基本可以不并入造影剂的上游传播,即在与下游300相反方向上的传播。如果在CFD模拟中并入回流,可以在特征位置303确定回流。在使用混合模型时可以不考虑回流,因为回流可能使沿下游方向流动的造影剂的量难以预测。然而,除混合模型之外的CFD模拟其他模型可以考虑回流303。
在临床血管造影照片中,可以通过执行自动导管检测并基本直接在检测到的导管201后方提取截面ITC 303来检查或推导回流303。回流处于与导管211的方向300相反方向。在回流位置303和注射位置304处示出了图3中的截面TIC。由同样阴影的矩形结构303、304表示图中的截面TIC303、304的提取点,表示在对应特征位置处血管301截面上的平均效应。于是,可以提供截面TIC的单个值。
对于回流而言,截面TIC 303输送高于零的值或由其构成。然而,根据本发明的图像分析设备通知用户回流位置303处的对应CFD模拟无效。通过将回流的质量度量设置为零(即使其显然高于零),表示结果的这种无效性,如图2的回流度量表格227所示。作为使这种误差源最小化的方案,分析设备可以建议减小临床血管造影照片的注射速率,这样减小注射速率可以基本防止回流。
血管造影照片中特征位置的另一范例可以是“导管尖端处”的特征位置。在分析完“导管后方的”位置303之后,可以研究“导管尖端处”的位置304。如果每个血管造影照片中使用的注射曲线不同,两个值,即虚拟血管造影照片和临床血管造影照片中造影剂(CA)分布的值在“导管尖端处”位置304可能不同。可以在“导管尖端处”位置304,针对两个血管造影照片检查或比较造影剂注射的身份。简单情况下的注射曲线可以是阶梯函数,在更复杂情况下,可以有任何其他形状。于是,如果为两个血管造影照片都使用不同的注射曲线,尽管CFD计算正确的造影剂传播,在位于血管树向下方向中的后继位置处,造影剂分布仍可能不同。可能出现差异是因为导管的尖端在血管301之内可能运动,从而使得难以确定注射造影剂的实际位置。
于是,为了检查CA分布的身份,并非在基本精确的尖端位置,而是可以在两个血管造影照片中提取导管尖端处的截面TIC 304。在虚拟血管造影照片和临床血管造影照片中都可以以高精确度预测这种截面TIC 304的位置。可以比较虚拟血管造影照片中的截面TIC 304和临床血管造影照片中的对应截面ITC。采用截面TIC取代区域TIC允许采用平均效应,并可以为造影剂应用提供良好的可预测位置。在注射期间导管211可能随机运动,从而可能导致流线化。换言之,流线化可能导致对比度不相等的不同层流层。使用截面TIC可以防止在CFD中模拟随机运动的注射导管尖端。
由于存在扩散效应,在下游方向上距当时在“导管尖端处”的导管更大距离上的流线化可能对模拟结果没有这样严重的影响,因为流线化效果在导管尖端处的注射位置结束。
在范例中,用于在导管尖端比较临床血管造影照片中截面TIC 304和虚拟血管造影照片中截面TIC 304的适当的质量度量的范例可以是L2范数或L∞。L2范数和/或L∞范数可能是适于比较两条曲线的质量度量。适于比较两条曲线的任何其他质量度量也可以用作“导管尖端处”特征位置的适当的质量度量。
处理装置102可以确定临床血管造影照片和虚拟血管造影照片的注射曲线304分歧超过可指定的误差容限。在这样的情况下,可以拒绝虚拟血管造影照片,或者处理装置102为这种不精确性指出可能的误差源。可以选择可指定的误差容限,使得在接近注射点304的位置指定的误差容限比位于沿下游方向300距注射点304更大距离的后续点或位置更严格。基本所有数值或其他CFD不精确性都可能沿着血管301累积,从而使得对在下游方向上更远的误差容限的要求不如接近注射点的误差容限严格。
用于CFD模拟和注射曲线计算的混合模型可以使用从参数组中选择的至少一个参数作为输入参数,参数组包括时变注射速率、入口处的流量或血流量以及血管阻力。混合模型的这些输入参数中的至少一个可能导致TIC偏差。如果探测到虚拟血管造影照片和临床血管造影照片之间有不同的截面TIC,可以使用输入参数对偏差影响的这种信息。在探测到不同截面TIC的情况下,成像分析设备100或分析***100能够建议用户检查这些输入参数中的至少一个或输入数据。利用这种信息,允许***通过检测两种血管造影照片中的差异向用户提供可能误差源的提示。
可以由***使用排除方案来识别不精确的输入。可以由处理装置102执行排除方案或排除方法的步骤,以便在有TIC偏差的情况下识别不精确的输入数据。
排除方法包括检测两个TIC的最大值是否不同的步骤。在基本仅有两个TIC的最大值以高可靠性不同时,可以得到结论,即造影剂量的假设不正确。
在另一范例中,排除方法包括检测TIC侧翼陡峭度的步骤。如果虚拟血管造影照片和临床血管造影照片之间TIC侧翼陡峭度不同,作为可能误差源,处理装置102可以提供指示,表明注射曲线形状可能不正确的概率很高。
在另一范例中,排除方法包括确定脉动不精确程度的步骤。如果确定脉动程度不精确,则能够以高的概率将错误的血流量假设和/或错误的阻力值假设识别为可能误差源。血管阻力和/或采取的血流量可以决定造影剂和血液之间的混合因数。
如果将时变的注射速率识别为可能误差源或仅有的误差源,就可以基本排除血流量和血管阻力是误差源,***100能够提议从图像数据自身提取注射曲线而不是从注射装置的参数提取。于是,用于对注射装置建模的参数被认为不可信任。在时变的注射速率不能被识别为基本唯一的误差源时,***可以不提议从图像数据自身提取注射曲线,因为对于后续的团剂传播可能做出错误假设,从而导致在距注射装置304更大距离的下游方向上的血管位置处发生分歧。
又一种特征位置可以是从注射装置304下游方向看时“分叉之前”的位置或分叉前方的位置。
在细长的血管结构中,可能将不精确的总体流量、血管截面上的扩散系数和/或速度分布图识别为CFD模拟的误差源。造影剂在血管中能够不受干扰地行进的距离越长,这些主要误差源可能变得越显著。这种物理效应使得紧密接近分叉前方的测试位置成为适当的特性测试位置。图4示出了根据本发明示范性实施例具有三个分叉401、402、403的血管***201的一段。图4还示出了七个“分叉前方”特征位置404、405、406、407、408、409、410。流线TIC 404、405、406、407、408、409、410可能是“分叉前方”位置的适当的质量度量。于是可以将流线TIC 404、405、406、407、408、409、410用作定量度量,用于比较分叉处特征位置附近的临床血管造影照片和虚拟血管造影照片。
流线TIC 404、405、406、407、408、409、410可以包括隔室411、412、413的多个TIC。在将血管截面分成隔室或块时获得隔室的这些TIC。在图4中在“分叉前方”位置404、405、406、407、408、410、409示出了包括三个隔室的TIC。例如,第二特征位置405处的流线TIC包括在流动方向看,左侧位置的第一隔室411、中间位置的第二隔室412和右侧位置的第三隔室413。中间位置412嵌入左隔室411和右隔室413中。中间TIC 412或中心TIC 412基本提供了关于对应血管中传播速度的信息。于是,可以将中心线TIC用作关于所采用总体流量的正确性的信息源。为了使用中心线作为总体流量的指示符,可以使用前沿侧翼的时间距离。前沿侧翼的时间距离可以是团剂到达的时间差,例如,测量其作为侧翼的摄取、前沿半个侧翼等。换言之,测量CA应用时间和检测中心线TIC中的前沿侧翼可以允许确定流体的传播速度和/或可以允许检验所采用总体流量的正确性。可以通过确定临床血管造影照片和虚拟血管造影照片中的团剂到达时间来确定时间距离。如果两个血管造影照片中的团剂到达时间基本匹配,模拟的可靠性可能很高。
外侧流线TIC 411、413,即左TIC 411和右TIC 413,能够提供关于扩散系数和截面速度分布图的信息。为了比较临床血管造影照片和虚拟血管造影照片,可以使用前沿侧翼的陡峭度以及脉动程度。高扩散或截面速度分布图的高差异可能导致脉动性和平坦增大的侧翼。
将截面分成多个隔室可以提供更高颗粒度的质量度量。每个隔室或块可以为对应的流线提供个体质量度量。然而,作为针对“分叉”特征位置404、405、406、407、408、409、410处的每条流线411、412、413的一般质量度量,可以使用L2和L∞范数或适于比较两条曲线的任何其他质量度量。如果分叉前方的位置检查失败,只要未检测到任何其他病变,就将上一分叉之前的CFD模拟结果标记为可信赖的。换言之,如果将两个特征位置识别为“分叉前方”的特征位置,例如图4中的位置404和405,并且如果一个特征位置,例如405处的位置在临床血管造影照片数据和虚拟血管造影照片数据之间表现出高的差异,则仅将第一个“分叉前方”特征位置404前方的CFD结果标记为可信赖的,而将404和405之间的区域标记为不可靠的。可以向用户提供虚拟和临床血管造影照片差异的最可能理由的信息,作为可能误差源的指示。可能误差源的范例可以是错误的流量比,即进入分叉一个分支中的流量部分可能基于错误的假设。
可以与被检查动脉瘤的流动模式类似的方式测试分叉的二次流动模式,例如紊流。为了检查动脉瘤,定义感兴趣区域(ROI)。然而,由于在研究血管的情况下,血管的截面可能非常小,在这样小的血管结构中定义感兴趣区域可能导致精细图案,基本仅能够利用噪声减少、空间分辨率高且物理尺度小的高质量探测器来使其可视化,以便拟合到小血管结构中。
图5示出了根据本发明示范性实施例“动脉瘤处”特征位置的感兴趣区域TIC提取。图5示出了动脉瘤中流动模式的测试。
在比管道或血管形状具有更不规则几何形状的血管结构中,可能存在着高度多样性的流动模式。由于有大量的可能流动模式,所以更精细的测试可以为这种不规则几何形状提供良好结果。为了提供基本不规则结构,例如动脉瘤的更详细分析,通过在结构上放置规则网格200将结构分成感兴趣区域(ROI)。在图5的范例中,动脉瘤501具有囊的形式。网格209覆盖动脉瘤的圆顶502以及动脉瘤的颈部503。
网格209包括多个网格块504。使用至少被动脉瘤501覆盖一半的每个网格块504提取感兴趣区域时间强度曲线(ROI TIC)。每个块都具有其自己的TIC和/或定量度量。例如,根据对应网格块处的扩散程度,每个块对应于不同的值或质量度量。由图5中不同颜色或阴影的网格表示这些不同的值。这些不同的定量值使得块和/或ROI可以比较。感兴趣区域TIC也可以称为块的TIC。网格分辨率或块尺寸可以取决于可用于确定临床血管造影照片的探测器的空间分辨率、探测器噪声和/或流线化程度。另一方面,网格分辨率也可以取决于流动模式的预期颗粒度。可以在处理装置102中确定流动模式的预期颗粒度和探测器的空间分辨率、探测器噪声和流线化程度。此外,块尺寸还取决于结构尺寸自身。例如,在探测诸如动脉瘤的结构尺度之后,选择网格分辨率的颗粒度,使得预定数量的块被结构覆盖。在图5的范例中,选择块尺寸,使得至少9个块覆盖动脉瘤圆顶502。于是,可以在圆顶502中识别9个ROI。其他块可以基本覆盖颈部503。选择网格的颗粒度可以是预期平均效应和流动模式的空间分辨率之间的折衷。可以使用平均效应来抑制干扰因子和/或抑制流动模式的空间分辨率。可以在像团剂到达时间、脉动程度、TIC的L2和/或L∞范数的定量质量方面,比较临床血管造影照片和虚拟血管造影照片中的对应ROI TIC。换言之,为了比较临床血管造影照片和虚拟血管造影照片中的对应ROI,计算定量值,其以定量匹配系数的形式表达脉动的概率。
此外,可以向动脉瘤应用结构特异性度量。结构特异性度量的这种应用能够包括提取旋涡轴、涡流的转速、造影剂的局部阻力时间、迎流束的长度、角度、迎流束的速度和/或隔室504,即ROI或块之间的造影剂交换和/或每个隔室504的局部传递函数。可以通过比较旋涡轴的角度来比较旋涡轴。可以由针对上文定义的隔室的每个的造影剂摄取和流出之间的时间差异来确定造影剂的局部驻留时间。可以通过与动脉瘤流入TIC解卷积来获得针对每个隔室的局部传递函数。由于通过独立于注射的函数的解卷积来计算针对每个隔室的局部传递函数,所以局部传递函数获得的度量可以基本独立于注射。换言之,可以通过将流入TIC与时间域中隔室的脉冲响应卷积来获得块的TIC。于是,在空间域中,将流入TIC乘以每个隔室的传递函数。这允许计算传递函数并将结果转换回时间域。
图6示出了另一特征位置,将其命名为“狭窄症处”601,位于选定的狭窄症处。对于狭窄症601,类似于动脉瘤501的ROI TIC,使用ROI TIC602。将ROI TIC 602用于定量比较模块,以比较临床血管造影照片数据和虚拟血管造影照片数据之间的匹配程度。可以选择ROI TIC 602,使得狭窄症601后方流向603上的区域基本被覆盖,用于比较临床血管造影照片和虚拟血管造影照片。狭窄症后方的位置可以是感兴趣区域,因为紊流基本发生在狭窄症后方。狭窄症使得血管截面变窄。
可以将成像分析设备100实现为CFD工作站。
图7示出了根据本发明示范性实施例用于分析图像的方法的流程图。该方法开始于空闲状态S700,在步骤S700中初始化之后,在步骤S701中,接收临床图像数据、边界数据和/或几何数据。在步骤S702中,从几何数据和/或边界数据生成流动模式数据。
在步骤S703中,从生成的流动模式数据,生成虚拟图像数据或虚拟血管造影照片数据。
在步骤S704中,在临床图像数据和虚拟图像数据中确定多个特征位置,并提供多个特征位置的每个处的质量度量。质量度量可以是单个定量度量或定量度量的列表,定量度量表示在每个特征位置处临床图像数据匹配虚拟图像数据的程度。于是,质量度量表示在多个特征位置的每个处临床血管造影照片数据和虚拟血管造影照片数据的对应质量。在范例中,处理装置102能够选择适当的位置和/或适当的定量度量。
可以在成像分析设备100内部使用定量度量,或者可以在任选的额外步骤S705中显示定量度量,例如,显示为色彩编码的度量。步骤S705还可以包括确定单个代表值208的列表的定量值。
在步骤S706中,该方法终止于空闲状态。尤其可以重复步骤S700-S706,以在多个特征位置的预定义特征位置处达到良好的质量度量。可以通过反复进行模拟并确定对应的质量度量来提高质量。如果可以提供针对利用不同输入参数的不同模拟的误差概率最小值,就可以实现良好的质量度量。
利用注射模型计算CFD模拟可以辅助医生并可以防止与患者身体直接交互作用。此外,可以采用本发明分析硅人模上的流动模式。本发明可以提供模拟结果的质量测量,可以将其用于物理结构模拟的所有技术领域中。
从采集的图像数据计算管道***中的流动模式。从流动模式,生成虚拟图像数据并与采集的数据比较,以便获得在特征位置生成的流动模式的可用性质量度量。
可以将术语血管造影照片数据用作不同类型图像数据的名称,尤其是对于图像数据的时间序列。血管造影照片数据可以是取决于时间的数据序列、图像序列和数字图像表达。
在权利要求中,“包括”一词不排除其他元件或步骤,不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以完成权利要求中列举的几个项目的功能。在互不相同的从属权利要求中列举特定手段的简单事实并不表示不能有利地使用这些手段的组合。
可以在适当的介质上存储和/或分布计算机程序,介质例如是与其他硬件一起供应或作为其他硬件一部分供应的光存储介质或固态介质,但也可以在其他形式中分布,例如通过互联网或其他有线或无线电信***。
Claims (15)
1.一种图像分析设备(100),包括:
输入装置(101、101a、101b、101c、101d);
处理装置(102);
输出装置(103);
其中,所述输入装置(101、101a、101b、101c、101d)适于接收如下形式的输入数据:
临床图像数据;
几何数据;以及
边界数据;
其中,所述处理装置(102)适于从所述几何数据以及从所述边界数据生成流动模式数据;
其中,所述处理装置(102)适于从所生成的流动模式数据生成虚拟图像数据;并且
其中,所述处理装置(102)适于在所述临床图像数据和所述虚拟图像数据中确定多个特征位置(202、303、404、601),用于比较所述临床图像数据和所述虚拟图像数据;
其中,所述输出装置(103)适于在所述多个特征位置(202、303、404、601)的每个处提供质量度量(204、213、222、227);
其中,所述质量度量(204、213、222、227)指示在所述多个特征位置(202、303、404、601)的每个处所述临床图像数据和所述虚拟图像数据的对应关系的质量。
2.根据权利要求1所述的成像分析设备(100),其中,所述输出装置(103)还适于提供从包括如下反馈的反馈组中选择的至少一个反馈:
建议取决于所述特征位置的适当的质量度量;
建议取决于所述特征位置的适当的质量度量组;以及
针对用于生成所述流动模式的输入数据的不精确性提供可能的源。
3.根据权利要求1所述的成像分析设备(100),其中,所述输出装置(103)还适于在所述质量度量不匹配预定义的质量度量时生成另一流动模式。
4.根据权利要求1所述的成像分析设备(100),其中,所述处理装置(101)还适于根据从包括如下确定准则的确定准则组中选择的预定义确定准则来确定所述多个特征位置(202、303、404、601)中的至少一个特征位置(202、303、404、601):
自动确定准则;
自动模式识别准则;
数据库中存储的准则;
基于血管几何形状的准则;
导管后方的位置;
导管尖端的位置;
病变处的位置;
分叉后方的位置;
分叉前方的位置;
动脉瘤处的位置;
狭窄症处的位置;以及
流出的位置。
5.根据权利要求1所述的成像分析设备(100),其中,所述几何数据和/或边界数据包括从包括如下数据的数据组中选择的至少一种数据:
血管***几何形状;
与所述临床图像数据对应的几何数据;
注射速率;
血管阻力;
输入流量;
输出流量;
多个出口处的输出流量;
输入压力;
输出压力;
输入速度;
输出速度;
截面上的速度;
上游血管压力;以及
下游血管压力。
6.根据权利要求1所述的成像分析设备(100),其中,所述质量度量(204、213、222、227)是从包括如下测试的测试组中选择的至少一个测试导出的:
比较来自所述临床图像数据和所述虚拟图像数据的截面时间强度曲线(304);
比较来自所述临床图像数据和所述虚拟图像数据的区域时间强度曲线(602);以及
比较来自所述临床图像数据和所述虚拟图像数据的流线时间强度曲线(404)。
7.根据权利要求1所述的成像分析设备(100),其中,所述质量度量是从包括如下质量度量的质量度量组中选择的至少一个质量度量(204、213、222、227):
针对虚拟血管造影照片数据和临床血管造影照片数据的对应关系的定量度量;
时间域度量;
针对所述流动模式数据的置信度量;
截面时间强度曲线的Lp范数;
截面时间强度曲线的L2范数;
截面时间强度曲线的L∞范数;
截面时间强度曲线的Lp范数;
流线时间强度曲线的L2范数;
流线时间强度曲线的L∞范数;
感兴趣区域时间强度曲线的Lp范数;
感兴趣区域时间强度曲线的L2范数;
感兴趣区域时间强度曲线的L∞范数;
增大侧翼的陡峭度;
脉动程度;
回流程度;
时间距离;
空间域度量;
旋涡轴;
涡流的转速;
迎流束的长度;
迎流束的角度;
迎流束的速度;
隔室之间的造影剂交换;
局部传递函数;以及
针对所述虚拟血管造影照片数据和所述临床血管造影照片数据的对应关系的色彩编码度量(240)。
8.根据权利要求1所述的成像分析设备,其中,所述输出装置适于以从包括如下显示模式的显示模式组中选择的至少一种显示模式提供所述质量度量:
显示单个定量度量;
显示表示度量列表的单个定量度量;以及
显示色彩编码的可靠性程度。
9.根据权利要求1所述的成像分析设备(100),其中,所述输入装置(101、101a、101b、101c、101d)适于执行从包括如下预处理方法的预处理方法组中选择的至少一种预处理方法:
直接从所述输入装置(101、101a、101b、101c、101d)提取边界数据;
将原始输入数据转发至所述处理装置(102);
将原始输入数据转换成用于所述处理装置(102)的适合的输入数据;
基于假设计算用于所述处理装置(102)的输入数据;以及
将原始输入数据和基于假设的输入数据转换成用于所述处理装置(102)的适合的输入数据。
10.根据权利要求1所述的成像分析设备(100),其中,所述输出装置(103)适于建议取决于所述多个特征位置(202、203、204、601)的每个的适当的质量度量(204、213、222、227)。
11.根据权利要求1所述的成像分析设备(100),其中,所述输出装置(103)适于比较针对所述临床图像数据的血管分割和针对所述虚拟图像数据的血管分割。
12.根据权利要求1所述的成像分析设备(100),其中,所述输入装置(101、101a、101b、101c、101d)包括从包括如下装置的装置组中选择的至少一个装置:
注射装置;
X射线装置;
CT装置;
磁共振成像装置;
超声装置;
声纳装置;
压力度量装置;
电磁流量计;
多普勒超声装置。
13.一种用于分析图像的方法,包括:
接收如下形式的输入数据:
临床图像数据;
几何数据;以及
边界数据;
从所述几何数据和所述边界数据生成流动模式数据;
从所生成的流动模式数据生成虚拟图像数据;以及
在所述临床图像数据和所述虚拟图像数据中确定多个特征位置;
在所述多个特征位置的每个处提供质量度量;
其中,所述质量度量指示在所述多个特征位置的每个处所述临床图像数据和所述虚拟图像数据的对应的质量。
14.一种用于分析图像的计算机程序单元,当所述计算机程序单元由处理装置执行时,适于执行根据权利要求13所述的方法步骤。
15.一种存储了根据权利要求14所述的程序单元的计算机可读介质。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP10159716 | 2010-04-13 | ||
EP10159716.9 | 2010-04-13 | ||
PCT/IB2011/051447 WO2011128806A1 (en) | 2010-04-13 | 2011-04-05 | Image analysing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102834847A true CN102834847A (zh) | 2012-12-19 |
CN102834847B CN102834847B (zh) | 2016-09-07 |
Family
ID=44263166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180018524.8A Expired - Fee Related CN102834847B (zh) | 2010-04-13 | 2011-04-05 | 图像分析 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9659365B2 (zh) |
EP (1) | EP2559002A1 (zh) |
CN (1) | CN102834847B (zh) |
WO (1) | WO2011128806A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007819A (zh) * | 2013-03-04 | 2015-10-28 | 哈特弗罗公司 | 用于在血流特性建模中进行灵敏度分析的方法和*** |
CN108027966A (zh) * | 2015-09-02 | 2018-05-11 | 西门子保健有限责任公司 | Cfd仿真辅助4d dsa重构 |
CN112150454A (zh) * | 2020-09-30 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 一种主动脉夹层评估方法、装置、设备及存储介质 |
WO2021042242A1 (zh) * | 2019-09-02 | 2021-03-11 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像设备及其超声回波信号的处理方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140003687A1 (en) * | 2011-01-14 | 2014-01-02 | Baylor College Of Medicine | Method and system for evaluating hemodynamics of a blood vessel |
CN103813752B (zh) * | 2012-01-27 | 2017-11-10 | 东芝医疗***株式会社 | 医用图像处理装置 |
JP2016508757A (ja) * | 2012-12-21 | 2016-03-24 | ジェイソン スペンサー, | 医療データのグラフィカル処理のためのシステムおよび方法 |
CN105103191B (zh) | 2013-04-03 | 2019-05-10 | 皇家飞利浦有限公司 | 血管分割 |
JP6552798B2 (ja) * | 2013-11-29 | 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、x線診断装置及び医用画像処理プログラム |
US9986938B2 (en) | 2014-02-25 | 2018-06-05 | Medis Associated B.V. | Method and device for determining a geometrical parameter of a blood vessel |
EP3110317B1 (en) | 2014-02-25 | 2023-05-03 | ICU Medical, Inc. | Patient monitoring system with gatekeeper signal and corresponding method |
NL2012459B1 (en) * | 2014-03-18 | 2016-01-08 | Medis Ass B V | Method and device for determining deviation in pressure in a blood vessel. |
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 |
WO2016084373A1 (ja) * | 2014-11-27 | 2016-06-02 | 国立大学法人広島大学 | シミュレータ、該シミュレータを備える注入装置又は撮像システム、及びシミュレーションプログラム |
JP6523686B2 (ja) * | 2015-01-05 | 2019-06-05 | キヤノンメディカルシステムズ株式会社 | X線診断装置 |
EP3087921A1 (en) * | 2015-04-27 | 2016-11-02 | Coronary Technologies SARL | Computer-implemented method for identifying zones of stasis and stenosis in blood vessels |
JP6358192B2 (ja) * | 2015-08-18 | 2018-07-18 | コニカミノルタ株式会社 | 超音波診断装置、及び超音波診断装置の制御方法 |
CA3002372C (en) | 2015-10-19 | 2021-03-02 | Icu Medical, Inc. | Hemodynamic monitoring system with detachable display unit |
CN105326486B (zh) * | 2015-12-08 | 2017-08-25 | 博动医学影像科技(上海)有限公司 | 血管压力差与血流储备分数的计算方法及*** |
CN110494893B (zh) * | 2017-03-31 | 2024-01-23 | 皇家飞利浦有限公司 | 基于ffr的对非侵入性成像的交互监测 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1499102A2 (en) * | 2003-07-18 | 2005-01-19 | Ricoh Company | Counterfeiting instrument tracking in high speed color printing apparatus |
US20070019846A1 (en) * | 2003-08-25 | 2007-01-25 | Elizabeth Bullitt | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surfical planning |
CN101013506A (zh) * | 2007-02-13 | 2007-08-08 | 上海交通大学 | 管道性脏器虚拟切开可视化方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7300398B2 (en) * | 2003-08-14 | 2007-11-27 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for registration of virtual endoscopic images |
US7574032B2 (en) * | 2003-10-31 | 2009-08-11 | General Electric Company | Method and apparatus for virtual subtraction of stool from registration and shape based analysis of prone and supine scans of the colon |
US20090226065A1 (en) * | 2004-10-09 | 2009-09-10 | Dongqing Chen | Sampling medical images for virtual histology |
WO2007066249A2 (en) | 2005-12-09 | 2007-06-14 | Koninklijke Philips Electronics, N.V. | Model-based flow analysis and visualization |
US20080240527A1 (en) * | 2006-08-15 | 2008-10-02 | The Borad Of Regents, The University Of Texas System, A Instiution Of Higher Learning | Methods, Compositions and Systems for Analyzing Imaging Data |
JP5080944B2 (ja) * | 2007-11-08 | 2012-11-21 | 興和株式会社 | パノラマ眼底画像合成装置及び方法 |
EP2348954A1 (en) * | 2008-10-20 | 2011-08-03 | Koninklijke Philips Electronics N.V. | Image-based localization method and system |
US8498459B2 (en) * | 2009-10-08 | 2013-07-30 | Siemens Aktiengesellschaft | System and method for verifying registration accuracy in digital medical images |
US9104902B2 (en) * | 2010-04-15 | 2015-08-11 | Koninklijke Philips N.V. | Instrument-based image registration for fusing images with tubular structures |
US8934685B2 (en) * | 2010-09-21 | 2015-01-13 | General Electric Company | System and method for analyzing and visualizing local clinical features |
-
2011
- 2011-04-05 US US13/640,574 patent/US9659365B2/en not_active Expired - Fee Related
- 2011-04-05 EP EP11718501A patent/EP2559002A1/en not_active Withdrawn
- 2011-04-05 WO PCT/IB2011/051447 patent/WO2011128806A1/en active Application Filing
- 2011-04-05 CN CN201180018524.8A patent/CN102834847B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1499102A2 (en) * | 2003-07-18 | 2005-01-19 | Ricoh Company | Counterfeiting instrument tracking in high speed color printing apparatus |
US20070019846A1 (en) * | 2003-08-25 | 2007-01-25 | Elizabeth Bullitt | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surfical planning |
CN101013506A (zh) * | 2007-02-13 | 2007-08-08 | 上海交通大学 | 管道性脏器虚拟切开可视化方法 |
Non-Patent Citations (1)
Title |
---|
SUN Q 等: "Quantitative evaluation of virtual angiography for interventional X-ray acquisitions", 《IEEE INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING:FROM NANO TO MACRO》, 1 July 2009 (2009-07-01), pages 895 - 898 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007819A (zh) * | 2013-03-04 | 2015-10-28 | 哈特弗罗公司 | 用于在血流特性建模中进行灵敏度分析的方法和*** |
CN109378076A (zh) * | 2013-03-04 | 2019-02-22 | 哈特弗罗公司 | 用于在血流特性建模中进行灵敏度分析的方法和*** |
CN109378076B (zh) * | 2013-03-04 | 2022-04-05 | 哈特弗罗公司 | 用于在血流特性建模中进行灵敏度分析的方法和*** |
CN108027966A (zh) * | 2015-09-02 | 2018-05-11 | 西门子保健有限责任公司 | Cfd仿真辅助4d dsa重构 |
CN108027966B (zh) * | 2015-09-02 | 2022-04-19 | 西门子保健有限责任公司 | 使用cfd仿真来减少4d dsa重构伪像的***和方法 |
WO2021042242A1 (zh) * | 2019-09-02 | 2021-03-11 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像设备及其超声回波信号的处理方法 |
CN112150454A (zh) * | 2020-09-30 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 一种主动脉夹层评估方法、装置、设备及存储介质 |
CN112150454B (zh) * | 2020-09-30 | 2023-12-26 | 上海联影医疗科技股份有限公司 | 一种主动脉夹层评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US9659365B2 (en) | 2017-05-23 |
US20130028494A1 (en) | 2013-01-31 |
EP2559002A1 (en) | 2013-02-20 |
CN102834847B (zh) | 2016-09-07 |
WO2011128806A1 (en) | 2011-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102834847A (zh) | 图像分析 | |
US11937962B2 (en) | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases | |
KR102447741B1 (ko) | 관상 동맥 내의 건강한 내강 지름을 추정하고 협착증 정량화하기 위한 시스템 및 방법 | |
Campbell et al. | Effect of inlet velocity profiles on patient-specific computational fluid dynamics simulations of the carotid bifurcation | |
Castillo et al. | A framework for evaluation of deformable image registration spatial accuracy using large landmark point sets | |
Spiegel et al. | Tetrahedral vs. polyhedral mesh size evaluation on flow velocity and wall shear stress for cerebral hemodynamic simulation | |
CN102208105A (zh) | 医学图像处理技术 | |
Weese et al. | CFD‐and Bernoulli‐based pressure drop estimates: a comparison using patient anatomies from heart and aortic valve segmentation of CT images | |
Kim et al. | Bidirectional local distance measure for comparing segmentations | |
CN103987321A (zh) | 基于结果质量的剂量优化 | |
Perinajová et al. | Geometrically induced wall shear stress variability in CFD-MRI coupled simulations of blood flow in the thoracic aortas | |
CN112749521A (zh) | 血流动力学指标数据的处理方法和*** | |
Fujiwara et al. | Segmentation of the Aorta and Pulmonary Arteries Based on 4D Flow MRI in the Pediatric Setting Using Fully Automated Multi‐Site, Multi‐Vendor, and Multi‐Label Dense U‐Net | |
Schiavazzi et al. | The effect of velocity filtering in pressure estimation | |
Franke et al. | Towards improving the accuracy of aortic transvalvular pressure gradients: rethinking Bernoulli | |
Beier et al. | Dynamically scaled phantom phase contrast MRI compared to true‐scale computational modeling of coronary artery flow | |
Minard et al. | Application of magnetic resonance (MR) imaging for the development and validation of computational fluid dynamic (CFD) models of the rat respiratory system | |
Lomsky et al. | A new automated method for analysis of gated‐SPECT images based on a three‐dimensional heart shaped model | |
CN109727660A (zh) | 在医学成像中针对血液动力学量化的不确定性或敏感性的机器学习预测 | |
Bezerra et al. | Infrared imaging for breast cancer detection with proper selection of properties: from acquisition protocol to numerical simulation | |
Castillo et al. | Assessment of a quantitative metric for 4D CT artifact evaluation by observer consensus | |
Pinheiro et al. | A computerized method for evaluating scoliotic deformities using elliptical pattern recognition in X-ray spine images | |
Nasehi Tehrani et al. | Lung surface deformation prediction from spirometry measurement and chest wall surface motion | |
Qiang et al. | Computerized segmentation of pulmonary nodules depicted in CT examinations using freehand sketches | |
Zhang et al. | Constraint-Aware Learning for Fractional Flow Reserve Pullback Curve Estimation from Invasive Coronary Imaging |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160907 Termination date: 20180405 |
|
CF01 | Termination of patent right due to non-payment of annual fee |