CN110490835B - 自动检查叠合图像的方法，计算单元和医学成像设备 - Google Patents

自动检查叠合图像的方法，计算单元和医学成像设备 Download PDF

Info

Publication number
CN110490835B
CN110490835B CN201910384686.1A CN201910384686A CN110490835B CN 110490835 B CN110490835 B CN 110490835B CN 201910384686 A CN201910384686 A CN 201910384686A CN 110490835 B CN110490835 B CN 110490835B
Authority
CN
China
Prior art keywords
image
deviation
degree
current
determining
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.)
Active
Application number
CN201910384686.1A
Other languages
English (en)
Other versions
CN110490835A (zh
Inventor
卡塔琳娜·布赖宁格
马库斯·普菲斯特
马库斯·科瓦尔席克
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.)
Siemens Healthineers AG
Original Assignee
Siemens Healthineers AG
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 Siemens Healthineers AG filed Critical Siemens Healthineers AG
Publication of CN110490835A publication Critical patent/CN110490835A/zh
Application granted granted Critical
Publication of CN110490835B publication Critical patent/CN110490835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
    • A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
    • A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10121—Fluoroscopy
    • 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
    • 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
    • G06T2207/30008—Bone
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Animal Behavior & Ethology (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • Veterinary Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Surgery (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及一种用于对检查对象(6)的感兴趣的身体区域的叠合图像(SUP，MODSUP，KORSUP)进行自动检查的方法。所述方法包括下述步骤：‑确定(S11，S21，S31)对象在参考图像(REF)中的至少一个参考位置(AKREF，U，CL，ABZW)；‑确定(S12，S221，S222，S32)所述对象的在当前的透视图像(DU，MODU)中的当前位置(AKDU)；‑通过将所述当前的透视图像和所述参考图像叠加生成(S13，S231，S232，S33)所述叠合图像；‑确定(S14，S241，S242，S341，S342)至少一个参数(PAR ABW，PAR KORABW，PAR MODABW)，所述参数表征所述对象在所述叠合图像中的参考位置和当前位置之间的偏差程度(ABW，KORABW，MODABW)；‑向用户显示(S15，S251，S252，S351，S352)所述偏差程度。

Description

自动检查叠合图像的方法，计算单元和医学成像设备
技术领域
本发明涉及一种用于检查介入式叠合图像的新型机构并且尤其涉及一种用于实时地自动评估叠合图像质量的方法。
背景技术
受荧光透视检查控制的介入典型地在血管造影设备或移动的C形臂***上执行，所述血管造影设备或移动的C形臂***分别使用X射线成像。如果患者的“实时检查”是必要的，那么使用荧光透视检查。荧光透视检查的典型的使用途径是骨科的关节置换的功能检查、导液管和心脏起搏器的控制、造影剂在胃肠道中的分布、不同身体部分和器官的运动(例如吞咽过程和食管运动)或动脉瘤的微创修复，例如在腹主动脉中。
腹主动脉瘤(AAA)是血管膨出。这例如通过置入支架移植物(Stent Graft)治疗。为此，经由两个腹股沟将导丝和导管引入主动脉中，经由所述导丝和导管引入和放置一个或多个支架移植物，即血管塑料制品或内假体。在复杂的介入中不仅给主动脉而且给不同的分支例如肾动脉供应专用的支架。也就是说，最终的支架由多个不同的单个待引入的“子支架”组成。在使用所述支架移植物时，目标是精确的放置，而在此不遮盖重要的分支血管。为了示出血管，在整个干预期间借助于C形臂X射线机连续地记录二维的荧光透视检查影像，以便监视和控制导管、导丝、内假体和/或血管的进给、位置和/或方位。也能够在C形臂***上绘制血管造影(典型地是在施用造影剂的条件下的二维投影)，所述血管造影给出关于血管走向的信息。有利地，所述血管造影能够叠加当前的荧光透视检查影像作为所谓的“路标(Roadmap)”。然而为了使损害肾脏的造影剂的施用最小化，能够以在解剖结构正确的方式给当前的荧光透视检查影像叠加来自参考图像(通常术前的、三维的计算机断层扫描影像或磁共振影像)的信息。参考图像典型地示出附加的解剖方面的细节或参考点，例如血管分支或在荧光透视检查中未分辨的深度信息，并且用作为用于待引入的医学材料的定位辅助。三维的数据组原则上还能够与每个荧光透视检查影像叠加，与在C形臂处设定的角度无关，也就是说，与对于成像而言所采用的观察患者的感兴趣的身体区域的观察方向无关。
对于建立荧光透视检查影像和参考图像数据的叠加适宜的是，将解剖结构的对象和/或其他结构借助于已知的分区法分区。进行叠加的先决条件是，借助于已知的配准方法配准关于C形臂的术前参考图像，以便实现参考图像和当前图像之间的一致。此外已知用于在荧光透视检查影像中识别和跟踪医学器械或材料的方法，例如在2015年的Med Eng Phys期刊中，第37(10)期，第979至986也中的LESSARD，S.等人所著的文献“Automaticdetection of selective arterial devices for advanced visualization duringabdominal aortic aneurysm endovascular repair(在腹主动脉瘤血管内修复期间自动检测选择性动脉装置以进行高级造影)”中针对主动脉瘤的所述应用情况所描述的。
然而，尤其在复杂的程序中，叠加的准确性或质量，即二维的荧光透视检查影像和参考图像数据之间的一致度受损失。其原因一方面可能是患者运动，因为尤其微创干预通常借助于仅局部的麻醉进行。另一方面，所引入的手术器械通常也引起解剖结构的变形。当前影像和参考数据之间的偏差越大，向观察者显示的叠加的可用性就越少。所述观察者在干预期间必须视觉上识别并且“思维上”修正所述偏差。替选于此，也能够将叠加手动地或用户自发地自动修正，或通过观察者的个体的预设值半自动地修正，例如在德国专利申请DE 102010012621A1中或在TOTH等人所著的文献“Adaption of 3D Models to 2D X-RayImages during Endovascular Abdominal Aneurysm Repair(在血管内腹部动脉瘤修复过程中的三维模型与二维X射线图像的适配)”，在：Springer，Cham出版社的Lecture Notesin Computer Science期刊，第9349册中的由Navab N.、Hornegger J.、Wells W.、FrangiA.编辑的Medical Image Computing and Computer-Assisted Intervention(医学图像计算与计算机辅助干预)--MICCAI 2015中所描述的。
所述方法途径需要至少一次由用户识别偏差，中断手术人员的工作并且还是时间耗费的且尤其对于不熟练的观察者是困难的进而是容易出错的。
发明内容
与此相对，本发明的目的是，提供一种替选的机构，其允许自动地、可靠地且快速地检测在解剖结构偏差方面的叠合图像的质量。尤其地，本发明的目的是，实时地或准实时地检测叠合图像的质量。
所述目的通过一种用于对检查对象的感兴趣的身体区域的叠合图像的进行自动检查方法、相应的计算单元和医学成像设备、相应的计算机程序和相应的计算机可读的数据载体实现。优选的和/或替选的、有利的设计方案变型形式在下文中描述。
下面参照要求保护的方法以及参照要求保护的设备描述实现所述目的的根据本发明的解决方案。在此提到的特征、优点或替选的实施方式同样也转用于其他要求保护的主题上并且反之亦然。换言之，具体的实施方式(例如针对方法)也能够借助于结合设备所描述或要求保护的特征进行改进。所述方法的相应的功能性特征在此通过相应的具体的模块或单元构成。
本发明在第一方面涉及一种用于对检查对象的感兴趣的身体区域的叠合图像进行自动检查的方法。
下面，在不限制普遍性的情况下假定检查对象是患者，其中其大多是人类。原则上，患者也能够是动物。因此，下面同义地使用这两个术语“检查对象”和“患者”。替选地，检查对象能够是植物或无生命的对象，例如历史文物等。感兴趣的身体区域是患者的如下区域：子区域和/或身体部分，其包括将借助于医学成像设备描述的某些解剖结构、器官和/或组织。感兴趣的身体区域例如能够是腹部、头部和/或胸部。示出感兴趣的身体区域的叠合图像例如能够示出感兴趣的身体区域内的血管的走向。替选地，叠合图像还能够示出骨骼结构，如颅骨、髋部或脊柱。然而，叠合图像不限于此，其基本上能够示出可借助于(通常不使用造影剂生成的)参考图像和/或透视图像描述的所有解剖对象或结构。
所述方法包括多个步骤。在第一步骤中，确定至少一个对象在参考图像中的参考位置。在第二步骤中，确定所述对象在当前的透视图像中的当前位置。根据本发明，当前的透视图像对应于在介入期间，即医疗干预期间的时间点所检测的当前荧光透视检查影像。当前的透视图像优选是借助于C形臂X射线机检测的二维投影，然而所述透视图像也能够对应于三维数据组。典型地，在不施用造影剂的情况下检测透视图像，但也能够在施用造影剂的情况下生成透视图像。根据本发明，参考图像优选对应于三维的图像数据组。所述三维图像数据组已经在参考时间点被检测或生成，优选在医学干预之前被检测或生成。参考图像例如构成为计算机断层扫描影像或磁共振影像。参考图像也能够构成为二维图像。当前的透视图像和参考图像的共同之处在于，它们都是患者的同一感兴趣的身体区域的成像进而直接或间接地包括感兴趣的身体区域内的相同解剖对象或结构。尤其地，图像能够分别是血管，即至少同一血管的成像。成像的感兴趣的身体区域优选包括多个血管或一个血管和分支血管、分枝和/或整个血管树。对于至少一个成像的对象而言，手动地和/或借助于本身已知的分区法来确定至少一个对象在参考图像中的参考位置。所述至少一个对象尤其能够是血管，但也能够是特定的骨骼结构或组织结构、特定的器官等。针对对象是血管的情况，确定参考图像和/或当前的透视图像中的位置能够包括：确定血管的走向。分区尤其能够包括：确定血管的外轮廓；确定近似范围；确定血管的中心线；确定特定的标志例如分支血管和/或支管；确定血管的直径等。
在根据本发明的方法的一个优选的实施方式中，其中对象是血管，确定对象在当前的透视图像中的当前位置包括：识别位于血管中的器械或将其分区；识别内假体或将其分区，所述内假体例如是移植物或移植物部分；识别主动脉瓣或心瓣或将其分区；识别血管的外轮廓和/或体积或将其分区。在此，本发明假定，医学器械的位置或方位，只要其位于血管内部，那么基本上代表血管的当前位置或当前走向。
在另一步骤中，通过将当前的透视图像和参考图像叠加生成叠合图像。为此，通常大多在医学干预开始时将参考图像与现有的透视图像配准，也就是说，根据不同的共同的特征(例如血管走向或骨骼结构)使其达到一致。优选地，所述一致好至使得其对于其他观察方向也是有效的。能够使用本身已知的用于配准的方法。
在另一步骤中，确定至少一个参数，所述参数表征参考位置和对象在叠合图像中的当前位置之间的偏差程度。在参考图像和当前的透视图像叠加时，例如可能由于患者运动和/或对于对象＝血管的优选情况而言由于引入血管中的医学器械而产生当前走向和参考走向的差别。当前位置必要时能够相对于参考位置移位、扭转、拉伸、压缩等。这些偏差通过叠加可见，并且在当前步骤中自动地量化。就此而言，所确定的参数给出叠合图像中的叠加“品质”或质量。例如，针对“对象＝血管”的情况，所述参数能够指明当前的透视图像中的移植物在叠合图像中位于根据参考走向的血管之外的表面积份额。该参数也能够指明，在参考图像和当前透视图像中的血管外轮廓之间的距离。该参数也能够说明，代表血管的当前位置或当前走向的医学器械是位于根据参考位置或参考走向的血管内部还是外部。在此，可考虑多个其他参数以量化偏差。根据本发明，计算至少一个参数，然而优选地计算多个不同的参数。
在另一步骤中，为用户显示偏差程度。典型地，在医学干预的过程中将叠合图像作为视觉辅助显示给外科医生或手术人员，例如在C形臂X射线机的监视器上显示。发明人现在已经认识到，对于手术人员特别有利的是，除了叠合图像本身之外还为手术人员显示所计算出的在当前的透视图像和参考图像之间的偏差程度。所述手术人员能够如此考虑叠合图像的质量。特别优选地，将偏差程度与叠加一起可视地说明或将偏差程度在叠加中可视地说明。同样可考虑其他显示模式或输出模式。视觉上的显示例如能够通过如下方式实现：显示针对至少一个参数所确定的值。替选地，能够根据至少一个参数，***对应于其所确定的值的彩色信号灯，例如“绿色”表示没有偏差或仅存在小的偏差，而“红色”表示较大或紧要的偏差。为了进一步说明偏差程度，能够根据对象的参考位置和当前位置以颜色标记在叠合图像中分区的结构，例如血管外轮廓和/或移植物外轮廓。
在根据本发明的方法的一个有利的实施方式中，准实时地执行下述步骤：
-确定对象的在当前的透视图像中的当前位置；
-通过将当前的透视图像和参考图像叠加生成叠合图像；
-确定至少一个参数，所述参数表征对象在叠合图像中的参考位置和当前位置之间的偏差程度；以及
-为用户显示偏差程度。如此在医学干预过程中不产生干扰的或对于患者的健康而言紧要的延迟。准实时在此描述直至进行完叠加位置连同偏差程度的显示的最大时长。根据本发明，所述最大时长小于在医学干预过程中两个透视图像的检测之间的时间。
在根据本发明的方法的一个特别优选的实施方式中，利用神经网络或借助于模板匹配技术进行尤其当前的透视图像的分区。在根据本发明的方法中限时步骤是：识别成像的结构或对象，尤其血管，也就是说，对其进行分区。现在发明人认识到，利用所提到的技术可将所述过程加速至准实时。适合的分区法的选择与个体的应用情况或感兴趣的身体区域相关。
所述模板匹配是图像中的对象识别的传统的任务领域并且利用关于对象的结构、形状、取向和/或颜色的信息。所描述的特性由模式预设并且根据所述模式搜寻图像。如果在图像中被辨识的对象满足预定的一致程度，那么将所述对象选择为所搜索的对象。
神经网络，尤其人造神经网络以生物神经网络例如人脑的构造为导向。人造神经网络在输入层和输出层之间优选包括多个另外的层，所述另外的层分别包括至少一个节点。每个节点在此对应于处理单元，类似生物神经元。在网络的一层之内的节点能够经由有取向的连接(边缘)与其他层的节点连接。所述连接限定在网络之内的数据流。因此，每个节点代表应用于输入数据的操作。此外，每个节点或每个其连接具有加权参数。经由所述加权参数将节点的输出的影响或重要性限定为接收节点的输入值。在优选作为受监控的学习来实施的训练阶段中，人造神经网络根据训练数据“学习”用于所有节点或连接的加权参数并且匹配所述加权参数，直至网络的输出层提供正确的输出值。典型地，将第一部分的网络层用于图像中的特征提取。被辨识的特征随后用作为用于第二部分的网络层即所谓的分类器的输入值，所述分类器将现有的对象与在图像中所提取的特征相关联。
在根据本发明的方法的另一实施方式中，连续地针对多个彼此跟随的透视图像执行下述步骤：
-确定对象的在当前的透视图像中的当前位置；
-通过将当前的透视图像和参考图像叠加生成叠合图像；
-确定至少一个参数，所述参数表征对象在叠合图像中的参考位置和当前位置之间的偏差程度；以及
-为用户显示偏差程度。所述方法途径基于如下知识：在医学干预期间因患者运动和/或其他医学器械或材料到血管中的连续的引入、移动或移位使至少一个对象的当前位置连续地相对于参考位置改变。通过连续地重复实施根据本发明的方法，实现永久的控制可行性。就此而言，本发明适合于多种医学干预，例如移植物(颅内、腹部、胸部、心脏冠状血管)或心瓣或主动脉瓣或机器人辅助干预的使用。
在根据本发明的方法的另一实施方式中，对于表征偏差程度的参数的确定，考虑对出自至少一个之前分析的透视图像的分区结构的预先了解。所述方法途径利用如下知识：针对之前的，但不一定是正好前一刻的透视图像，已经识别出结构并且确定或计算出表征偏差程度的参数。就可信度测试而言，能够在评估当前的透视图像或所属于其的叠合图像时使用所述参数，例如通过如下方式实现：自动地检查之前确定的和当前确定的、表征偏差程度的参数是位于预定的数值范围之内(结果是可信的)还是位于预定的数值范围之外(结果是不可信的)。在此假定，在相邻的或时间上紧接着的透视图像之间，血管的当前位置，尤其当前走向的变化是小的。
在根据本发明的方法的另一实施方式中，包括如下步骤：
-基于如下参数自动地生成经修正的叠合图像，所述参数表征对象的参考位置和当前位置之间的偏差程度；
-确定至少一个参数，所述参数表征对象在经修正的叠合图像中的参考位置和当前位置之间的经修正的偏差程度；以及
-为用户显示经修正的偏差程度。
如果所确定的表征偏差程度的至少一个参数位于预定的公差或预定的阈值之上，那么表示：当前的透视图像和参考图像之间的叠加不够好并且应当被修正。针对生产经修正的叠合图像，能够考虑开头提到的教导，其出自德国专利申请DE 102010012621A1或出自TOTH等人所著的文献“Adaption of 3D Models to 2D X-Ray Images duringEndovascular Abdominal Aneurysm Repair(在血管内腹部动脉瘤修复过程中的三维模型与二维X射线图像的适配)”，在：Springer，Cham出版社的Lecture Notes in ComputerScience期刊，第9349册中的由Navab N.、Hornegger J.、Wells W.、Frangi A.编辑的Medical Image Computing and Computer-Assisted Intervention(医学图像计算与计算机辅助干预)--MICCAI 2015中。通过对叠加的修正，使结构在经修正的叠合图像中更好地叠加。修正基本上基于：使对象的参考位置和尤其血管的参考走向匹配于当前的透视图像的当前位置或当前走向。经修正的叠合图像对于手术人员而言具有提高的临床说服力。例如能够根据所确定的表征偏差程度的参数自动地执行修正或者为用户自动地提出建议以供确认。替选地，手术人员能够手动地触发修正。随后在根据本发明的方法的进一步的过程中评估经修正的叠合图像并且确定表征经修正的偏差程度的参数。所描述的方法途径能够迭代地构成并且执行，直至至少一个表征偏差程度的参数低于预定的阈值。尤其地，在此所描述的方法途径能够与随后的实施方式进行组合并且应用于修改后的叠合图像。
在根据本发明的方法的另一优选的实施方式中，也包括如下步骤：
-如果表征偏差程度的参数超过预定的阈值，那么基于表征偏差程度的参数推导用于医学成像设备的至少一个采集参数；
-利用采集参数来检测修改后的透视图像；
-确定对象在修改后的透视图像中的当前位置；
-通过将修改后的透视图像和参考图像叠加生成修改后的叠合图像；
-确定至少一个参数，所述参数表征对象在叠合图像中的参考位置和当前位置之间的修改后的偏差程度；
-为用户显示修改后的偏差程度。
如果所确定的表征偏差程度的参数中的至少一个具有位于预定的数值范围之外或高于预定的阈值的数值，那么表示：在当前的透视图像和参考图像中的分区的结构的方位、位置或走向大至，使得就叠加不能够如上文所描述那样被修正而言无法实现有意义的叠加。在此情况下，本发明提出，根据表征偏差程度的参数，推导用于检测新的、修改后的透视图像的至少一个采集参数。就此而言，根据本发明的方法能够提出至少一个采集参数，例如变化的角度、变化的准直、变化的X射线管电压等，并且检测修改后的透视图像，所述修改后的透视图像更好地适合于上文所描述的修正。采集参数的推导能够是用户触发的或者自动地进行。借助于所推导的采集参数检测修改后的透视图像能够用户触发地进行。根据本发明的方法于是接着根据修改后的透视图像执行并且确定表征修改后的偏差程度的参数。如果表征偏差程度的参数在实施所描述的步骤之后还不位于公差之内，那么能够重复地执行所述方法，重新推导采集参数并且检测修改后的透视图像，等等。
也就是说，在该实施方式中，识别参考图像和当前的透视图像之间的严重的“不匹配”。这可能因过小的图像区、缺少关于感兴趣的身体区域的结构信息和/或当前的透视图像的不利的角度/准直引起。因此，提出至少一个用于采集另一透视图像的至少一个采集参数，所述采集参数可能允许修正。
在第二方面中，本发明涉及一种用于对检查对象的感兴趣的身体区域的叠合图像进行自动检查的计算单元。计算单元具有用于执行根据本发明的方法的机构。
在一个优选的实施方式中，计算单元与医学成像设备连接，使得能够传输关于经修正的采集参数或当前的和/或修改后的透视图像的控制信号。还有利的是，计算单元与医学成像设备的用于显示(经修正的/修改后的)叠合图像和/或(经修正的/修改后的)偏差程度的显示单元连接。
有利的是，计算单元集成到医学成像设备中。替选地，计算单元也能够远程地或远离所述医学成像设备设置。计算单元能够构成用于，例如在包括多个医学成像设备的放射学中心或医院中，针对一个医学成像设备或针对多个设备，尤其执行如下步骤：确定表征对象在叠合图像中的参考位置和当前位置之间的偏差程度的至少一个参数，然而也执行整个根据本发明的方法。
在第三方面中，本发明涉及一种呈C形臂X射线仪器形式的医学成像设备。医学成像设备有利地包括根据本发明的计算单元。医学成像设备是用于在医学中使用的成像设备。根据本发明的医学成像设备使用X射线辐射以生成图像。医学成像设备优选适合于在医学干预中使用，也就是说，用于实时成像。医学成像设备尤其能够构成为移动式C形臂X射线设备。
本发明的第四方面涉及一种具有程序代码的计算机程序，以便当计算机程序在计算机上，例如根据本发明的计算单元上运行时，执行用于对检查对象的感兴趣的身体区域的叠合图像进行自动检查的根据本发明的方法。
本发明的第五方面涉及一种具有计算机程序的程序代码的计算机可读的数据载体，以便当计算机程序在计算机上，例如根据本发明的计算单元上运行时，执行用于对检查对象的感兴趣的身体区域的叠合图像进行自动检查的根据本发明的方法。有利地，尤其能够实施如下步骤：在计算机上，例如在医学成像设备的计算单元中，确定至少一个参数，所述参数表征对象在叠合图像中的参考位置和当前位置之间的偏差程度。
本发明的呈计算机程序或包括根据本发明的计算机程序的程序代码的计算机可读的数据载体形式的实施方案具有如下优点：现有的计算机***或计算单元能够容易地通过软件更新来调整，以便实现根据本发明的功能。
替选地，计算机程序能够以计算机程序产品的形式构成并且具有附加的单元。所述单元能够构成为硬件，例如构成为存储介质，在所述存储介质上存储有计算机程序，和/或硬件密钥，以便能够使用计算机程序。替选地或附加地，所述单元构成为软件，例如构成为程序文件或软件密钥，以便能够使用计算机程序。
附图说明
本发明的上述特性、特征和优点以及实现这些特性、特征和优点的方式和方法结合对实施例的下述描述变得更清楚且更易理解，所述实施例结合附图详细阐述。本发明不因所述描述而局限于这些实施例。在不同的附图中，相同部件设有相同的附图标记。附图通常不是符合比例的。附图示出：
图1示出根据本发明的一个实施例的根据本发明的方法的示意图；
图2示出根据本发明的另一实施例的根据本发明的方法的示意图；
图3示出根据本发明的另一实施例的根据本发明的方法的示意图；
图4示出根据本发明的一个实施例的呈C形臂X射线仪器形式的医学成像设备的视图，所述医学成像设备包括根据本发明的一个实施例的根据本发明的计算单元；
图5示出根据本发明的一个实施例的叠合图像；以及
图6示出根据本发明的一个实施例的叠合图像。
具体实施方式
图1示出根据本发明的一个实施例的根据本发明的方法的示意图，所述方法具有多个步骤。在第一步骤S11中进行：确定呈至少一个血管的参考走向形式的对象在参考图像REF中的参考位置。所述确定在此借助于分区进行，然而也能够以其他方式确定。换言之，根据解剖结构“搜寻”参考图像。具体来说，能够借助于分区法检测血管的外轮廓或外面、血管瓣、血管分支、血管体积、血管直径、血管中线、距其他成像的结构或器官的显著的间距、这些器官或结构本身等。以这种方式分析至少一个成像的血管，例如腹主动脉。参考图像能够是三维的CT、MR或C形臂图像数据组(例如旋转血管造影)或者二维的图像数据组(例如借助于C形臂X射线仪器检测的数字的相减型血管造影)。步骤S11优选时间上与其他步骤S12至S15分开地实施。如果参考图像例如已经被预先处理，那么能够有利地在医学干预的过程中节约计算时间和计算容量。在第二步骤S12中进行：根据当前的透视图像DU确定呈血管的当前走向形式的对象的当前位置。在借助于呈C形臂X射线仪器形式的医学成像设备的医学干预的过程中，在C形臂***的特定角度下检测所述当前的透视图像作为数字的X射线投影。透视图像对应于患者的感兴趣的、成像的身体区域的瞬时影像并且尤其也示出医学仪器、内假体、器械等，所述医学仪器、内假体、器械等位于感兴趣的身体区域中和尤其位于血管中。步骤S12包括：将当前的透视图像DU中的所述对象分区。血管的当前走向通过如下假设确定：即分区的对象位于血管内部，只要血管的当前走向通过所述对象的位置、方位、延伸、伸展等接近。如果在施用造影剂的条件下已经生成当前的透视图像DU(并且实现血管和周围的组织之间的足够的对比度)，那么所述确定也能够包括对血管的外轮廓或血管面的分区。这两个步骤S11和S12还能够可选地包括将其他解剖结构如具体的界标等分区，以便使图像REF和DU的紧接着的叠加变得容易。为了将参考图像REF分区，然而尤其针对当前的透视图像DU，根据本发明使用模板匹配法或人造神经网络。由此能够使分区大幅加速，据此所述方法原则上适合于准实时应用。在另一步骤S13中进行：将参考图像REF和当前的透视图像DU叠加或叠合。换言之，在步骤S13中将分区的和彼此对应的结构，尤其血管彼此叠加。对此的先决条件是，参照C形臂X射线仪器的坐标系配准参考图像REF。步骤S13的结果是叠合图像SUP。如果既没有发生患者运动，引入血管中的医学器械也没有引起血管的变形或移位，那么在叠合图像SUP中的血管的参考走向和当前走向基本上一致。偏差是可忽略的。如果由于导入的医学器械发生患者运动和/或血管的移位或变形，那么叠合图像SUP示出在血管走向中的这些偏差或区别。为了向被展示有叠合图像SUP的例如外科医生更好地说明偏差，例如能够***、标记和/或用颜色强调血管的外轮廓、血管分支在血管中的方位、取向、中心、形状和/或大小、移植物的装入区域，血管范围等。在另一步骤S14中进行：确定至少一个参数PAR ABW，所述参数表征血管走向之间的偏差程度。在该步骤中，将血管走向的偏差量化。表征偏差程度的可能的参数PAR ABW例如能够是：血管的根据参考走向的外轮廓以及根据当前走向的外轮廓之间的间距、根据当前走向的血管面积在叠合图像SUP中位于根据参考走向的血管面积之外的份额等。表征偏差程度的参数的其他设计方案同样是可考虑的。替选地或附加地，在步骤S14中作为参数PAR ABW也能够确定：引入血管中的并且根据当前的透视图像DU分区的医学器械位于根据参考图像REF的血管面积之内还是之外。在根据本发明的方法的所述实施例的最后的步骤S15中，向外科医生显示之前确定的偏差程度ABW。为此，考虑所有确定的表征偏差程度的参数PAR ABW的整体并且转变为直观的且适合于手术人员的示图。例如能够借助于与叠合图像SUP叠加的信号灯显示输出偏差程度ABW。如果偏差程度位于第一公差范围之内或低于第一阈值S1，那么在叠合图像SUP中的信号灯切换为“绿色”从而易于理解地向手术人员显示：参考图像REF和当前的透视图像DU的叠加具有良好的质量。如果所确定的偏差程度位于第二公差范围之内或低于第二阈值S2，所述第二公差范围大于第一公差范围或所述第二阈值大于第一阈值S1，那么在叠合图像SUP中的信号灯切换为“黄色”进而易于理解地向手术人员显示：参考图像REF和当前的透视图像DU的叠加具有可修正的质量。在本发明的范围内，叠合图像SUP的修正在下文中参照图2详细描述。如果所确定的偏差程度也位于第二公差范围之外或高于第二阈值S2，那么在叠合图像SUP中的信号灯切换为“红色”进而易于理解地向手术人员显示：参考图像REF和当前的透视图像DU的叠加由于在这两个图像中包括的结构的显著区别而具有不可使用的质量并且必要时必须检测新的、修改后的透视图像MODU。所述根据本发明的方法途径在下文中参照图3详细描述。替选于信号灯显示，在叠合图像SUP也能够显示如下图例，所述图例包括所有表征偏差程度的参数PAR ABW的所确定的值的列表。用于显示偏差程度ABW的替选的解决方案同样是可考虑的。可选地，根据本发明能够提出，重复地执行步骤S12至S15，更确切地说，针对多个、优选所有在医学干预的过程中连续检测的透视图像DUi重复地执行所述步骤。就此而言，在第i次重复循环(虚线箭头)中，将根据本发明的方法应用于第i次透视图像DUi。尤其在针对所有彼此跟随的透视图像确定和显示偏差程度的一个实施方案变型形式中，有利的是，将步骤S14中的偏差程度与针对之前的透视图像DUi-1的偏差程度比较进而检查可信度。这在如下假设下发生：血管走向中的在两个彼此跟随的透视图像DUi-1和DUi之间的变化是相当小的。
图3示出根据本发明的另一实施例的根据本发明的方法的示意图。在此，所观察的对象也构成为血管。步骤S31、S32、S33、S34和S35基本上对应于根据图1的步骤S11至S15。在该实施例中步骤S341，即确定表征偏差程度的至少一个参数PAR ABW的步骤，表明：偏差程度ABW或所确定的参数PAR ABW中的至少一个，大于第一阈值S1(并且小于第二阈值S2)。在该实施方案中，根据步骤S36自动地基于表征偏差程度的至少一个参数PAR ABW生成至少一个经修正的叠合图像KORSUP。换言之，针对由所述参数PAR ABW的所确定的值描述的在参考图像REF和当前的透视图像DU之间的偏差确定如下操作，所述操作应用于将血管的所确定的参考走向适应于血管的当前走向。所述操作能够作为血管的或其一部分或血管的部段的移动、延伸、压缩、转动、扭转等。步骤S36的结果是经修正的叠合图像KORSUP。血管的参考走向的修正能够替选地通过手术人员启动或监控。例如能够提出，用户从一列可能的操作中选出适合的操作或输入所期望的操作。针对经修正的叠合图像KORSUP，在步骤S342中确定表征偏差程度的至少一个参数PAR KORABW，与步骤S341类似。在步骤S352中，优选与经修正的叠合图像KORSUP一起，向手术人员显示所确定的经修正的偏差程度KORABW。如果重新的检查表明：经修正的偏差程度KORABW或表征修改后的偏差程度的至少一个参数PAR KORABW仍然高于预定的第一阈值S1，那么能够在步骤S36至S352的重复循环(虚线箭头)的过程中生成其他修改后的叠合图像KORSUP并且检查其叠加质量，直至低于第一阈值S1。重复循环也能够在用户侧中断，只要所显示的经修正的叠合图像KORSUP的叠加质量是足够的。
图2示出根据本发明的另一实施例的根据本发明的方法的示意图。在此，所观察的对象也构成为血管。步骤S21、S221、S231、S241和S251基本上对应于根据图1的步骤S11至S15。在本实施例中步骤S241，即确定表征偏差程度的至少一个参数PAR ABW的步骤，表明：偏差程度ABW或所确定的参数PAR ABW中的至少一个，大于第二阈值S2。在该实施方案中，根据步骤S26自动地确定用于医学成像设备的采集参数PAR ACQU。采集参数PAR ACQU尤其是变化的角度、变化的准直和/或变化的X射线管电压。利用变化的采集参数PAR ACQU，能够根据步骤S27检测修改后的透视图像MODU，所述透视图像相对于当前的透视图像具有变化的观察方向、变化的视野或变化的对比度。图像检测能够自动地或通过对用于重新检测的建议的用户确认进行。所确定的采集参数PAR ACQU也能够通过手术人员来调整。所述方法途径的目标是，提供一种透视图像MODU，所述透视图像通过与参考图像REF叠加的方式，与当前的透视图像DU相比，更适合于所描述的修正或能够完全避免修正。与步骤S221或S12类似地，在步骤S222中，修改后的透视图像MODU也经受分区，并且随后在步骤S232中为了生成修改后的叠合图像MODSUP而与参考图像REF叠加。在步骤S242和S252中与步骤S241和S251类似地进行：确定表征修改后的偏差程度的至少一个参数PAR MODABW以及向手术人员显示所确定的修改后的偏差程度MODABW，在此现在仅涉及修改后的叠合图像SODSUP。如果重新的检查表明：修改后的偏差程度MODABW或表征修改后的偏差程度的至少一个参数PAR MODABW仍然高于预定的第二阈值S2，那么能够在步骤S26至S252的重复循环(虚线箭头)的过程中推导出其他变化的采集参数PAR ACQU以检测其他修改后的透视图像MODU，直至低于第二阈值S2。重复循环也能够在用户侧中断，只要所显示的修改后的叠合图像MODSUP的叠加质量是足够的。
图4示出在一个实施例中的根据本发明的医学成像设备1。在此其是单平面的血管造影的X射线***1，其呈C形臂X射线机的形式，具有由呈六轴的弯曲臂机器人形式的支架保持的C形臂2，在所述C形臂的端部上安装有X射线源和X射线图像探测器4，所述X射线源例如具有X射线管和准直仪的X射线发射器3。根据本发明的血管造影的X射线***1尤其可围绕在X射线图像探测器4的C形臂平面中的旋转中心和旋转轴线转动。代替支架，血管造影的X射线***也能够具有正常的顶置式或底置式的、用于C形臂2的支撑装置或移动式地构成。在X射线发射器3的光路中，待检查的患者6作为检查对象位于检查床5上。医学成像设备1在本实施方案中包括呈计算机形式的计算单元7。计算单元7原则上构成用于接收和处理借助于X射线图像探测器4检测的图像信号，例如当前的或修改后的透视图像DU、MODU。经处理的X射线图像，例如(经修正的/修改后的)叠合图像SUP、KORSUP、MODSUP随后能够在监视器信号灯9的显示器上被观察。计算单元7能够替选地构成为独立的计算单元。计算单元7还与输出单元48和输入单元50进行数据通信。输出单元48例如用于用图形向手术人员显示用于推导出的采集参数PAR ACQU的选择选项或修正操作。输入单元50例如用于由手术人员选择和/或确认推导出的采集参数PAR ACQU或修正操作。输出单元48例如能够是LCD、等离子体或OLED屏幕。其还能够是触敏屏幕，所述触敏屏幕也构成为输入单元50。输入单元50例如是键盘、鼠标、所谓的“触屏”或也是用于语音输入的麦克风。输入单元50也能够设计用于识别用户的运动并且转换为相应的指令。
计算单元7也与X射线图像探测器4和X射线发射器3连接以进行数据交换。例如能够是关于推导出的采集参数PAR ACQU的控制信号，应当借助于所述控制信号检测修改后的透视图像MODU。数据连接分别以已知的方式有线连接地或无线地实现。
计算单元7包括图像处理单元8，所述图像处理单元设计用于，分析X射线图像，尤其参考图像REF和/或透视图像DU、MODU并且将所包含的结构，例如血管和/或医学器械分区。图像处理单元8还设计用于，通过适当地配准参考图像REF和透视图像DU、MODU，生成叠合图像SUP、KORSUP、MODSUP。图像处理单元8还构成用于，由叠合图像SUP、KORSUP、MODSUP确定表征偏差程度的参数PAR ABW、PAR KORABW、PAR MODABW并且由此推导出用于生成经修正的叠合图像KORSUP的修正操作，并且如果需要，基于所确定的参数PAR ABW推导出采集参数PAR ACQU。为此，图像处理单元8也设计用于，将表征偏差程度的参数PAR ABW与预定的阈值S1、S2或公差范围比较。阈值S1、S2例如能够在同样由计算单元7包括的存储器60中保存以进行自动地调取。所述阈值尤其能够与所执行的医学干预或感兴趣的身体区域相关并且也由手术人员个体地调整。
计算单元7能够与计算机可读的数据载体共同作用，尤其以便通过具有程序代码的计算机程序执行根据本发明的方法。此外，计算机程序能够以可调取的形式存储在机器可读的载体上。尤其地，机器可读的载体能够是CD、DVD、蓝光碟、记忆卡或硬盘。计算单元7能够以硬件或软件的形式构成。例如，计算单元7构成为所谓的FPGA(英语的：“现场可编程门阵列(Field Programmable Gate Array)”的缩写)或包括算术逻辑单元。
在这里示出的实例中，在控制单元7的存储器60中存储有至少一个计算机程序，如果计算机程序在计算机上运行，那么所述计算机程序执行根据本发明的方法的所有方法步骤。用于实施根据本发明的方法的方法步骤的计算机程序包括程序代码。此外，计算机程序能够构成为可执行文件和/或在另一计算***上。例如，医学成像设备能够构成为，使得计算单元7将用于实施根据本发明的方法的计算机程序经由内联网或经由互联网加载到其内部的工作存储器中。
图5和图6分别示出根据本发明的一个实施例的叠合图像SUP。所观察的对象在此也是血管。可识别的分别是血管的分区的中心线CL、椭圆近似的血管环周U、血管的根据参考图像ERF的外轮廓AKREF和根据透视图像DU/MODU的外轮廓AKDU/AKMODU、不同的导丝F、椭圆近似的分支血管/血管分枝ABZW(及其中心线)等。尤其地，也可识别已经引入的支架移植物在血管中的方位(压缩的波状线＝支架移植物的丝网)。在图5中，导丝F基本***地穿过血管分枝ABZW伸展。此外，血管外轮廓AKREF和AKDU全等地伸展。总的来说，偏差程度位于可接受的第一公差范围之内。作为与叠合图像的叠加，以信号灯形式进行显示ANZ，所述信号灯在此设置为“绿色”(上方的阴影线方框)。不需要其他修正步骤。在图5中示出的叠合图像可以是“简单的”、经修正的或修改后的叠合图像SUP、MODSUP、KORSUP。在图6中，导丝F与血管分枝ABZW的中心线明显错开地伸展。此外，血管外轮廓AKREF和AKDU彼此间明显错开地伸展。总的来说，偏差程度位于第一公差范围之外，然而还位于第二公差范围之内。换言之，利用修正法，所述叠加还是可用的。作为与叠合图像的叠加，以信号灯形式进行显示ANZ，所述信号灯在此设置为“黄色”(中间的阴影线方框)。修正步骤是必要的。所述修正步骤能够如上文所描述自动地或半自动地执行。
在其他(未示出的)情况下，在叠合图像中所确定的偏差可能位于第二公差范围之外。在此情况下，作为与叠合图像的叠加，以信号灯形式进行显示ANZ，所述信号灯在此设置为“红色”(下部的阴影线方框)。如在上文中所描述那样能够建议检测新的、修改后的透视图像。
即使未被详尽说明然而有意义的并且按照本发明，各个实施例、其各个子方面或特征能够彼此组合或被替换，而不脱离本发明的保护范围。本发明的参照实施例所描述的优点在没有详尽提到的情况下，也可转用于其他实施例。

Claims (12)

1.一种用于对检查对象(6)的感兴趣的身体区域的叠合图像(SUP，MODSUP，KORSUP)进行自动检查的方法，所述方法包括下述步骤：
-确定(S11，S21，S31)对象在参考图像(REF)中的至少一个参考位置(AKREF，U，CL，ABZW)；
-确定(S12，S221，S222，S32)所述对象在当前的透视图像(DU，MODU)中的当前位置(AKDU)；
-通过将所述当前的透视图像和所述参考图像叠加，生成(S13，S231，S232，S33)所述叠合图像；
-确定(S14，S241，S242，S341，S342)至少一个参数(PAR ABW，PAR KORABW，PARMODABW)，所述参数表征所述对象在所述叠合图像中的参考位置和当前位置之间的偏差程度(ABW，KORABW，MODABW)；
-向用户显示(S15，S251，S252，S351，S352)所述偏差程度。
2.根据权利要求1所述的方法，其中准实时地实施下述步骤：
-确定所述对象在所述当前的透视图像中的当前位置；
-通过将所述当前的透视图像和所述参考图像叠加，生成所述叠合图像；
-确定至少一个参数，所述参数表征所述对象在所述叠合图像中的参考位置和当前位置之间的偏差程度；以及
-向用户显示所述偏差程度。
3.根据权利要求1或2所述的方法，其中确定所述对象的当前位置包括：将位于血管中的器械、内假体、所述对象的外轮廓和/或体积分区。
4.根据权利要求3所述的方法，其中利用神经网络或借助于模板匹配技术进行所述分区。
5.根据上述权利要求中任一项所述的方法，其中连续地(i)针对多个彼此跟随的透视图像(DUi)执行下述步骤：
-确定所述对象在所述当前的透视图像中的当前位置；
-通过将所述当前的透视图像和所述参考图像叠加，生成所述叠合图像；
-确定至少一个参数，所述参数表征所述对象在所述叠合图像中的参考位置和当前位置之间的偏差程度；
-向用户显示所述偏差程度。
6.根据权利要求5所述的方法，其中对于确定表征所述偏差程度的所述参数，考虑对出自至少一个之前分析的透视图像(DUi-1)的分区结构的预先了解。
7.根据上述权利要求中任一项所述的方法，所述方法还包括：
-如果表征所述偏差程度的所述参数超过预定的阈值(S2)，那么基于表征所述偏差程度的所述参数推导(S26)用于医学成像设备(1)的至少一个采集参数(PAR ACQU)；
-利用所述采集参数来检测(S27)修改后的透视图像(MODU)；
-确定(S222)所述对象在所述修改后的透视图像中的当前位置；
-通过将所述修改后的透视图像和所述参考图像叠加，生成(S231)修改后的叠合图像(MODU)；
-确定(S242)至少一个参数(PAR MODABW)，所述参数表征所述对象在所述叠合图像中的参考位置和当前位置之间的修改后的偏差程度；
-向用户显示(S252)所述修改后的偏差程度(MODABW)。
8.根据上述权利要求中任一项所述的方法，所述方法还包括
-基于表征所述对象的参考位置和当前位置之间的偏差程度的所述参数，自动地生成(S36)经修正的叠合图像(KORSUP)；
-确定(S342)至少一个参数(PAR KORABW)，所述参数表征所述对象在所述经修正的叠合图像中的参考位置和当前位置之间的经修正的偏差程度；以及
-向用户显示(S352)所述经修正的偏差程度(KOR ABW)。
9.一种用于对检查对象(6)的感兴趣的身体区域的叠合图像(SUP，KORSUP，MODSUP)进行自动检查的计算单元(7)，所述计算单元具有用于执行根据权利要求1至8中任一项所述的方法的机构(60，8)。
10.根据权利要求9所述的计算单元，所述计算单元与医学成像设备(1)连接，使得能够传输关于经修正的采集参数(PAR ACQU)或当前的和/或修改后的透视图像(DU/MODU)的控制信号。
11.一种呈C形臂X射线仪器形式的医学成像设备(1)，其包括根据权利要求9或10所述的计算单元(7)。
12.一种具有计算机程序的程序代码的计算机可读的数据载体，其用于当所述计算机程序在计算机上运行时，执行根据权利要求1至8中任一项所述的方法。
CN201910384686.1A 2018-05-09 2019-05-09 自动检查叠合图像的方法，计算单元和医学成像设备 Active CN110490835B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18171646.5A EP3567598A1 (de) 2018-05-09 2018-05-09 Prüfung eines interventionellen superpositionsbildes
EP18171646.5 2018-05-09

Publications (2)

Publication Number Publication Date
CN110490835A CN110490835A (zh) 2019-11-22
CN110490835B true CN110490835B (zh) 2023-08-11

Family

ID=62148258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910384686.1A Active CN110490835B (zh) 2018-05-09 2019-05-09 自动检查叠合图像的方法，计算单元和医学成像设备

Country Status (3)

Country Link
US (1) US10929975B2 (zh)
EP (1) EP3567598A1 (zh)
CN (1) CN110490835B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3567598A1 (de) * 2018-05-09 2019-11-13 Siemens Healthcare GmbH Prüfung eines interventionellen superpositionsbildes
CN111124233B (zh) * 2019-12-27 2021-01-19 杭州依图医疗技术有限公司 医学影像的显示方法、交互方法及存储介质
CN113689367A (zh) * 2020-05-18 2021-11-23 西门子(深圳)磁共振有限公司 介入治疗中的图像呈现方法及***、成像***及存储介质
CN113679402B (zh) * 2020-05-18 2024-05-24 西门子(深圳)磁共振有限公司 介入治疗中的图像呈现方法及***、成像***和存储介质
CN112507956B (zh) * 2020-12-21 2024-06-28 阿波罗智联(北京)科技有限公司 信号灯识别方法、装置、电子设备、路侧设备和云控平台
CN118056223A (zh) * 2021-09-29 2024-05-17 博医来股份公司 自动聚焦
DE102021213995A1 (de) 2021-12-08 2023-06-15 Siemens Healthcare Gmbh Bereitstellen eines Ergebnisdatensatzes
CN115294426B (zh) * 2022-10-08 2022-12-06 深圳市益心达医学新技术有限公司 介入医学设备的跟踪方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009044321A2 (en) * 2007-10-01 2009-04-09 Koninklijke Philips Electronics N.V. Detection and tracking of interventional tools
CN107019522A (zh) * 2015-12-04 2017-08-08 西门子保健有限责任公司 对操作者提供图像支持的方法、x射线装置和计算机程序

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1685535B1 (en) * 2003-08-21 2014-04-30 Philips Intellectual Property & Standards GmbH Device and method for combining two images
DE102010012621A1 (de) 2010-03-24 2011-09-29 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur automatischen Adaption eines Referenzbildes
EP3567598A1 (de) * 2018-05-09 2019-11-13 Siemens Healthcare GmbH Prüfung eines interventionellen superpositionsbildes

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009044321A2 (en) * 2007-10-01 2009-04-09 Koninklijke Philips Electronics N.V. Detection and tracking of interventional tools
CN107019522A (zh) * 2015-12-04 2017-08-08 西门子保健有限责任公司 对操作者提供图像支持的方法、x射线装置和计算机程序

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
X光图像自动增强拼接技术的研究和实现;罗香等;《中国医学物理学杂志》;20090715(第04期);全文 *

Also Published As

Publication number Publication date
US20190347793A1 (en) 2019-11-14
CN110490835A (zh) 2019-11-22
EP3567598A1 (de) 2019-11-13
US10929975B2 (en) 2021-02-23

Similar Documents

Publication Publication Date Title
CN110490835B (zh) 自动检查叠合图像的方法，计算单元和医学成像设备
JP7093801B2 (ja) 手術中の位置調整および誘導を容易にするシステム
US11801114B2 (en) Augmented reality display for vascular and other interventions, compensation for cardiac and respiratory motion
JP6797200B2 (ja) 血管構造内で血管内器具を誘導する助けとなるためのシステム及び同システムの作動方法
US20200405180A1 (en) System And Process Of Utilizing Image Data To Place A Member
US7650179B2 (en) Computerized workflow method for stent planning and stenting procedure
CN107174263B (zh) 用于采集和处理检查对象的图像数据的方法
US9622831B2 (en) Method and apparatus to provide updated patient images during robotic surgery
EP2925216B1 (en) Stenosis therapy planning
CN110248603A (zh) 3d超声和计算机断层摄影结合用于引导介入医疗规程
WO2012158585A2 (en) Surgical assistance planning method using lung motion analysis
US20070038070A1 (en) Determining patient-related information on the position and orientation of MR images by the individualisation of a body model
CN107809955A (zh) 经由感兴趣界标的自动检测在x射线成像中进行实时准直和roi过滤器定位
KR101703564B1 (ko) 혈관 정보를 포함하는 의료 영상을 디스플레이하는 장치 및 방법
CN114140374A (zh) 提供合成造影场景
JP2019162451A (ja) 自動的な動き検出
US11657519B2 (en) Method for deformation correction
CN107773261A (zh) 带有重叠的计划信息的x光拍摄
US11900620B2 (en) Method and system for registering images containing anatomical structures
CN115089294B (zh) 介入手术导航的方法
CN112102225B (zh) 配准装置、用于配准的方法和计算机可读的存储介质
US10376335B2 (en) Method and apparatus to provide updated patient images during robotic surgery

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant