CN110717877A - 针对路线图方法确定加权的方法、数据存储器和成像设备 - Google Patents
针对路线图方法确定加权的方法、数据存储器和成像设备 Download PDFInfo
- Publication number
- CN110717877A CN110717877A CN201910623821.3A CN201910623821A CN110717877A CN 110717877 A CN110717877 A CN 110717877A CN 201910623821 A CN201910623821 A CN 201910623821A CN 110717877 A CN110717877 A CN 110717877A
- Authority
- CN
- China
- Prior art keywords
- image
- weighted
- region
- anatomical
- instrument
- 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
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000003384 imaging method Methods 0.000 title claims abstract description 52
- 238000013500 data storage Methods 0.000 title description 2
- 230000006870 function Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims abstract description 18
- 230000003247 decreasing effect Effects 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims description 27
- 238000012886 linear function Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 abstract description 2
- 230000001419 dependent effect Effects 0.000 abstract 1
- 210000004204 blood vessel Anatomy 0.000 description 22
- 230000036961 partial effect Effects 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 11
- 239000002872 contrast media Substances 0.000 description 8
- 230000003628 erosive effect Effects 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002594 fluoroscopy Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000010859 live-cell imaging Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002697 interventional radiology Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- 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
- G06T2207/30—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
- G06T2207/30021—Catheter; Guide wire
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Robotics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种针对路线图方法自动确定加权的方法(1)、相应的计算机程序、具有这种计算机程序的相应的数据存储器和相应的用于自动执行方法(1)的成像设备。在方法(1)中,由解剖图像(2)和对象图像(6)产生第一和第二加权图像。为此,对属于预先给定的解剖特征(3)或者器械(7)的像素分配预先给定的第一加权值。随着解剖特征(3)或者器械(7)与相应的拍摄区域(4)的边缘(R)的距离的增加,根据预先给定的单调递减函数,对其余的像素分配与位置相关地变小的加权值。提供通过相互合成第一和第二加权图像产生的总加权图像(10)和/或根据总加权图像(10)确定的关注区域(11),作为针对图像处理算法的输入数据。
Description
技术领域
本发明涉及一种用于自动确定针对路线图方法(Roadmap-Verfahren)的加权的方法、相应的计算机程序、具有这种计算机程序的数据存储器和相应的用于路线图方法的成像设备。本发明尤其适合结合医学成像应用,然而原则上也可以在其它领域、例如工业领域中使用。
背景技术
路线图方法或者路线图模式在医学成像中、尤其是在介入放射中是本身已知的方法。通常涉及将两个减影图像叠加的双减影方法。在荧光透视中,例如首先可以产生血管图像、即血管或者血管树的图像,作为第一减影图像,方法是,从在造影剂注射之后拍摄的造影剂图像中,减去之前拍摄的掩模图像。可以产生所谓的设备图像(Device-Bild),作为减影图像中的第二减影图像,方法是,从在相应的介入期间拍摄的现场图像(Live-Bild)中,减去在引入相应的医学对象之前拍摄的掩模图像。因此,理想地,第一减影图像在这种情况下仅包含血管,而设备图像理想地仅示出相应的医学对象。然后,这些图像的叠加可以在介入期间的现场成像中用作导航辅助,以例如避免多次造影剂注射和附加的拍摄,其伴随着最终不必要的针对相应的患者的附加的辐射和造影剂负荷。
然而,在实践中,两个减影图像的叠加可能是有问题的,因为例如患者和/或所使用的成像设备的运动可能使图像的配准变得困难,并且可能在叠加或者相应的叠加图像(也称为路线图图像)中导致运动伪影。这种运动伪影和/或错误配准可能使可识别性和图像评估明显变得困难。
迄今为止使用的解决方案是使用所谓的像素移位算法,其以基于图像的方式尝试将两个减影图像相互配准,并且确定与之相应的运动矢量,必须根据运动矢量移动两个图像中的一个来进行补偿运动,以实现准确的配准或者叠加。然而,当例如对相对大的区域进行成像,在图像的不同的部分区域中出现不同的运动,和/或也称为关注区域(RoI,英语:“Region of Interest”)的相关的工作和图像区域在介入期间移动时,这种方法达到其极限。在此,利用目前已知的方法和设备,通常不能实现令人满意的性能,和/或对工作流程(Workflow)产生负面影响,因为例如相应的人员必须在介入期间手动调整相应的设置。
发明内容
本发明要解决的技术问题在于,使得能够对路线图方法进行改善。根据本发明,上述技术问题通过本发明的主题来解决。在说明书和附图中给出本发明的有利的设计方案和扩展方案。
根据本发明的方法用于针对路线图方法,自动确定针对借助成像设备获得的目标对象的图像的加权。目标对象尤其是可以是借助成像设备成像的患者或者患者的部分区域。然而,本方法例如同样可以应用于最终可以利用相应的成像设备或者相应地使用的成像模态成像的任意的对象。成像设备优选可以是X射线设备、例如C形臂设备。如果可以使用路线图模式,则同样可以使用其它成像设备或者成像模态。
在根据本发明的方法中,首先,提供目标对象的解剖图像,解剖图像对目标对象的预先给定的分割的解剖特征进行显示或者成像。解剖图像尤其是可以是减影图像、例如开头已经提到的血管图像。在这种情况下,于是例如相应的血管或者相应的血管树是解剖特征。解剖特征的预先给定例如已经可以如下进行,即,成像设备相应地被对准并且配置为对该解剖特性进行成像。但是同样可以通过用户进行特殊的选择或者标记。在根据本发明的方法的另一个方法步骤中,提供对象图像,对象图像显示目标对象的区域中、即成像设备的相应的拍摄区域中的分割的器械、设备、对象或者工具(Device),其中,对象图像或者针对对象图像的拍摄区域至少基本上对应于解剖图像的拍摄区域,即为了进行拍摄而使用或者设置的成像设备的拍摄区域。也就是说,在这种意义上,拍摄区域意为通过相应的图像成像或者显示的患者或者目标对象的片段。换言之,也就是说,对象图像和解剖图像的拍摄区域或者图像片段完全或者至少基本上完全重合或者重叠。也称为器械图像的对象图像尤其是可以是开头已经提到的设备图像。也就是说,对象图像尤其是同样可以是减影图像。也就是说,可以在相同或者至少基本上相同的拍摄条件下,尤其是在此期间成像设备不运动或者移动的情况下,拍摄用于产生解剖图像和对象图像的单个图像(Einzelbild),即例如相应的掩模图像、造影剂图像和目标对象的检查图像或者现场图像,以确保相应地存在、即使用相同的拍摄区域、即图像片段或者对其进行成像。也就是说,拍摄区域对应于成像的空间区域或者目标对象的部分区域。
提供解剖图像和对象图像可以意为或者包括产生解剖图像和对象图像。这种提供同样可以包括采集或者拍摄用于产生解剖图像和/或对象图像的相应的图像、尤其是X射线图像。替换地,提供可以意为,提供相应的数据存储器,并且通过成像设备或者被配置为用于执行本方法的装置从数据存储器中调取所提到的图像中的一些或者全部。
在对象图像中显示的器械例如可以是导线、导管、支架、探头、内窥镜、不透射线的粘合剂、螺钉、卡箍和/或类似装置。最后,本发明的意义上的器械可以是几乎任意的用于影响目标对象的物体、尤其是人造物体,可以通过成像设备或者相应地使用的成像模态对该物体进行成像。
在根据本发明的方法的另一个方法步骤中,根据解剖图像产生第一加权图像,并且根据对象图像产生第二加权图像。为了产生第一加权图像,对属于解剖特征的像素或者图像区域分配或者分派预先给定的第一加权值、例如1或者100%。对不属于解剖特征的拍摄区域的边缘处的像素或者图像区域分配或者分派与第一加权值相比更小的预先给定的第二加权值、例如0或者0%。根据预先给定的单调递减函数,与拍摄区域或者解剖图像中的相应的像素或者图像区域的位置有关地,对位于这些像素或者图像区域之间、即解剖特征与拍摄区域的边缘之间的像素或者图像区域,分别分配或者分派位于第一和第二加权值之间的加权值。类似地,为了产生第二加权图像,对属于器械的像素或者图像区域,分配预先给定的第一加权值或者其它的预先给定的第一加权值,并且对不属于器械的拍摄区域的边缘处的像素或者图像区域,分配或者分派该或者一个与第一加权值相比更小的预先给定的第二加权值。根据该或者一个预先给定的单调递减函数,与拍摄区域中或者对象图像中的相应的像素或者图像区域的位置有关地,对处于它们之间、即器械与拍摄区域的边缘之间的像素,分别分配或者分派处于第一和第二加权值之间的加权值。
也就是说,处于边缘与解剖特征之间或者边缘与器械之间的像素或者图像区域越靠近解剖特征或者器械,则该像素或者图像区域可以具有越高或者越大的加权值,而该像素或者图像区域越靠近边缘,则其相应地具有越小或者越低的加权值。对边缘与解剖特征或者器械之间的像素或者图像区域分配的加权值可以包括预先给定的第二加权值,但是优选应当与预先给定的第一加权值不同。由此可以确保,属于解剖特征或器械或者与解剖特征或器械相关联的像素或图像区域始终具有最大的权重,即被最大地加权。
对于第一和第二加权图像,第一加权值和第二加权值以及预先给定的函数可以相同,以改善一致性和可追溯性,并且使所述方法的开销最小。然而,原则上,对于第一和第二加权图像,同样可以使用不同的第一加权值、第二加权值和/或函数。例如当解剖图像和对象图像具有明显不同的图像质量或者图像特性,例如不一样强的噪声、不同的对比度、不同的锐度和/或类似的特性时,这可以是有利的。在这种情况下,通过个体化地调整的加权值和/或个体化地调整的针对加权或者加权值的曲线的预先给定的函数,最后可以实现由对象图像和解剖图像产生的得到的叠加图像或者路线图图像的改善的图像质量。
也就是说,第一和第二加权图像可以具有与解剖图像或者对象图像相同的维度,其中,加权图像的每个像素与解剖图像或者对象图像的相应的像素相关联,因此其与相应的加权值相关联。
在根据本发明的方法的另一个方法步骤中,通过将第一加权图像和第二加权图像相互合成,产生总加权图像。可以通过将两个加权图像叠加、尤其是通过将两个加权图像相加来进行这种合成。也就是说,总加权图像给出两个加权图像的加权或者加权曲线的合成或者总和。优选可以将总加权图像或者其加权值归一化到1,从而也就是说,在总加权图像中或者通过总加权图像最强地加权的像素或者图像区域具有加权值1。这可以有利地简化进一步处理,并且使产生的结果的可追溯性或者解释变得容易,并且必要时有助于错误率的降低。因此,也就是说,在加权图像中,属于解剖特征和器械的像素或者图像区域可以具有加权值1,不属于解剖特征或者器械的拍摄区域的边缘处的像素或者处于相应的加权图像的边缘处的像素或者图像区域可以具有加权值0,并且位于它们之间的像素或者图像区域依据其位置具有位于0和1之间的加权值。
在根据本发明的方法的另一个方法步骤中,提供、即例如传输总加权图像和/或根据总加权图像确定的解剖图像和/或对象图像或者拍摄区域的关注区域,作为用于或者针对图像处理算法的输入数据。图像处理算法可以依据这些输入数据进一步处理解剖图像和/或对象图像,例如将其相互叠加,以产生路线图图像。图像处理算法例如同样可以进行分割、特征或者特性检测等,其中,有利地通过使用或者考虑总加权图像,即通过其中给出的针对每个像素或者图像区域的加权,进行相应的优先。由此,例如对于具有更高的加权值的像素或者图像区域,可以使用更多的计算时间或者计算开销。如果图像处理算法例如不能在相应的操作中,在整个拍摄区域上、即在相应的整个图像面上,实现或者确保相同的精度或者准确性,则因此对此,可以将具有更高的加权值的像素或者图像区域、尤其是具有加权值1的像素或者图像区域优先。也就是说,因此,可以通过总加权图像预先给定或者表示如下条件,即,对于具有加权值1或者位于预先给定的阈值以上的加权值的像素或者图像区域,始终实现可实现的最好的结果,必要时以具有更低的加权值的像素或者图像区域中的质量、精度或者准确性为代价。
根据本发明的方法基于如下假设,即,对于相应的用户或者在相应的应用中,属于预先给定的解剖特征和属于器械的图像区域是最重要或者最相关的。通过尤其是通过总加权图像对这些图像区域自动进行最强的加权,然后可以通过图像处理算法将这些图像区域优先。也就是说,其结果是,于是在这些图像区域中得到可实现的最好的精度或者图像质量,尤其是当其不能在整个拍摄区域上均匀地实现时。如所描述的,后者可能是这种情况,例如当在拍摄区域的不同的部分区域中出现目标对象的不同的运动(例如可能由于成像的生物组织的灵活性而发生)时。
通过自动产生总加权图像,也可以自动确定关注区域,在最简单的情况下例如通过阈值方法自动确定关注区域。因此,根据本发明的方法可以有利地改进路线图方法中的工作流程,因为例如不再需要人员或者用户在介入期间手动调整或者跟踪相应的关注区域。此外,总加权图像有利地使得在最相关的区域中、即在具有最高加权值的图像区域中始终能够实现最佳的结果,即例如实现最佳的图像质量或者精度,尤其是即使当例如不能提供足够的计算功率和/或时间,用于以相同的精度、即以相同的计算开销处理整个拍摄区域时。因此,也就是说,例如通过依据可使用的计算功率和/或时间特别简单地设置或者预先给定加权值的阈值,可以设置图像处理算法在什么程度上考虑或者处理例如加权值位于阈值以下的不太相关的图像区域。
虽然在此没有详细地描述这一点,但是解剖图像和对象图像可以以本身已知的方式自动产生,例如通过应用用于自动分割解剖特征或者器械的自动分割算法来产生。
也就是说,本方法可以以完全自动化的方式作为对借助成像设备获得的图像的进一步处理的预备阶段来应用或者使用。
在本发明的一个有利的设计方案中,解剖图像中和对象图像中的关注区域被确定为其如下相应的图像区域,这些图像区域对应于加权值大于预先给定的权重阈值的总加权图像的像素或者图像区域。因为属于解剖特征和器械的图像区域总是自动具有最高的加权值,因此自动确保解剖特征和器械位于关注区域(RoI)内。因此有利地不再需要手动预先给定或者跟踪关注区域。由此,工作流程(Workflow)可以得到简化、即改进。也可以避免用户手动预先给定关注区域或者要作为关注区域处理的图像区域,因此可以将手动预先给定作为错误源排除。这是特别有利的,因为已经证明这种预先给定经常是易受干扰的。与此相对,在本方法中,可以在介入之前或者在介入开始时一次性地预先给定权重阈值,然后在介入期间不再需要进行改变或者调整,但是其中,仍然可以在介入期间自动更新或者跟踪关注区域。因为根据本方法自动确定的关注区域始终自动包括相应地使用的器械,所以根据本方法确定的关注区域也称为介入关注区域(IRoI,英语:“Interventional Region ofInterest”)。
这里应当强调,本发明不包括或者要求保护介入本身或者相应的外科手术。相反,通过称谓“介入”仅表达可以有利地在这种介入期间应用根据本发明的方法。也就是说,根据本发明的方法可以理解为用于运行成像设备或者相应的用于处理所提到的图像或者相应的图像数据的数据处理装置的方法。
在本发明的另一个有利的设计方案中,图像处理算法是像素移位算法(Pixelshiftalgorithmus),像素移位算法将对象图像与解剖图像配准,以进行叠加,并且为此在考虑总加权图像的情况下,完全或者局部地补偿解剖图像和对象图像或者相应的用于产生解剖图像和对象图像的图像的相应的采集时间点之间的目标对象和/或成像设备的运动。然后,在此,相对于具有更低的加权值的其它图像区域,将通过总加权图像分配了更高的加权值、即更高的权重的图像区域优先。也就是说,如果不能在所有图像区域中同时补偿运动,则优选针对具有最高或者相应地相对更高的加权值的图像区域补偿运动。在此,这种意义上的运动尤其是目标对象与成像设备之间的相对运动,其中,目标对象可能作为整体或者仅在一个或多个部分区域中运动。
因此,像素移位算法根据对象图像和解剖图像产生路线图图像,在路线图图像中对象图像和解剖图像叠加或者混合,从而路线图图像不仅显示解剖特征,而且显示相对于解剖特征正确地、即尽可能准确地对应于现实地定位的器械。
如果没有发生运动,或者目标对象均匀地作为整体相对于成像设备运动,则通过本方法产生的路线图图像对应于利用常规方法也可以实现的结果。然而,在实践中,经常存在不同的运动或者运动分量,其不是全局的,即未在整个拍摄区域中出现,而是局部的,即仅在拍摄区域的部分区域中出现。在这些情况下,通常不能在整个拍摄区域上以相同的精度执行配准。常规方法于是可以使得在整个拍摄区域上实现或者设置次优的平均配准或者叠加精度,或者例如在与相应的介入不相关的区域中实现或者设置最好的配准或者叠加精度。相反,在本方法中,总加权图像对像素移位算法预先给定考虑用于配准的各个像素或者图像区域的程度。
总之,也就是说,本方法使得能够自动计算总加权图像和介入关注区域,因此在复杂的局部运动的情况下,针对配准的补偿问题或者配准问题,提供实用的与临床相关的解决方案,其中,尤其是在介入关注区域中,即针对具有最高加权值的图像区域,执行最有利的、即最好的或者最准确的配准和叠加。因此,在这些图像区域中得到最佳的图像质量,这是特别有利的,因为在此,相应的用户从最佳的配准或者叠加精度获益最多。为了实现这一点,根据总加权图像,可以忍受具有较低的加权值的图像区域中的相应地较大的错误配准或者不准确。但是总体上这仍然是一种优化或者改善,因为尤其是利用了这些图像区域对于相应的使用者或者对于相应的应用情况不相关或者不太相关的情况。因此,也自动考虑解剖图像中或者对象图像中的在解剖特征外部或者在器械外部存在的特征或者细节可能是图像伪影,图像伪影例如由于不准确或者有错误的分割或者由于目标对象在用于产生解剖图像或者对象图像的单个图像的相应的拍摄时间点之间的运动而产生。
在本发明的另一个有利的设计方案中,为了由解剖图像或者由对象图像产生第一和第二加权图像,首先产生相应的二进制图像。为此,对属于解剖特征或者属于器械的像素或者图像区域分配或者分派第一二进制值、例如1,并且对相应的其余像素或者图像区域分配或者分派第二二进制值、例如0。然后,对具有第一二进制值的像素或者图像区域相应地分配第一加权值。也就是说,因为与解剖图像和对象图像不同,这些二进制图像明显不太复杂或者可以不太复杂,所以因此可以减小随后的处理步骤的开销。为了产生二进制图像,例如可以预先给定分割阈值。也就是说,然后,将像素值、即亮度或者强度值例如在亨氏(Hounsfield)标度上位于分割阈值以上的像素或者图像区域,理解或者处理或者解释为属于解剖特征或者器械,或者与解剖特征或者器械相关联。也就是说,由此有利地提供另一种可能性,即,细化分割,即根据需求或要求或者例如根据图像质量,以特别简单的方式调整或者设置属于解剖特征或者器械的图像区域。
在本发明的另一个有利的设计方案中,确定相应的安全区域,安全区域与属于解剖特征或者器械的像素或者图像区域相邻,并且包围这些像素或者图像区域。然后,相应地对这些安全区域分配与属于解剖特征或者器械的像素或者图像区域相同的加权值,尤其是即第一加权值。换言之,也就是说,可以对相应的属于解剖特征或者器械的图像区域进行扩张或者扩展或增大。然后,位于安全区域中的像素被处理或者解释为属于解剖特征或者器械,即例如与解剖特征或者器械相关联。
优选相应的安全区域局部至少是解剖特征或者器械的相应的最近或者最大的直径的一半大。通过这些安全区域,可以有利地考虑解剖特征的移动以及形状和/或大小改变。也就是说,因此可以确保,当在介入期间发生这种改变时,解剖特征和器械也继续位于关注区域中,即移动或者改变后的解剖特征或者器械所在的图像区域继续可靠地具有最大的加权值、尤其是第一加权值。
在一个具体的示例中,解剖特征例如可以是血管,血管由于导入用作器械的导线或者导管而移动、伸展或者展开。然后,如果不紧接着拍摄可以用来识别新的情况的新的图像,和/或不紧接着重新计算关注区域,则在没有安全区域的情况下,解剖特征和/或器械可能移动到具有较低的加权值的区域中。这可以通过安全区域有利地避免。在此,同样可以执行其它图像处理或者图像加工步骤、例如其它形态学(morphologische)操作,即将其应用于解剖图像、对象图像和/或由解剖图像和对象图像产生的二进制图像和/或加权图像。例如优选可以执行侵蚀操作(Erosionsoperation),以便从相应地被具有另一个值的像素或者图像区域包围的、预先给定的最大数量的相邻的像素中,去除孤立的单个像素或者孤立的图像区域,即设置为相应地进行包围的像素或者图像区域的值。由此,相应的图像可以有利地平滑化,并且相应地实现简化并且特别一致的进一步处理。
在本发明的另一个有利的设计方案中,使用非线性函数、尤其是指数函数或者多项式函数,作为预先给定的单调递减函数。通过使用或者应用这种函数,加权值因此以非线性的方式从属于解剖特征或者器械的图像区域向拍摄区域的边缘减小。已经证明,由此总体上可以实现产生的路线图图像的改善或者优化的可识别性。特别有利地,可以使用连续非线性函数,因为由此,例如相对于阶跃函数或者跳变函数,对于观察者来说可以减小或者消除配准误差,这最终可以简化对所显示的图像内容的解释或者评估。
在本发明的另一个有利的设计方案中,产生并且提供多个对象图像的序列,并且不针对所有该多个对象图像,而是仅针对该多个对象图像中的根据预先给定的选择规则选择的对象图像,产生相应地更新的第一加权图像。尤其是可以设置为,仅针对多个对象图像中的每第n个对象图像,产生一个加权图像或者第一加权图像,其中,n给出了预先给定的数量。也就是说,如果预先给定n=3,则以所描述的方式,仅针对每第三个对象图像,产生一个加权图像或者相应的第一加权图像。由此,可以有利地节约计算开销或者计算资源,从而例如也可以利用功能较弱的硬件来执行所述方法。本发明的该设计方案基于如下认识,即,对象通常相对缓慢地运动,从而即使在没有重新产生更新的加权图像的情况下,由于两个直接连续的对象图像之间的改变而产生的错误配准或者相应的叠加误差,对于实际应用来说是可忽略的。
然而,优选可以设置为,在使用所述方法的该设计方案时,以所描述的方式,在器械周围设置安全区域,和/或自动以预先给定的因数增大根据总加权图像确定的关注区域。为了进一步进行简化,在此同样可以设置为,将关注区域确定为简单的几何形状或者具有简单的几何形状,例如确定为完全包围图像区域的圆形或者矩形,其中,然后可以对处于该圆中或者该矩形中的像素分配或者分派最大加权值或者第一加权值或者处于预先给定的阈值以上的加权值。也就是说,在这种情况下,不需要以简化的方式确定关注区域,从而其形状或者轮廓跟随属于解剖特征和器械的图像区域的形状或者轮廓。
在本发明的另一个有利的设计方案中,产生多个对象图像。然后,产生相应的差图像,其方法是,从该多个对象图像中的至少一个对象图像中,减去该多个对象图像中的相应地先前产生的对象图像。也就是说,在最简单的情况下,仅产生两个对象图像,例如在器械运动之前和之后。然后,相应地也仅产生唯一的差图像,其方法是,从最后产生的对象图像中减去首先产生的对象图像。然而,这种方式同样可以扩展到最终任意多个对象图像。然后,可以针对每个对象图像产生差图像,其方法是,减去先前拍摄的、尤其是紧接在之前拍摄的对象图像。然而,同样可以设置为,例如仅针对每第n个对象图像,产生相应的差图像。当器械在两个连续的对象图像的相应的拍摄时间点之间不运动或者仅不明显地运动时,这例如可能足够了。因此,一个差图像或者多个差图像理想地仅在如下图像区域中示出器械或者器械的部分区域,即,虽然在相应地稍后拍摄的对象图像中,器械位于该图像区域中,但是在被减去的、相应地稍早拍摄的对象图像中,器械不位于该图像区域中。
因此,差图像表示器械在所使用的两个对象图像的拍摄时间点之间的运动。然后,由一个差图像或者由多个差图像产生相应的差加权图像,其方法是,对差图像或者首先由其产生的二进制图像的属于器械的像素或者图像区域分配第一差加权值,并且对差图像或者二进制图像的其余图像区域分配第二差加权值。在此,第二差加权值小于第一差加权值。差加权值可以对应于第一和第二加权值,或者可以以其它方式预先给定。
然后,为了产生总加权图像,将第一和第二加权图像以及差加权图像相互合成。通过这种方式,形成具有最高加权值的区域的动态更新,使得器械最后运动进入的图像区域始终具有最大的加权值。当在介入期间,借助器械处理或者操纵不同的血管区域时,这例如可能出现并且是特别有利的。因此,通过所描述的方法,可以进一步细化关注区域,也就是说,关注区域可以更准确地匹配于相应的情况或者相应的需求。因此,可以实现或者确保,例如在产生的路线图图像中,始终在相应地当前借助器械对目标对象进行操纵的图像区域中,实现最佳的配准精度、即叠加精度。以这种方式,可以尽可能好地支持使用者。
在这种情况下,将加权图像和差加权图像合成优选也可以意为,以像素精度(pixelgenau)将加权图像和差加权图像或者其像素值、图像值或者加权值相加。优选可以将产生的总加权图像例如归一化到1。为了产生相应的差加权图像,同样可以使用预先给定的单调递减函数或者其它预先给定的函数。例如,为了产生第一和第二加权图像,可以使用连续指数函数或者多项式函数,而为了产生差加权图像,可以使用阶跃函数或者跳变函数。由此,一方面可以特别地强调器械当前所在或者器械最后运动进入的区域,而另一方面,通过用于第一和第二加权图像的函数的连续的曲线,可以同时避免路线图图像中的分散注意力的不连续,例如突然的移动或者剪切(Scherung)。
本发明的另一个方面是计算机程序或者计算机程序产品,计算机程序或者计算机程序产品对根据本发明的方法的至少一个实施方式的方法步骤进行编码或者表示这些方法步骤,并且被配置为用于加载到成像设备的控制设备的尤其是电子和/或电子可读的数据存储器中,以执行这些方法步骤。也就是说,根据本发明的计算机程序可以包括程序装置,用于当由控制设备执行根据本发明的计算机程序时,执行根据本发明的方法。
本发明的另一个方面是用于成像设备的控制设备的尤其是电子和/或电子可读的数据存储器或者数据载体。在根据本发明的数据存储器中存储有程序代码,程序代码包括根据本发明的计算机程序的至少一个实施方式。此外,在根据本发明的数据存储器中,尤其是可以作为程序代码的一部分,存储针对控制设备和/或成像设备的其它控制指令,或者对这些控制指令进行编码。也就是说,存储在根据本发明的数据存储器上的程序代码尤其是被设计并且被配置为用于,在成像设备的控制设备中使用数据存储器时,并且在由控制设备、尤其是由控制设备的微处理器和/或微控制器执行程序代码时,执行或者实现根据本发明的方法的至少一个实施方式。
本发明的另一个方面是用于路线图方法的成像设备。根据本发明的成像设备具有用于采集目标对象、尤其是患者的图像的采集装置,并且具有控制设备和根据本发明的数据存储器。控制设备在此被配置为用于处理所采集的图像。控制设备尤其是可以被配置为用于执行存储在数据存储器上的程序代码,并且为此包括相应的与数据存储器连接的处理器装置。也就是说,根据本发明的成像设备的控制设备尤其是可以是结合根据本发明的数据存储器和/或结合根据本发明的计算机程序提到的控制设备。相应地,根据本发明的成像设备尤其是可以是结合根据本发明的数据存储器、根据本发明的计算机程序和/或根据本发明的方法提到的成像设备。也就是说,相应地,根据本发明的成像设备可以具有结合本发明的其余方面提到的特性和/或部件中的一些或者全部。也就是说,优选根据本发明的成像设备可以是例如C形臂X射线设备。此外,根据本发明的成像设备可以具有其它部件或者构件,例如用于显示所描述的由解剖图像和对象图像产生的路线图图像的显示装置等。
迄今为止和下面给出的根据本发明的方法的特性和扩展方案以及相应的优点,同样可以分别转用于本发明的其它方面,即转用于根据本发明的计算机程序、根据本发明的数据存储器和/或根据本发明的成像设备,反之亦然。也就是说,本发明还包括根据本发明的方法、根据本发明的成像设备、根据本发明的计算机程序和根据本发明的数据存储器的具有如下设计方案的扩展方案,在此,为了避免不必要的冗余,没有明确地在相应的组合中或者针对本发明的每个方面单独描述这些设计方案。
附图说明
本发明的其它特征、细节和优点从下面对优选实施例的描述以及根据附图得到。在此:
图1示出了用于自动确定针对借助成像设备获得的目标对象的图像的加权的方法的示例性的示意性流程图;
图2示出了示意性的血管图像;
图3示出了示意性的对象图像;
图4示出了具有加权曲线的曲线图;
图5示出了示意性的总加权图像;
图6示出了由图2和图3中的图像的叠加得到的示意性的路线图图像。
具体实施方式
下面说明的实施例是本发明的优选实施方式。在这些实施例中,所描述的实施方式的部件分别是本发明的视为彼此独立的各个特征,这些特征也分别彼此独立地扩展本发明,因此也单独或者以与所示出的组合不同的组合视为本发明的组成部分。此外,也可以通过已经描述的本发明的特征中的其它特征来补充所描述的实施方式。
在附图中,相同、功能相同或者彼此相应的元素相应地用相同的附图标记表示。
图1示出了用于自动确定针对借助成像设备获得的方法的目标对象的图像的像素精度的加权的方法的示例性的示意性流程图1。该方法例如可以以计算机程序或者计算机程序产品的形式存在或者实现,然后可以存储在这里未详细示出的电子可读的数据载体上,必要时其具有存储在其上的其它电子可读的控制信息。然后,为了实施或者执行所述方法,可以通过成像设备的控制设备自动执行计算机程序。
下面,参考图2至图6说明所述方法。在此,针对透视X射线设备描述所述方法,但是不局限于此。
在方法步骤S1中,所述方法开始。在此,例如可以将目标对象、在此即要成像的患者定位在成像设备的患者床上。此外,在此,相应的用户可以进行或者输入预先给定,然后在所述方法的过程中考虑或者使用该预先给定。因此,例如可以预先给定或者确定要成像的患者的部分区域。
在此,作为目标对象,对在图2中以血管图像2示出的患者的血管3进行成像。为此,在方法步骤S2中,首先拍摄患者的预先给定的部分区域的掩模图像,其对应于通过血管图像2或者在血管图像2中成像的拍摄区域4。随后,将造影剂引入血管3中,随后拍摄血管3或者拍摄区域4的造影剂图像。然后,从造影剂图像中减去掩模图像,由此产生血管图像2,其方法是,然后仅仍然包含、即显示血管3。
在方法步骤S3中,由血管图像2产生第一加权图像。为此,在这种情境下考虑血管图像2本身,并且对血管图像2进行强度分析,以识别或者检测血管3。在此,为了进行这种强度分析,执行自动的基于阈值的分割,以识别属于血管3的血管图像2的像素或者图像区域,即对血管3进行成像或者显示。随后,通过相应的图像处理装置、例如成像设备的控制设备,将一些形态学操作应用于分割的血管图像2。在此,这些形态学操作包括扩张和侵蚀。借助侵蚀,使血管图像2平滑,并且界定属于血管3的连续的图像区域。
通过扩张,通过将该连续的区域均匀地放大血管3的最大直径的至少50%,来围绕实际的血管3或者显示血管3的实际的图像区域定义安全区域5。通过这种扩张,即通过放大或者扩大属于血管3的图像区域,可以考虑或者获取在介入期间出现的改变、例如由于导入器械7而出现的血管3的伸长(参见图3)。为了进行简化,现在,基于分割的血管图像2,在考虑安全区域5的情况下,产生第一二进制图像,其方法是,对安全区域5中的所有像素、包括对血管3进行成像的像素,分配第一二进制值1,并且对血管图像2或者拍摄区域4的所有其余的、即位于安全区域5之外的像素,分配第二二进制值0。因此,在二进制图像中,针对特定像素的值1给出该像素属于包括安全区域5的血管3。
随后,为了计算或者产生第一加权图像,对具有值1、即属于血管3、包括安全区域5的二进制图像的区域,设置第一加权值1。然后,根据预先给定的非线性函数、尤其是指数函数或者多项式函数,从安全区域5向拍摄区域4的外部边缘区域,依据拍摄区域4内的相应的位置,对位于它们之间的二进制图像的区域或者像素,分配相应的加权值。在此,选择预先给定的非线性函数,使得对位于拍摄区域4的边缘处的像素分配预先给定的第二加权值0。也就是说,根据预先给定的非线性函数,随着从安全区域5向拍摄区域4的边缘的距离的增大,继续或者外推加权值,直到在拍摄区域4的边缘处,加权值为0。由此,位于安全区域5外部的图像区域或者解剖区域,得到与包括血管3的安全区域5相比更弱的加权。也就是说,如此产生的第一加权图像对二进制图像的每个像素、因此也对血管图像2的每个相应的像素,分配针对进一步的方法的加权值。
在方法步骤S4中,产生在图3中示意性地示出的对象图像。为此,同样拍摄掩模图像。在器械7进入拍摄区域4中之后,在此借助X射线透视对拍摄区域4的检查图像或者现场图像进行拍摄。从该现场图像中减去掩模图像,以产生对象图像6,然后,在对象图像6中仅仍然包含、即显示器械。也就是说,对象图像6、通常也称为设备图像,一般通过将现场图像与先前拍摄的解剖掩模相减来形成。在此,理想地仅形成导入的器械7的图像。然而,在实践中,产生的对象图像6通常不清楚,而是具有其它不期望的元素或者伪影。这例如是减影伪影,其可能由于在现场图像和解剖掩模图像的相应的拍摄时间点之间目标对象(在此即血管3)与成像设备之间的相对运动,由于解剖结构、即血管3的形状的改变,由于改变的拍摄条件或者成像条件、即例如X射线参数,由于噪声和/或类似情况而产生。这些伪影使器械7的分割变得困难。尽管如此,仍然同样可以像先前的血管3一样,通过本身已知的基于阈值的自动分割方法来至少粗略地分割器械7,以确定对象图像6中的属于器械3的像素或者图像区域。在此,可以将最强的信号、即根据设计方案例如最大或者最小的强度值,代表性地解释为器械7。
有利地,为了分割对象图像6或者器械7,和/或为了分割血管图像2或者血管3,可以使用基于机器学习的分割方法。已经证明,与常见的阈值方法相比,这种方法明显更不敏感或者不太容易出错,常见的阈值方法在非最佳地选择的阈值的情况下可能产生有错误的分割。
如在血管图像2中,也对对象图像6应用相应的形态学操作、在此即至少侵蚀操作和扩张,以确定和界定属于器械7的连续的图像区域,使对象图像6平滑,并且定义相应的包围对象图像6中的器械7的安全区域5。然后,如结合血管图像2所描述的,将产生的中间结果图像转换为第二二进制图像,其中,对属于器械7或者位于安全区域5内的像素或者图像区域,分配第一二进制值1,并且对拍摄区域4中的位于安全区域5外部的像素,分配第二二进制值0。然后,在方法步骤S5中,在此也对具有二进制值1的像素或者图像区域分配第一加权值1,并且按照预先给定的非线性函数,根据像素在拍摄区域内的位置和像素与安全区域5的距离,对具有二进制值0的其余的像素,分配逐渐变小的加权值,直到最后在拍摄区域4的边缘处达到第二加权值0。原则上,在此,当然同样可以预先给定或者使用其它加权值,然而其中,应当确保与拍摄区域4的其余的像素或者部分区域或者图像区域相比,包括血管3或者器械7的安全区域5被更强地加权。
图4示出了曲线图,在该曲线图中,示例性且示意性地示出了在加权图像的一部分中的、即针对血管图像2和对象图像6的部分区域的加权值的曲线。在此,在x轴8上绘制了从血管3或者器械7的中心点出发,通过安全区域5与周围的图像区域之间的过渡点S,直到拍摄区域4的边缘R的位置。在y轴9上绘制了加权值。在此可看到,对位于安全区域5内、即与血管3或者器械7相关联的像素,分配了第一加权值1,并且从过渡点S直到拍摄区域4的边缘R,布置在那里的像素的加权值非线性地减小,直到在边缘R处达到第二加权值0。所示出的曲线在此应当理解为纯示例性和示意性的,因为同样可以选择其它函数,然而其原则上具有相同的结构。距离、大小和尺度比也应当仅理解为示意性的,因为例如血管图像2中的M、S和R之间的距离,可能与对象图像6中的相应的距离不同。
在方法步骤S6中,询问是否已经产生了、即可以获得先前产生的对象图像,即对象图像6的之前或者更老的迭代。如果是这种情况,则所述方法跟随路径P1到达方法步骤S7。在该方法步骤S7中,从相应的当前的对象图像6中,减去可以获得的之前的对象图像,以产生差图像。由此,与已经描述的加权图像类似地产生差加权图像,从而可以动态地考虑器械7在对象图像6的拍摄时间点或者产生时间点之间的运动。
如果不能获得这种更老的对象图像,则所述方法跟随路径P2直接到达方法步骤S8。
在方法步骤S8中,将由血管图像2和对象图像6产生的加权图像以及必要时差加权图像彼此相加,并且将产生的总图像归一化到1,以产生在图5中示例性并且示意性地示出的总加权图像10。然后,可以根据总加权图像10,例如借助阈值方法,确定介入关注区域11。在此,该介入关注区域11包括所有与血管3、器械7和相应的安全区域5相关联的像素,因此给出哪些图像区域对于相应的当前的应用情况是特别重要的。为了进行简化,也可以将总加权图像10转换为二进制图像。在其它情况下,总加权图像10具有与在图4中所示出的类似的加权值曲线。通过在总加权图像10中针对每个像素给出的总权重,即在考虑血管图像2和对象图像6的情况下的相应的像素的相应的总加权值,随后可以有利地不太强地考虑具有相对更低的权重、即与当前的应用具有相对更低的相关性的像素或者图像区域。
随后,将总加权图像10和介入关注区域11传输到像素移位算法。在方法步骤S9中,该像素移位算法通过在考虑总加权图像10或者介入关注区域11的情况下叠加血管图像2和对象图像6,产生在图6中示例性并且示意性地示出的路线图图像12。为此,为了进行运动补偿,像素移位算法移动血管图像2和/或对象图像6的各个部分区域,使得至少在介入关注区域11中,即在包含血管3和器械7的图像区域中,实现尽可能准确的配准和叠加,因为通过总加权图像10,对该图像区域分配了最大的加权值、即最大的权重或者最大的相关性。因此,所述方法基于如下假设或者认识,即,相应的用户或者使用者想要最好并且最准确地看到并且识别用户或者使用者利用器械7工作的图像区域,而错误配准、即叠加血管图像2和对象图像6时的局部相对运动在那里产生最大的干扰,因此应当优先进行校正,同时根据总加权图像10,不需要太考虑位于介入关注区域11外部的图像区域以及那里的局部配准或者叠加精度。也就是说,优先以特定于介入关注区域11的方式,进行对象图像6与血管图像2的配准。
在进一步的进程中,可以在方法步骤S10中,对拍摄区域4的另外的现场图像进行拍摄。然后,可以针对这些新拍摄的现场图像中的每个,创建相应的新的对象图像6。然后,对于这些相应地新创建的对象图像6中的每个,可以重新执行方法步骤S4或者S5至S9,以产生相应的更新的路线图图像12。也就是说,在现场成像期间,可以自动并且动态地更新第二加权图像,因此也更新总加权图像10,以便在整个介入或者应用期间,总是在相应的介入关注区域11中得到相应的路线图图像12的最好的图像质量。替换地并且为了节约计算资源,同样可以例如仅针对一定数量的现场图像或者对象图像6,例如针对每第n个图,执行该动态更新。
也就是说,通过所描述的方法,可以单独针对每个单个的应用情况自动定位相应的介入关注区域11,并且改善用于产生相应的路线图图像12的像素移位算法的性能。所述方法提供基于IRoI的加权掩模、即总加权图像10的自动计算,以便能够在2D路线图方法中实现用于运动补偿的针对性的像素移位。
Claims (11)
1.一种针对路线图方法自动确定针对借助成像设备获得的目标对象的图像(2、6)的加权的方法(1),具有如下方法步骤:
-提供解剖图像(2),所述解剖图像显示目标对象的预先给定的分割的解剖特征(3),
-提供对象图像(6),所述对象图像显示目标对象的区域中的分割的器械(7),其中,对象图像(6)的拍摄区域(4)至少基本上对应于解剖图像(2)的拍摄区域(4),
-由解剖图像(2)产生第一加权图像,并且由对象图像(6)产生第二加权图像,方式是,对属于解剖特征(3)的像素或者属于器械(7)的像素,分别分配预先给定的第一加权值,对拍摄区域(4)的边缘(R)处的、不属于解剖特征(3)或者不属于器械(7)的像素,分别分配与第一加权值相比更小的预先给定的第二加权值,并且根据预先给定的单调递减函数,依据拍摄区域(4)中的相应的像素的位置,分别对处于其之间的像素,分配处于第一和第二加权值之间的加权值,
-通过将第一和第二加权图像相互合成,产生总加权图像(10),以及
-提供总加权图像(10)和/或根据总加权图像(10)确定的关注区域(11),作为图像处理算法的输入数据。
2.根据权利要求1所述的方法(1),其特征在于,将解剖图像(2)中和对象图像(6)中的关注区域(11)确定为其如下相应的图像区域,所述图像区域对应于加权值大于预先给定的权重阈值的总加权图像(10)的像素。
3.根据前述权利要求中任一项所述的方法(1),其特征在于,所述图像处理算法是像素移位算法,所述像素移位算法将对象图像(6)与解剖图像(2)配准,以进行叠加,并且为此在考虑总加权图像(10)的情况下,补偿目标对象(3)和/或成像设备(7)在解剖图像(2)和对象图像(6)的相应的采集时间点之间的运动,其中,将通过总加权图像(10)分配了较高的加权值的图像区域(5),相对于其它图像区域优先。
4.根据前述权利要求中任一项所述的方法(1),其特征在于,为了由解剖图像(2)或者由对象图像(6)产生第一和第二加权图像,首先产生相应的二进制图像,方式是,对属于解剖特征(3)或者器械(7)的像素分配第一二进制值,并且对相应的其余的像素分配第二二进制值,然后对具有第一二进制值的像素分配第一加权值。
5.根据前述权利要求中任一项所述的方法(1),其特征在于,确定相应的安全区域(5),所述安全区域与属于解剖特征(3)或者器械(7)的像素相邻并且包围其,并且对所述安全区域(5)分配与属于解剖特征(3)或者器械(7)的像素相同的加权值。
6.根据前述权利要求中任一项所述的方法(1),其特征在于,作为所述预先给定的单调递减函数,使用非线性函数,尤其是指数函数或者多项式函数。
7.根据前述权利要求中任一项所述的方法(1),其特征在于,产生并且提供多个对象图像(6)的序列,其中,不针对全部所述多个对象图像,而仅针对所述多个对象图像(6)中的、根据预先给定的选择规则选择的对象图像,尤其是仅针对所述多个对象图像(6)中的每第n个对象图像,产生相应地更新的第一加权图像,其中,n给出预先给定的数量。
8.根据前述权利要求中任一项所述的方法(1),其特征在于,
-产生多个对象图像(6),
-产生相应的差图像,方式是,从多个对象图像(6)中的至少一个对象图像中,减去多个对象图像(6)中的相应的先前产生的对象图像,
-由至少一个差图像产生相应的差加权图像,方式是,对属于器械(7)的像素分配第一差加权值,并且对其余的图像区域分配第二差加权值,所述第二差加权值小于第一差加权值,以及
-为了产生总加权图像,将第一和第二加权图像以及差加权图像相互合成。
9.一种计算机程序,其对根据权利要求1至8中任一项所述的方法(1)的方法步骤进行编码,并且被配置为用于加载到成像设备的控制设备的数据存储器中,以执行所述方法步骤。
10.一种用于成像设备的控制设备的数据存储器,其中,在数据存储器中存储有程序代码,所述程序代码包括至少一个根据权利要求9所述的计算机程序。
11.一种用于路线图方法的成像设备,具有用于采集目标对象的图像的采集装置、控制设备和根据权利要求10所述的数据存储器,所述控制设备被配置为用于处理所采集的图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018211477.3A DE102018211477A1 (de) | 2018-07-11 | 2018-07-11 | Verfahren zum automatischen Bestimmen einer Gewichtung für ein Roadmap-Verfahren, Computerprogramm, Datenspeicher und entsprechendes bildgebendes Gerät |
DE102018211477.3 | 2018-07-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717877A true CN110717877A (zh) | 2020-01-21 |
CN110717877B CN110717877B (zh) | 2024-05-10 |
Family
ID=69139578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910623821.3A Active CN110717877B (zh) | 2018-07-11 | 2019-07-11 | 针对路线图方法确定加权的方法、数据存储器和成像设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11398031B2 (zh) |
CN (1) | CN110717877B (zh) |
DE (1) | DE102018211477A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3686610A1 (en) * | 2019-01-24 | 2020-07-29 | Rohde & Schwarz GmbH & Co. KG | Probe, measuring system and method for applying a probe |
US11790574B2 (en) * | 2020-11-23 | 2023-10-17 | GE Precision Healthcare LLC | System and method for carbon dioxide angiographic roadmap imaging |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004004603A1 (de) * | 2004-01-29 | 2005-08-18 | Siemens Ag | Verfahren und Bildgebungseinrichtung zur Kompensation von Patientenbewegungen bei Serienaufnahmen in der medizinischen Bildgebung auf Basis eines 3D-Bilddatensatzes |
CN101237813A (zh) * | 2005-08-05 | 2008-08-06 | 皇家飞利浦电子股份有限公司 | 导管导航*** |
CN101625757A (zh) * | 2009-08-13 | 2010-01-13 | 华北电力大学(保定) | 一种抑制冠状动脉内超声图像序列中刚性运动伪影的方法 |
US20100049038A1 (en) * | 2007-03-02 | 2010-02-25 | Koninklijke Philips Electronics N.V. | Cardiac roadmapping |
CN101998032A (zh) * | 2009-08-27 | 2011-03-30 | 株式会社日立制作所 | 图像处理装置及具备它的视频显示装置、以及错误隐藏方法 |
CN104586417A (zh) * | 2013-10-31 | 2015-05-06 | 塞弗拉合作社 | 用于增大锥束计算机层析成像获取中的视场的方法和设备 |
CN107545585A (zh) * | 2016-06-28 | 2018-01-05 | 西门子保健有限责任公司 | 用于配准第一图像数据组和第二图像数据组的方法和设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8781193B2 (en) * | 2007-03-08 | 2014-07-15 | Sync-Rx, Ltd. | Automatic quantitative vessel analysis |
DE102010013221B4 (de) * | 2010-03-29 | 2012-06-28 | Siemens Aktiengesellschaft | Verfahren zur hervorgehobenen Darstellung von Objekten bei interventionellen angiographischen Untersuchungen sowie Vorrichtung zur Durchführung des Verfahrens |
JP5537262B2 (ja) * | 2010-05-28 | 2014-07-02 | 株式会社東芝 | X線画像診断装置 |
WO2014020495A1 (en) * | 2012-08-03 | 2014-02-06 | Koninklijke Philips N.V. | Device position dependant overlay for roadmapping |
GB2532003A (en) * | 2014-10-31 | 2016-05-11 | Nokia Technologies Oy | Method for alignment of low-quality noisy depth map to the high-resolution colour image |
CN106127819B (zh) * | 2016-06-30 | 2019-10-08 | 上海联影医疗科技有限公司 | 医学图像中提取血管中心线的方法及其装置 |
-
2018
- 2018-07-11 DE DE102018211477.3A patent/DE102018211477A1/de active Granted
-
2019
- 2019-07-03 US US16/502,301 patent/US11398031B2/en active Active
- 2019-07-11 CN CN201910623821.3A patent/CN110717877B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004004603A1 (de) * | 2004-01-29 | 2005-08-18 | Siemens Ag | Verfahren und Bildgebungseinrichtung zur Kompensation von Patientenbewegungen bei Serienaufnahmen in der medizinischen Bildgebung auf Basis eines 3D-Bilddatensatzes |
CN101237813A (zh) * | 2005-08-05 | 2008-08-06 | 皇家飞利浦电子股份有限公司 | 导管导航*** |
US20100049038A1 (en) * | 2007-03-02 | 2010-02-25 | Koninklijke Philips Electronics N.V. | Cardiac roadmapping |
CN101625757A (zh) * | 2009-08-13 | 2010-01-13 | 华北电力大学(保定) | 一种抑制冠状动脉内超声图像序列中刚性运动伪影的方法 |
CN101998032A (zh) * | 2009-08-27 | 2011-03-30 | 株式会社日立制作所 | 图像处理装置及具备它的视频显示装置、以及错误隐藏方法 |
CN104586417A (zh) * | 2013-10-31 | 2015-05-06 | 塞弗拉合作社 | 用于增大锥束计算机层析成像获取中的视场的方法和设备 |
CN107545585A (zh) * | 2016-06-28 | 2018-01-05 | 西门子保健有限责任公司 | 用于配准第一图像数据组和第二图像数据组的方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110717877B (zh) | 2024-05-10 |
DE102018211477A1 (de) | 2020-01-16 |
US11398031B2 (en) | 2022-07-26 |
US20200020100A1 (en) | 2020-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111956958B (zh) | 被检体定位装置、方法、记录介质和放射线治疗*** | |
US10702231B2 (en) | Medical image processing apparatus, X-ray diagnostic apparatus, medical image processing method and X-ray diagnostic method | |
US8111895B2 (en) | Locally adaptive image enhancement for digital subtraction X-ray imaging | |
US11013481B2 (en) | Method for acquiring and processing image data of an examination object | |
CN108703764B (zh) | 血管造影方法、装置、***、设备及存储介质 | |
US7609814B2 (en) | Adaptive medical image and mask data processing system | |
US8675946B2 (en) | X-ray diagnosis apparatus and image processing apparatus | |
RU2710668C2 (ru) | Цифровая субтракционная ангиография с аппаратной компенсацией движения | |
US20100172474A1 (en) | Method for pixel shift calculation in digital subtraction angiography and x-ray diagnostic imaging system for generating images in digital subtraction angiography | |
CN109381205B (zh) | 用于执行数字减影血管造影的方法、混合成像装置 | |
US10362943B2 (en) | Dynamic overlay of anatomy from angiography to fluoroscopy | |
JP2012115635A (ja) | 画像処理方法、画像処理装置、画像システム及びプログラムコード | |
JP2014014673A (ja) | 血管造影画像の取得方法 | |
JP2009119133A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US11850083B2 (en) | Device for modifying an imaging of a tee probe in X-ray data | |
US9320488B2 (en) | Method and device for correction of movement artifacts in a computed tomography image | |
CN110717877B (zh) | 针对路线图方法确定加权的方法、数据存储器和成像设备 | |
CN110573078B (zh) | X射线路线图中的血管造影平移 | |
US10820874B2 (en) | Automatic device-footprint-free roadmapping for endovascular interventions | |
CN110876627B (zh) | X射线摄影装置和x射线图像处理方法 | |
US10786220B2 (en) | Device for imaging an object | |
EP3243437A2 (en) | System and method for adjusting a radiation dose during imaging of an object within a subject | |
JP2005270635A (ja) | 画像処理方法及び処理装置 | |
CN109223011B (zh) | 用于透视检查中的自动强度适应的方法和装置 | |
JP2021094219A (ja) | 画像処理方法、画像処理装置及びプログラム |
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 |