NL1027673C2 - Werkwijze voor genereren van resultaatbeelden van een onderzoeksobject. - Google Patents

Description

WERKWIJZE VOOR GENEREREN VAN RESULT AATBEELDENVAN EEN ONDERZOEKSOBJECT

De uitvinding heeft betrekking op een werkwijze voor automatisch genereren van 5 resultaatbeelden van een onderzoeksobject aan de hand van snijbeelddata van het betreffende onderzoeksobject. Bovendien heeft de uitvinding betrekking op een beeldbe-werkingssysteem, waarmee een dergelijke werkwijze uitgevoerd kan worden.

Het resultaat van onderzoekingen door middel van snijbeeldgenererende modaliteiten zoals bijvoorbeeld computertomografen, magneetresonantietomografen en ultra-10 geluidsapparaten zijn in de regel meerdere series snijbeelden van het betreffende onderzoeksobject. Voor een verdere planning van het onderzoek en/of voor het stellen van een diagnose moeten deze snijbeelddata in veel gevallen reeds tijdens het onderzoek of direct na het onderzoek verder worden verwerkt. Het verloop van dergelijke onderzoeken wordt daarbij gewoonlijk door een diagnostische vraagstelling bepaald. In de mees-15 te gevallen wordt daarbij een bepaald orgaan of orgaansysteem pas na de vervaardiging van overzichtsbeelden nauwkeuriger onderzocht. Een voorbeeld hiervoor is het onderzoek van klinisch relevante knieproblemen van een patiënt. Na vervaardiging van relatief weinig snijbeeldseries van de knie wordt eerst een tussendiagnose met betrekking tot eventueel aanwezige pathologieën van de inwendige structuren van de knie tot stand 20 gebracht en op deze basis worden dan verdergaande onderzoeken van het betreffende gebied van de knie uitgevoerd. In de regel moet voor het stellen van deze tussendiagnose een bediener, bijvoorbeeld de radioloog of een MTRA (medisch-technisch-radiologisch assistente), de afzonderlijke overzichtsbeelden analyseren en dan beslissen over de manier waarop verder te werk gegaan moet worden. Voor het tot stand brengen 4 25 van een dergelijke tussendiagnose is een niet te onderschatten hoeveelheid tijd nodig, waardoor de totale onderzoeks-workflow wordt verslechterd. Een verder probleem bestaat eruit dat de herkenning van pathologieën van bepaalde inwendige structuren, in het bijzonder bij zeer complexe anatomische structuren, in de snijbeelddata buitengewoon moeilijk kan zijn en enige ervaring vereist. Daarom kunnen gemakkelijk foutieve 30 tussendiagnoses optreden. Dit kan onder bepaalde omstandigheden tot een verslechtering van de kwaliteit van de snijbeeldonderzoeken leiden.

Weliswaar zijn reeds verschillende werkwijzen bekend om voor bepaalde relevante structuren in de snijbeelden individuele modellen te genereren en deze modellen 1 0 2 7 67 3 2 voor de diagnose-ondersteuning of voor een interventieplanning te gebruiken. Zo wordt bijvoorbeeld in WO 99/55233 een werkwijze voor de modelgebaseerde evaluatie van ultrageluidsbeelden van het hart beschreven, waarbij halfautomatisch - door aanpassing van een model aan drie handmatig gedetecteerde anatomische oriëntatiepunten - een 5 individueel hartmodel van de onderzochte persoon wordt gegenereerd en geëvalueerd.

Verder wordt in DE 10.311.319 Al een werkwijze beschreven, waarbij op basis van CT-beelden, eveneens onder gebruikmaking van drie handmatig vastgelegde anatomische oriëntatiepunten, een individueel 3D-model van het hart voor het plannen van een hartinterventiewerkwijze wordt gegenereerd. Bovendien wordt in US 2003/0097219 10 een werkwijze beschreven, waarbij op basis van anatomische oriëntatiepunten halfautomatisch een model van het linker hartventrikel wordt gegenereerd. In WO 00/32106 wordt tenslotte een werkwijze beschreven om met behulp van geïndividualiseerde modellen van de ademhalings- respectievelijk spijsverteringsorganen een virtuele endoscopie uit te voeren. Bij al deze werkwijzen wordt echter altijd slechts een mo-15 del uitgegeven en een daarop gebaseerde diagnose of interventieplanning is dienovereenkomstig zeer afhankelijk van de kwaliteit van het gegenereerde model.

Het is daarom een doelstelling van de onderhavige uitvinding om een alternatieve werkwijze en een beeldbewerkingssysteem voor het automatisch genereren van resul-taatbeelden van het onderzoeksobject aan de hand van reeds vervaardigde snijbeelddata 20 te verschaffen, waarmee diagnoses - in het bijzonder tussendiagnoses voor het verdere verloop van het onderzoek - aanzienlijk eenvoudiger, sneller en betrouwbaarder gesteld kunnen worden.

Deze doelstelling wordt door een werkwijze overeenkomstig conclusie 1 en door een beeldbewerkingssysteem overeenkomstig conclusie 16 bereikt. .

25 Overeenkomstig de werkwijze overeenkomstig de uitvinding wordt hierbij eerst afhankelijk van een diagnostische vraagstelling automatisch een relevante doelstructuur in de snijbeelddata bepaald. Overeenkomstig deze doelstructuur wordt dan een anatomisch norramodel geselecteerd, waarvan de geometrie aan de hand van modelparameters gevarieerd kan worden. De meest uiteenlopende anatomische modellen kunnen 30 daarbij in een databank worden beheerd, waarbij met elk te onderzoeken orgaan ten minste één overeenkomstig anatomisch normmodel correspondeert, dat dit orgaan omvat. Dit normmodel wordt dan automatisch aan de doelstructuur in de snijbeelddata aangepast, dat wil zeggen overeenkomstig deze doelstructuur geïndividualiseerd. Aan- 1 0 2 7 6 7 3 3 sluitend vindt een segmentering van de snijbeelddata op basis van het aangepaste normmodel plaats, waarbij met betrekking tot de diagnostische vraagstelling van belang zijnde relevante anatomische structuren van het onderzoeksobject worden gesepareerd, doordat al die beeldpunten in de snijbeelddata worden geselecteerd, die binnen een con-5 tour van het aangepaste model en/of ten minste van een model-deel overeenkomstig de relevante anatomische structuren liggen of maximaal met een bepaalde verschilwaarde daarvan afwijken. De selectie kan daarbij worden uitgevoerd in een vorm, waarbij de betreffende beeldpunten worden verwijderd of waarbij alle overige beeldpunten van het betreffende model respectievelijk modeldeel worden verwijderd, dat wil zeggen de be-10 treffende beeldpunten worden uitgesneden. Onder “model-deel” kan hierbij een deel van het normmodel worden verstaan, bijvoorbeeld de schedelbasis van een schedelmo-del. Daarbij kan precies dit modeldeel met het eigenlijk te onderzoeken orgaan(-deel) overeenkomen. Aansluitend worden dan de relevante anatomische structuren gesepareerd gevisualiseerd en/of voor een latere visualisatie opgeslagen.

15 Deze visualisatie kan daarbij twee- of driedimensionaal bijvoorbeeld op het beeldscherm van een bedienconsole van de betreffende modaliteit of een daarop via een netwerk aangesloten werkstation plaatsvinden. Evenzo is een uitvoer van de resultaat-beelden aan een printer, een filmstation of dergelijke mogelijk. De gescheiden visualisatie van de relevante anatomische structuren kan zodanig plaatsvinden dat bijvoor-20 beeld op de wijze van een opengewerkte tekening alle afzonderlijke delen van het betreffende orgaan gescheiden van elkaar in een resultaatbeeld worden weergegeven. Bovendien kunnen de afzonderlijke structuren ook op afzonderlijke resultaatbeelden worden weergegeven, die een de diagnose tot stand brengende persoon beurtelings, na elkaar of parallel op verschillende afdrukken, beeldschermvensters enzovoorts kan bekij- y. 25 ken. Bij een driedimensionale weergave vindt dit bij voorkeur zodanig plaats, dat de bediener de structuren respectievelijk de afzonderlijke structuur interactief op een overeenkomstig gebruikersoppervlak virtueel in de ruimte kan draaien en zo van alle zijden kan bekijken. Verder kunnen behalve de zogenaamde SSD-weergavesoort (Surface Shaded Display), waarbij zoals hierboven reeds iferirteld eenvoudig het oppervlak van 30 de structuren wordt getoond, bij de gesepareerde visualisatie ook willekeurige andere, voor de afzonderlijke relevante structuren telkens doelmatigste weergavesoorten worden gebruikt, zoals bijvoorbeeld VRT (Volume Rendering Technique), MPR (Multi-planar Reconstruction), MEP (Maximum Intensity Projection) enzovoorts.

1027673 4

Door de voorgestelde werkwijze kunnen de snijbeelddata op basis van het norm-model worden gesegmenteerd, dat wil zeggen in alle diagnostisch relevante delen worden onderverdeeld. Door de navolgende gesepareerde visualisatie van de verschillende anatomische structuren in de resultaatbeelden wordt in het bijzonder ook voor minder 5 ervaren personeel een correcte tussendiagnose buitengewoon vergemakkelijkt. De werkwijze leidt derhalve tot een snellere stelling en beveiliging van een tussendiagnose gedurende een snijbeeldonderzoek, waardoor de totale onderzoekstijd wordt gereduceerd en gelijktijdig de kwaliteit van het onderzoeksresultaat wordt verbeterd. De werkwijze kan verder helpen om de eigenlijke diagnose van de arts na het onderzoek te 10 optimaliseren. Afwijkend van de in het begin beschreven, tot dusver bekende werkwijzen, worden daarbij de daadwerkelijk gemeten en gesegmenteerde volumedata van de relevante structuur en niet een model van deze structuur gevisualiseerd.

De segmentering op basis van een geïndividualiseerd model heeft daarbij in tegenstelling tot de klassieke drempelwaarde- of regiogroei-werkwijze, zoals deze bij-15 voorbeeld in US 6.556.696 BI worden beschreven, het voordeel, dat deze werkwijze ook in dergelijke gevallen toegepast kan worden, waarin de te separeren structuren niet door een sterke contrastsprong in de snijbeelddata geïdentificeerd kunnen worden.

Een beeldbewerkingssysteem overeenkomstig de uitvinding heeft hiertoe eerst een interface nodig voor het ontvangen van de gemeten snijbeelddata, een doelstruc-20 tuur-vaststellingseenheid voor het vaststellen van een doelstructuur in de snijbeelddata afhankelijk van een diagnostische vraagstelling, een geheugeninrichting met een aantal anatomische normmodellen, bij voorkeur in de vorm van een databank, voor verschillende doelstructuren in de snijbeelddata, waarvan de geometrie telkens aan de hand van bepaalde modelparameters gevarieerd kan worden, en een selectie-eenheid voor het 25 selecteren van één van de anatomische normmodellen overeenkomstig de vastgestelde doelstructuur. Bovendien heeft het beeldbewerkingssysteem een adaptie-eenheid nodig, om het geselecteerde normmodel aan de doelstructuur in de snijbeelddata aan te passen, een segmenteringseenheid, om de snijbeelddata op basis van het aangepaste normmodel te segmenteren en daarbij met betrekking tot de diagnostische vraagstelling relevante 30 anatomische structuren van het onderzoeksobject te separeren, doordat al die beeldpunten binnen de snijbeelddata worden geselecteerd, die binnen een contour van het aangepaste normmodel of van een modeldeel overeenkomstig de relevante anatomische structuren liggen of maximaal met een bepaalde verschilwaarde daarvan afwijken. Ten- 1 0 2 7 67 3 5 slotte is een visualisatie-inrichting nodig, om de relevante anatomische structuren automatisch gesepareerd te visualiseren of voor een latere visualisatie passend op te slaan.

Onder “visualisatie-inrichting” moet hierbij een een inrichting worden verstaan, die de gesegmenteerde snijbeelddata zodanig bewerkt dat de relevante structuren bijvooibeeld 5 op een beeldscherm of ook op andere op het beeldbewerkingssysteem aangesloten uit-voereenheden gesepareerd van elkaar worden weergegeven en afzonderlijk bekeken kunnen worden.

De afhankelijke conclusies omvatten telkens bijzonder voordelige verdere uitvoeringen en uitvoeringsvormen van de uitvinding, waarbij het beeldbewerkingssysteem 10 overeenkomstig de uitvinding ook overeenkomstig de werkwijzeconclusies verder gevormd kan zijn.

Bij een voorkeursvariant wordt tijdens de aanpassing van het normmodel aan de doelstructuur telkens op basis van een bepaalde afwijkingsfimctie een actuele afwij-kingswaarde tussen de geometrie van het modificerende normmodel en de doelstruc-15 tuur bepaald. Daardoor kan de aanpassing volautomatisch worden uitgevoerd, doordat eenvoudig de afwijkingswaarde wordt geminimaliseerd.

De automatische aanpassing kan daarbij volledig op de achtergrond plaatsvinden, zodat de bediener zich op andere werkzaamheden kan richten en in het bijzonder ook aan een console van het beeldbewerkingssysteem, waardoor de generering van de ge-20 wenste resultaatbeelden plaatsvindt, parallel andere beelddata kan bewerken en/of andere metingen kan sturen. Het is echter ook mogelijk dat tijdens de automatische werkwijze het proces permanent bijvoorbeeld op een beeldscherm respectievelijk een deelgebied van het beeldscherm wordt weergegeven, zodat de gebruiker de voortgangen van het aanpassingsproces kan controleren. .

25 Bij voorkeur wordt aan de bediener de actuele waarde van de afwijkingsfimctie aangeduid. In het bijzonder is het ook mogelijk om de afwijkingswaarden op het beeldscherm, bijvoorbeeld in een taaklijst of dergelijke, permanent aan te duiden, terwijl de rest van het gebruikersoppervlak voor andere werkzaamheden van de bediener vrij is.

Bij voorkeur bestaat voor de gebruiker de mogelijkheid om indien nodig in het 30 automatische aanpassingsproces in te grijpen en handmatig afzonderlijke modelparameters te verstellen. Daarbij wordt aan de bediener op voordelige wijze de actuele afwijkingswaarde aangeduid, zodat hij bij de variatie van de betreffende modelparameters direct ziet of en in welke mate de geometrie-afwijkingen door zijn acties worden 1 0 27 67 3 6 verminderd. In het bijzonder is het daarbij ook mogelijk om voor elke modelparameter afzonderlijk afwijkingswaarden te bepalen en deze in plaats van een totale afwijkings-waarde of in aanvulling hierop aan te duiden. Een typisch voorbeeld hiervoor is de weergave van de doelstructuur en/of van het aan te passen normmodel of ten minste 5 van delen van deze objecten op een grafisch gebruikersoppervlak van een terminal, waarbij de gebruiker bijvoorbeeld met behulp van het toetsenbord of met behulp van een aanwijsapparaat zoals een muis of dergelijke een bepaalde modelparameter - bijvoorbeeld de afstand tussen twee punten op het model - kan aanpassen. Door middel van een loopbalk of op soortgelijk optisch goed herkenbare wijze wordt aan de gebrui-10 ker dan aanduid in hoeverre de afwijkingen door zijn acties worden verminderd, waarbij in het bijzonder enerzijds de totale afwijking van het model en anderzijds de afwijkingen met betrekking tot de aanpassing van de concrete actuele modelparameter -bijvoorbeeld bij een afstand van twee punten in het model diens verschil tot de afstand tussen de betreffende punten in de doelstructuren - worden weergegeven.

15 Bij een bijzonder de voorkeur verdienend uitvoeringsvoorbeeld wordt vóór de segmentering automatisch gecontroleerd of bij de aanpassing van het normmodel aan de doelstructuur een minimale afwijkingswaarde wordt bereikt, die onder een vooraf bepaalde drempelwaarde ligt. Dat wil zeggen, er wordt gecontroleerd of de afwijking van het model tot de doelstructuur in de datareeks voldoende gering is. Alleen wanneer 20 dit het geval is, vindt een automatische segmentering van de gemeten datareeks op basis van het model plaats. Anders wordt de werkwijze voor de verdere handmatige bewerking van de snijbeelddata afgebroken. Op deze wijze wordt betrouwbaar verhinderd dat bij te sterke afwijkingen van het model ten opzichte van de gemeten datareeks een foutieve automatische segmentering wordt uitgevoerd, die tot foutieve diagnoses op ^ 25 basis van de automatisch gesegmenteerde en gevisualiseerde anatomische structuren zou kunnen leiden.

Zeer bijzonder bij voorkeur kan bovendien naast de eenvoudige gesepareerde visualisatie van de relevante anatomische structuren ook een controle van deze anatomische structuren op normafwijkingen plaatsvinden. Dat wil zeggen, de afwijkingen 30 van de betreffende anatomische structuur ten opzichte van een ge’mdivisualiseerd model respectievelijk modeldeel worden automatisch bepaald.

Bij voorkeur wordt hiertoe een slechts op bepaalde wijze geïndividualiseerd normmodel respectievelijk normmodel-deel gebruikt. Bij de individualisatie van dit 7 vergelijkings-normmodel, dat voor een dergelijke herkenning van normafwijkingen gebruikt moet worden, moet zijn gewaarborgd dat slechts zodanige transformaties worden uitgevoerd, dat de geometrie van het vergelijkings-normmodel respectievelijk van het betreffende normmodel-deel zelf geen pathologieën heeft. De vastgestelde afwij-5 kingen kunnen dan gemeenschappelijk met de anatomische structuren grafisch worden gevisualiseerd. Bijvoorbeeld kunnen ze in de gevisualiseerde datareeks op een beeldscherm voor de bediener worden gemarkeerd. Aanvullend kunnen dergelijke afwijkingen aan de bediener ook door een akoestisch signaal ondubbelzinnig worden aangeduid. Zo kunnen op eenvoudige wijze pathologieën van de onderzochte anatomische 10 structuren automatisch worden vastgesteld en kan de bediener daarop worden gewezen.

In een verdere ontwikkeling van deze werkwijze is het ook mogelijk om het onderzoeksobject automatisch op basis van de vastgestelde normafwijkingen te classificeren. Er kan bijvoorbeeld automatisch worden vastgelegd of verdere onderzoeken noodzakelijk zijn en zo ja, welke onderzoeken worden uitgevoerd. Daarbij komt het ook in 15 aanmerking om aan de bediener de classificatie slechts als voorstel voor te leggen, zodat deze dan in het voorstel kan toestemmen en zo zonder grote complexiteit de verdere onderzoeken worden uitgevoerd, of dat de bediener het voorstel eenvoudig kan afwijzen, om op gebruikelijke wijze zelfstandig te beslissen of en welke detailonderzoeken uitgevoerd moeten worden.

20 De individualisatie van het anatomische normmodel, dat wil zeggen de aanpas sing aan de doelstructuur, kan in principe met een willekeurige geschikte individualisa-tiewerkwijze wórden uitgevoerd. Het idee van de individualisatie van een anatomisch model kan algemeen vereenvoudigd zodanig worden geformuleerd dat een geometrische transformatie - bij een driedimensionaal model overeenkomstig een driedimensio-25 nale transformatie - wordt gezocht, die het model optimaal aan een individuele computertomografie-, magneetresonantietomografie- of ultrageluids-datareeks aanpast. Alle informatie, die men aan de geometrie van het model kan toewijzen, wordt daarbij eveneens geïndividualiseerd. In de medische beeldverwerking wordt een dergelijke werkwijze voor het bepalen van optimale transformÉieparameters ook als registratie- of 30 matching-werkwijze aangeduid. Men onderscheidt daarbij gewoonlijk de zogenaamde starre, affijne, perspectivische en elastische werkwijzen, al naar gelang welke geometrische transformatie wordt benut. Dergelijke registratiewerkwijzen worden bijvoorbeeld tot dusver gebruikt om twee of meer beelden in een gemeenschappelijk beeld te combi- 1027673 8 neren of om anatomische atlanten aan beelddata aan te passen. Verschillende van dergelijke werkwijzen worden onder andere in WO 01/45047 Al, DE 69.332.042 T2, WO 01/43070 Al en DE 19.953.308 Al beschreven.

Voor de wiskundige bewerking van het individualisatieprobleem wordt in de re-5 gel zoals reeds beschreven een afwijkingsfimctie gebruikt, die de afwijking van een willekeurig getransformeerd model ten opzichte van een laagbeeld-datareeks beschrijft. Daarbij hangt de soort afwijkingsfimctie af van het betreffende type van het gebruikte anatomische normmodel.

De bruikbare digitale anatomische normmodellen kunnen in principe op de meest 10 uiteenlopende wijze zijn geconstrueerd. Een mogelijk is bijvoorbeeld de modellering van anatomische structuren op voxelbasis, waarbij voor de bewerking van dergelijke volumedata speciale software nodig is, die in de regel duur en weinig verbreid is. Een andere mogelijkheid is de modellering met zogenaamde “fïnite elementen”, waarbij in de regel een model uit tetraëders wordt opgebouwd. Ook voor dergelijke modellen is 15 echter speciale en dure software nodig. Relatief wijd verbreid is een eenvoudige model lering van anatomische grensvlakken door triangulatie. De overeenkomstige datastructuren worden door veel standaardprogramma’s uit het gebied van de grafische computerverwerking ondersteund. Volgens dit principe opgebouwde modellen duidt men aan als zogenaamde oppervlakte-georiënteerde anatomische modellen. Hierbij gaat het om 20 de kleinste gemeenschappelijke noemer van de modellering van anatomische structuren, aangezien zowel uit de eerstgenoemde volumemodellen door triangulatie van de voxels als ook door een omzetting van de tetraëders van de finite-element-methode in driehoeken overeenkomstige oppervlaktemodellen afgeleid kunnen worden.

Het ligt daarom voor de hand om als normmodellen op driehoekbasis opgebouw-25 de, oppervlakte-georiënteerde modellen te gebruiken. Enerzijds kunnen met deze methode de modellen het eenvoudigst en goedkoopst worden gegenereerd. Anderzijds kunnen reeds in een andere vorm gegenereerde modellen, in het bijzonder de genoemde volumemodellen, door overeenkomstige transformatie worden overgenomen, zodat dan een nieuwe vervaardiging van een overeenkomstig model overbodig is.

30 Om dergelijke oppervlaktemodellen nieuw tot stand te brengen, kunnen bijvoor beeld snijbeeldopnamen met overeenkomstige complexiteit met een klassieke handmatige werkwijze worden gesegmenteerd. Uit de aldus gewonnen informatie over de afzonderlijke structuren, bijvoorbeeld afzonderlijke organen, kunnen tenslotte de model 1 0 2 7 6 7 3 9 len worden gegenereerd. Om menselijke botmodellen te verkrijgen kan bijvoorbeeld ook een menselijk skelet met behulp van laserscanners worden gemeten of met een computertomograaf worden gescand en worden gesegmenteerd alsmede getrianguleerd.

Bij dergelijke modellen kan bijvoorbeeld de afwijkingsfunctie op basis van de 5 methode van de kleinste kwadraten worden gedefinieerd, waarbij met deze functie uit de posities van de getransformeerde modeldriehoeken ten opzichte van de doelstructu-ren een maat voor de afwijking wordt berekend.

Bij een bijzonder de voorkeur verdienend uitvoeringsvoorbeeld van de uitvinding wordt een elastische registratiewerkwijze gebruikt. Om zo snel mogelijk een minimale 10 waarde van de afwijkingsfunctie te vinden, wordt daarbij bij voorkeur een meertraps werkwijze gebruikt. Bijvoorbeeld kan bij een drietraps werkwijze eerst met behulp van een passende positionering, dat wil zeggen translatie, rotatie en een schaalvorming, het model grof worden aangepast. Aansluitend kan dan in een tweede stap een volume-transformatie worden uitgevoerd, om een betere afstemming te bereiken. Daarna wordt 15 in een derde trap een fijne afstemming uitgevoerd, om het model lokaal optimaal aan de structuur aan te passen.

Bijzonder bij voorkeur wordt voor het individualiseren een hiërarchisch gepara-metriseerd normmodel gebruikt, waarbij de modelparameters met betrekking tot hun invloed op de anatomische totale geometrie van het model hiërarchisch zijn geordend.

20 De individualisatie van het normmodel vindt dan in meerdere iteratiestappen plaats, waarbij met toenemend aantal iteratiestappen het aantal van de gelijktijdig in de betreffende iteratiestap instelbare modelparameters - en derhalve het aantal vrijheidsgraden bij de modelvariatie - overeenkomstig de hiërarchische ordening van de parameters wordt verhoogd. Door deze werkwijze wordt gewaarborgd dat bij de individualisatie > 25 eerst de modelparameters worden versteld, die de grootste invloed op de anatomische totale geometrie van het model hebben. Pas dan kunnen geleidelijk de ondergeschikte modelparameters, die slechts op een deel van de totale geometrie invloed uitoefenen, worden ingesteld. Derhalve is een effectieve en derhalve tijdbesparende werkingswijze bij de modelaanpassing gewaarborgd, onafhankelijk ervan of de aanpassing volautoma-30 tisch wordt uitgevoerd of dat èen bediener handmatig in de aanpassingswerkwijze ingrijpt. Bij een (gedeeltelijk) handmatige werkwijze kan dit bijvoorbeeld worden gerealiseerd, doordat aan de bediener bij elke iteratiestap de afzonderlijke modelparameters 1 0 2 7 6 7 3 10 slechts overeenkomstig hun hiërarchische ordening voor de variatie bijvoorbeeld door middel van een grafische gebruikersinterface worden aangeboden.

Bij voorkeur zijn de modelparameters telkens aan een hiërarchieklasse toegewezen. Dit betekent dat verschillende modelparameters eventueel ook aan dezelfde hiërar-5 chieklasse toegewezen kunnen zijn, aangezien ze bij benadering dezelfde invloed op de anatomische totale geometrie van het model hebben. Dan kunnen bij een bepaalde ite-ratiestap alle modelparameters van een bepaalde hiërarchieklasse nieuw voor de instelling erbij worden genomen. In een volgende iteratiestap worden dan de modelparameters van de daaronder liggende hiërarchieklasse erbij genomen enzovoorts.

10 De toewijzing van een modelparameter aan een hiërarchieklasse kan op basis van een afwijking in de modelgeometrie plaatsvinden, die optreedt, wanneer de betreffende modelparameter met een bepaalde waarde wordt veranderd. Daarbij worden in een bijzonder de voorkeur verdienende werkwijze aan verschillende hiërarchieklassen bepaalde gebieden van afwijkingen, bijvoorbeeld numerieke afwijkingsintervallen, toegewe-15 zen. Dat wil zeggen, bijvoorbeeld voor het rangschikken van een parameter in een hië rarchieklasse wordt deze parameter veranderd en de resulterende afwijking van het geometrisch veranderde model tot de uitgangstoestand berekend. De afwijkingsmate hangt daarbij af van het type gebruikte normmodel. Beslissend is slechts dat een nauwkeurig gedefinieerde afwijkingsmate wordt vastgesteld, die de geometrieverandering 20 aan het model voor en na variatie van de betreffende modelparameter zo nauwkeurig mogelijk kwantificeert, om een realistische vergelijking van de invloed van de verschillende modelparameters op de modelgeometrie te waarborgen. Hiertoe wordt bij voorkeur voor elke parametersoort, dat wil zeggen bijvoorbeeld voor afstandsparameters, waarbij de afstand tussen twee punten van het model wordt gevarieerd, of voor hoekpa- L.

25 rameters, waarbij een hoek tussen drie punten van het model wordt gevarieerd, een uniforme stappenbreedte gebruikt, om de geometrie-invloed direct te kunnen vergelijken.

Dan worden de parameters eenvoudig door een bepaling vooraf van numerieke intervallen voor deze afwijkingsmaat in de hiërarchieklassen ingedeeld. Bij een gebruik van op driehoekbasis gegenereerde oppervlaktemodellen wordt de afwijking tussen het on-30 veranderde normmodel en het veranderde normmodel na variatie van een parameter bij voorkeur op basis van de som van de geometrische afstanden van corresponderende driehoeken van de modellen in de verschillende toestanden berekend.

1 0 2 7 67 3 11

Bij voorkeur zijn in een bovenste hiërarchieklasse, waarvan de modelparameters in een eerste iteratiestap direct ingesteld kunnen worden, ten minste juist die modelparameters gerangschikt, bij de variatie waarvan het normmodel globaal wordt veranderd. Hiertoe worden bijvoorbeeld de in totaal negen parameters van de rotatie van het totale 5 model rond de drie modelassen, de translatie langs de drie modelassen en de schaal-vorming van het totale model langs de drie modelassen gerekend.

De hiërarchische rangschikking van de afzonderlijke modelparameters kan in principe tijdens de segmentering van de snijbeelddata plaatsvinden. Dan wordt bijvoorbeeld bij elke iteratiestap eerste gecontroleerd welke verdere modelparameters de 10 grootste invloed op de geometrie hebben, en dan worden deze parameters erbij genomen. Aangezien hiermee echter een aanzienlijke rekencomplexiteit is verbonden, vindt de classificatie respectievelijk opneming van de modelparameters in de hiërarchische ordening bijzonder bij voorkeur vooraf plaats, bijvoorbeeld reeds bij het genereren van het normmodel, ten minst echter vóór het opslaan van het normmodel in een modelda-15 tabank of dergelijke voor de latere selectie.

Dat wil zeggen, bij voorkeur worden vooraf in een autonome werkwijze voor het genereren van normmodellen, die dan voor het gebruik in de genoemde werkwijze voor het genereren van resultaat-beelden ter beschikking staan, de modelparameters met betrekking tot hun invloed op de anatomische totale geometrie van het model hiërar-20 chisch geordend. Daarbij kunnen eveneens de modelparameters aan overeenkomstige hiërarchieklassen worden toegewezen, waarbij de toewijzing van een parameter aan een hiërarchieklasse wederom op basis van een afwijking in de modelgeometrie plaatsvindt, die optreedt, wanneer de betreffende modelparameter met een bepaalde waarde wordt veranderd. Deze veiligstelling van de hiërarchische opstelling van de modelparameters 25 in een afzonderlijke werkwijze voor het genereren van een normmodel heeft het voordeel dat voor elk normmodel slechts eenmaal de berekening van de hiërarchische ordening van de modelparameters uitgevoerd hoeft te worden en derhalve tijdens de segmentering waardevolle rekentijd uitgespaard kan worden. De hiërarchische ordening kan op relatief eenvoudige wijze met het normmddel gemeenschappelijk worden opge-30 slagen, bijvoorbeeld doordat de parameters in hiërarchieklassen worden geordend of met overeenkomstige markers of dergelijke verknoopt in een bestandskop of op een andere genormeerde positie in het bestand worden opgeslagen, dat ook de verdere data van het betreffende normmodel omvat.

1 0 2 7 67 3 12

Bij een zeer bijzonder de voorkeur verdienend uitvoeringsvoorbeeld zijn de modelparameters telkens zodanig met een positie van ten minste één anatomisch oriëntatiepunt van het model verknoopt, dat het model voor elke parameterreeks een anatomisch zinvolle geometrie heeft. Typische voorbeelden hiervoor zijn enerzijds de globa-5 le parameters zoals rotatie of translatie van het totale model, waarbij alle modelparameters overeenkomstig passend bij elkaar qua positie worden veranderd. Andere modelparameters zijn bijvoorbeeld de afstand tussen twee anatomische oriëntatiepunten of een hoek tussen drie anatomische oriëntatiepunten, bijvoorbeeld voor het bepalen van een kniepositie.

10 Een dergelijke koppeling van de modelparameters aan medisch zinvol gekozen anatomische oriëntatiepunten heeft het voordeel dat na de individualisatie altijd een diagnostische uitspraak mogelijk is. In de anatomische vakliteratuur worden de posities van dergelijke anatomische oriëntatiepunten bovendien exact beschreven. Door een dergelijke werkingswijze wordt daarom de uitvoering van de segmentering vergemak-15 kelijkt, aangezien een medisch geschoolde gebruiker, bijvoorbeeld een arts of een MTA, met de anatomische oriëntatiepunten vertrouwd is en deze de anatomie in hoofdzaak bepalen.

Voor het automatisch vaststellen van de doelgeometrie van het te separeren deel-object in de laagbeelddata zijn er verschillende mogelijkheden. Een alternatief bestaat 20 eruit de zogenaamde “drempelwaardewerkwijze” toe te passen. Deze werkwijze functioneert zodanig, dat de intensiteitswaarden (in de computertomografie “Hounsfield-waarden” genoemd) van de afzonderlijke voxels, dat wil zeggen de afzonderlijke 3D-beeldpunten, met een vast ingestelde drempelwaarde worden vergeleken. Ligt de waarde van de voxel boven de drempelwaarde, dan wordt deze voxel tot een bepaalde struc- % % 25 tuur gerekend. Deze werkwijze kan echter bij magneetresonantieopnames vooral bij contrastmiddelonderzoeken of voor het identificeren van het huidoppervlak van een patiënt worden toegepast. Bij computertomografie-opnamen kan deze werkwijze aanvullend ook voor het herkennen van bepaalde botstructuren worden toegepast. Voor het herkennen van andere weefselstructuren is deze werkwijze niet geschikt. Bij een voor-30 keurswerkwijze wordt daarom de doelgeometrie ten minste gedeeltelijk door middel van een contouranalysewerkwijze bepaald. Dergelijke contouranalysewerkwijzen werken op basis van de gradiënt tussen aangrenzende beeldpunten. De meest uiteenlopende contouranalysewerkwijzen zijn aan de vakman bekend. Het voordeel van dergelijke 10 27 67 3 13 contouranalysewerkwijzen bestaat eruit dat de werkwijzen zowel bij computertomogra-fie-snijbeelddata als ook bij magneetresonantie-snijbeelddata en bij ultrageluids-snijbeelddata stabiel gebruikt kunnen worden.

De doelstructuur-vaststellingseenheid, de selectie-eenheid, de adaptie-eenheid en 5 de segmenteringseenheid alsmede de visualisatie-eenheid van het beeldbewerkingssys-teem kunnen bijzonder bij voorkeur in de vorm van software op een overeenkomstig geschikte processor van een beeldcomputer worden gerealiseerd. Deze beeldcomputer moet een overeenkomstige interface voor het ontvangen van de beelddata en een geschikte geheugeninrichting voor de anatomische normmodellen hebben. Daarbij hoeft 10 deze geheugeninrichting niet noodzakelijkerwijze geïntegreerd deel van de beeldcomputer te zijn, maar het is voldoende wanneer de beeldcomputer toegang kan nemen op een passende externe geheugeninrichting. Volledigheidshalve wordt er op deze plaats op gewezen dat de verschillende componenten niet dwingend noodzakelijkerwijs op een processor respectievelijk in een beeldcomputer aanwezig moeten zijn, maar dat de 15 verschillende componenten ook over meerdere processoren respectievelijk onderling verknoopte computers verdeeld kunnen zijn.

Een realisatie van de werkwijze overeenkomstig de uitvinding in de vorm van software heeft het voordeel dat ook bestaande beeldbeweikingssystemen relatief eenvoudig door geschikte updates op overeenkomstige wijze achteraf uitgerust kunnen 20 worden. Bij het beeldbewerkingssysteem overeenkomstig de uitvinding kan het in het bijzonder ook om een aanstuureenheid voor de de snijbeelddata zelf registrerende modaliteit gaan, die de noodzakelijke componenten voor de bewerking overeenkomstig de uitvinding van de snijbeelddata heeft.

De uitvinding wordt hieronder aan de hand van uitvoeringsvoorbeelden met ver- ^ 25 wijzing naar de bijgevoegde tekeningen nader uiteengezet.

Figuur 1 toont een schematische weergave van een uitvoeringsvooibeeld van een beeldbewerkingssysteem overeenkomstig de uitvinding, dat via een databus met een modaliteit en een beelddatageheugen is verbonden,

Figuur 2 toont een stroomschema voor het Weergeven van een mogelijk verloop 30 van de werkwijze overeenkomstig de uitvinding,

Figuur 3 toont een stroomschema voor de gedetailleerdere weergave van een voorkeurswerkwijze voor de modelindividualisatie, 1 0 27 6 7 3 14

Figuur 4 toont een weergave van mogelijke doelstructuren van een menselijke schedel in de snijbeelddata van een computertomograaf,

Figuur 5 toont een weergave van een oppervlaktemodel van een menselijke schedel, 5 Figuur 6a toont een weergave van de doelstructuren overeenkomstig figuur 4 met een nog niet aangepast oppervlakte-normmodel overeenkomstig figuur 5 (zonder onderkaak),

Figuur 6b toont een weergave van de doelstructuren en van het normmodel overeenkomstig figuur 6a, maar met gedeeltelijk aan de doelstructuur aangepast nonrnno-10 del,

Figuur 6c toont een weergave van de doelstructuren en van het normmodel overeenkomstig figuur 6b, maar met verder aan de doelstructuur aangepast normmodel,

Figuur 7a toont een weergave van het schedel-normmodel overeenkomstig figuur 5, dat in de vorm van een opengewerkte tekening in meerdere modeldelen gesepareerd 15 is gevisualiseerd,

Figuur 7b toont een weergave van een deel van het schedel-normmodel overeenkomstig figuur 7a uit een andere aanzichtrichting,

Figuur 8 toont een weergave van anatomische markers aan een schedel-normmodel overeenkomstig figuur 5, 20 Figuur 9 toont een weergave van een op driehoeksbasis gevormd oppervlaktemo del van een menselijk bekken.

Het in figuur 1 weergegeven uitvoeringsvoorbeeld van een beeldverwerkingssys-teem 1 overeenkomstig de uitvinding bestaat in hoofdzaak uit een beeldcomputer 10 en een daarop aangesloten console 5 of dergelijke met een beeldscherm 6, een toetsenbord 25 7 en een aanwijsinrichting 8, hier een muis 8. Via deze console 5 of een andere gebrui kersinterface kan bijvoorbeeld ook door de bediener de diagnostische vraagstelling worden ingevoerd of uit een databank met vooraf bepaalde diagnostische vraagstellingen worden geselecteerd.

Bij de beeldcomputer 10 kan het om een 'op gebruikelijke wijze opgebouwde 30 computer, bijvoorbeeld een werkstation of dergelijke gaan, die ook voor andere beelde-valuaties en/of voor de besturing van beeldopname-apparaten (modaliteiten) zoals computertomografen, magneetresonantietomografen, ultrageluidsapparaten enzovoorts kan worden toegepast. Wezenlijke componenten binnen deze beeldcomputer 10 zijn 1027673_ 15 onder andere een processor 11 en een interface 13, om snijbeelddata D van een patiënt P te ontvangen, die door een modaliteit 2, hier een magneetresonantietomograaf 2, werden gemeten.

In het in figuur 1 weergegeven uitvoeringsvoorbeeld is de modaliteit 2 met een 5 besturingsinrichting 3 verbonden, die op haar beurt met een bus 4 is verbonden, waarop ook het beeldverwerkingssysteem 1 is aangesloten. Bovendien zijn op deze bus 4 een massageheugen 9 voor het tussentijds opslaan of duurzaam opbergen van de door de modaliteit 2 geregistreerde beelden en/of van de door de beeldverwerkingssysteem 1 verder verwerkte beelddata D aangesloten. Vanzelfsprekend kunnen op de bus 4 onder 10 vorming van een groter netwerk nog andere in een gebruikelijk radiologisch informatiesysteem (RIS) aanwezige componenten, bijvoorbeeld verdere modaliteiten, massa-geheugens, workstations, uitvoerapparaten zoals printers, filmstations of dergelijke zijn aangesloten. Evenzo is een verbinding met een extern netwerk respectievelijk met verdere RIS mogelijk. Alle data worden daarbij voor de communicatie onder de afzonder-15 lijke componenten bij voorkeur in de zogenaamde DICOM-standaard (DICOM = Digital Imaging and Communication in Medicine) geformatteerd.

De aansturing van de modaliteit 2 vindt op gebruikelijke wijze plaats via de besturingsinrichting 3, die ook de data van de modaliteit 2 verwerft. De besturingsinrichting 3 kan voor het bedienen ter plekke een eigen console of dergelijke hebben, die hier 20 echter niet is weergegeven. Het is echter ook mogelijk dat de bediening bijvoorbeeld via de bus door middel van een afzonderlijk werkstation plaatsvindt, dat zich in de nabijheid van de modaliteit bevindt.

Een typisch verloop van een werkwijze overeenkomstig de uitvinding voor het genereren van resultaatbeelden van een onderzoeksobject is in figuur 2 weergegeven. % V.·., r 25 Eerst worden in een eerste werkwijzestap I afhankelijk van een vooraf bepaalde diagnostische vraagstelling doelstructuren Z binnen de snijbeelddata D bepaald. Dit vindt bij voorkeur volautomatisch plaats, bijvoorbeeld met behulp van de reeds genoemde contouranalyse. Bij bepaalde structuren en bepaalde opnamewerkwijzen kan ook een drempelwaardewerkwijze worden gebruikt, zoals reeds verder hierboven werd 30 beschreven. De snijbeelddata D kunnen bijvoorbeeld direct van de modaliteit 2 respectievelijk diens besturingsinrichting 3 via de bus 4 aan de beeldcomputer 10 worden toegevoerd. Het kan echter ook om snijbeelddata D gaan, die reeds enige tijd geleden werden opgenomen en in het massageheugen 9 werden opgeslagen.

1027673 16

Dan wordt in een stap Π een normmodel M overeenkomstig de doelstructuur Z geselecteerd. Deze stap kan ook parallel aan of vóór de werkwijzestap I van de doel-structuurbepaling plaatsvinden, aangezien immers de te bepalen doelstructuur Z door de diagnostische vraagstelling qua type reeds bekend is. Hiertoe heeft de beeldcompu-5 ter 10 een geheugen 12 met zeer uiteenlopende normmodellen voor verschillende mogelijke anatomische structuren. Daarbij gaat het in de regel om modellen, die uit meerdere modeldelen bestaan.

Een typisch voorbeeld hiervoor kan aan de hand van een knieonderzoek uiteen worden gezet, waarbij de diagnostische vraagstelling erop is gericht om bepaalde struc-10 turen binnen de knie te onderzoeken. Er wordt dan in de opgenomen snijbeelddata eerst een doelstructuur van de knie bepaald, bijvoorbeeld het buitenste benige oppervlak van de knie. Eem daarbij passend kniemodel bestaat bijvoorbeeld uit de modeldelen “fe-mur”, “tibia”, “patella” (knieschijf) en de afzonderlijke menisci. Bij een diagnostische vraagstelling daarentegen, die op het hoofd van de patiënt betrekking heeft, bijvoor-15 beeld om een vermoeden van schedelbreuk te controleren, zou als doelstructuur uit de snijbeelddata de benige oppervlaktestructuur van de schedel bepaald kunnen worden. Een dergelijke doelstructuur, die uit de computertomografiedata van een patiënt werd gewonnen, is in figuur 4 weergegeven. Figuur 5 toont een passend schedel-normmodel, dat onder andere als (in deze figuur herkenbare) model-delen het voorhoofdsbeen Tj, 20 het rechter wandbeen T2, het linker wandbeen T3, de gezichtsschedel T4 en de onderkaak T7 omvat. Het model is wegens de betere herkenbaarheid met doorgaand oppervlak weergegeven. In werkelijkheid zijn de modellen op basis van driehoeken opgebouwd. Een overeenkomstig oppervlaktemodel van een bekken is in figuur 9 weergegeven.

25 Het selecteren van het passende model M vindt plaats door middel van een selec- tie-eenheid 14 en de vaststelling van een doelstructuur door middel van een doelstructuur-vaststellingseenheid 17, die hier in de vorm van software op de processor 11 van de beeldcomputer 10 zijn gerealiseerd. Dit is schematisch in figuur 1 weergegeven.

Aansluitend vindt in een werkwijzestap IÉ een individualisatie van het model 30 door een zogenaamde “elastische registratiewerkwijze” plaats. Er zijn echter in principe ook andere individualisatiewerkwijzen mogelijk. Deze aanpassing van het normmodel M aan de doelstructuur Z vindt plaats binnen een adaptie-eenheid 15, die - zoals in 1 0 2 7 67 3 17 figuur 1 schematisch is weergegeven - eveneens in de vorm van een softwaremodule op de processor 11 van de beeldcomputer 10 is gerealiseerd.

Een voorkeursuitvoeringsvorm van het individualisatieproces is in figuur 3 in de vorm van een stroomschema nauwkeuriger schematisch weergegeven. In dit aanpas-5 singsproces worden de afzonderlijke modelparameters in meerdere iteratiestappen S zodanig gevarieerd, tot tenslotte alle parameters zijn geïndividualiseerd of de individualisatie toereikend is, dat wil zeggen dat de afwijkingen tussen normmodel M en doel-structuur Z minimaal zijn of onder een vooraf bepaalde drempelwaarde liggen. Elke iteratiestap S omvat daarbij meerdere processorstappen nia, mb, me, ΠΜ, die in de 10 vorm van een lus worden doorlopen.

De lus respectievelijk de eerste iteratiestap S begint met de werkwijzestap ffla, waarin eerst de optimale parameters voor de translatie, rotatie en schaalvorming worden bepaald. Dit zijn de parameters van de bovenste (hieronder “0-de”) hiërarchieklas-se, aangezien deze parameters een uitwerking hebben op de totale geometrie. De drie 15 parameters van de translatie tx, ty, tz en de drie parameters van de rotatie rx, ry, rz rond de drie modelassen zijn in figuur 5 schematisch getekend.

Heeft deze aanpassing zo ver mogelijk plaatsgevonden, dan worden in een verdere stap IUb nog niet ingestelde modelparameters door reeds bepaalde parameters geschat. Dat wil zeggen, uit de instellingen van hogergeschikte parameters worden start-20 waarden voor ondergeschikte parameters geschat. Een voorbeeld hiervoor is de schatting van de kniebreedte uit de instellingen van een schaalvormingsparameter voor de lichaamsgrootte. Deze waarde wordt voor de navolgende instelling van de betreffende parameter als uitgangswaarde vooraf bepaald. Op deze wijze kan de werkwijze aanzienlijk worden versneld. v % 25 Dan worden in de werkwijzestap IIIc de betreffende parameters optimaal inge steld.

Bij het getoonde uitvoeringsvooibeeld zijn de parameters met betrekking tot hun invloed op de anatomische totale geometrie van het model hiërarchisch geordend. Hoe groter het geometrische effect van een parameter Is, des te verder boven staat hij in de 30 hiërarchie. Met toenemend aantal iteratiestappen S wordt daarbij het aantal instelbare modelparameters overeenkomstig de hiërarchische ordening verhoogd.

Dat wil zeggen, in de eerste iteratiestap S respectievelijk binnen de eerste doorloop van de lus worden in stap IHc slechts de parameters van de 1-ste hiërarchietrap 1027673 18 onder de 0-de hiërarchietrap voor het instellen van het model benut. Bij de tweede doorloop is het dan mogelijk om eerst in de werkwijzestap nia het model weer opnieuw aan een translatie, rotatie en schaalvorming te onderwerpen. Aansluitend worden in de werkwij zestap Hlb de nog niet bepaalde modelparameters van de 2-de hiërarchie-5 klasse door reeds bepaalde parameters geschat, die dan in stap me voor het instellen erbij worden genomen. Deze werkwijze wordt dan n-maal herhaald, waarbij in de n-de ! j iteratiestap alle parameters van de n-de trap worden geoptimaliseerd en wederom in de laatste stap Hld van de iteratiestap S wordt duidelijk of nog verdere parameters ter beschikking staan, die tot dusver nog niet werden geoptimaliseerd. Aansluitend begint 10 wederom een nieuwe, (n+l)-de iteratiestap, waarbij opnieuw het model eerst op overeenkomstige wijze wordt verschoven, geroteerd of schaalvorming hierop wordt toegepast en tenslotte op volgorde weer alle parameters ingesteld kunnen worden, waarbij nu ook de parameters van de (n+l)-de klasse ter beschikking staan. Aansluitend wordt in de werkwijzestap Iïïd opnieuw gecontroleerd of alle parameters zijn geïndividuali-15 seerd, dat wil zeggen of er nog parameters bestaan, die nog niet werden geoptimaliseerd, of dat reeds de gewenste aanpassing is bereikt.

De figuren 6a tot en met 6c tonen een zeer eenvoudig geval voor een dergelijk aanpassingsproces. In deze figuur is het model M wegens de betere overzichtelijkheid weer als doorgaand oppervlak weergegeven. Figuur 6a toont de doelstructuur Z met het 20 ten opzichte daarvan verschoven model M. Door een eenvoudige translatie, rotatie en schaalvorming bereikt men dan het in figuur 6b weergegeven beeld, waarin het model M reeds relatief goed aan de doelstructuur Z is aangepast. Door een instelling van verdere, ondergeschikte parameters verkrijgt men tenslotte de in figuur 6c bereikte aanpassing.

25 Door de hierboven beschreven iteratiewerkwijze wordt gewaarborgd dat een zo tijdbesparend mogelijke en effectieve aanpassing plaatsvindt. Tijdens de aanpassing kunnen daarbij te allen tijde zowel de doelstructuur Z als ook het bijbehorende model M alsmede actueel berekende afwijkingswaarden respectievelijk de actueel berekende waarde van een afwijkingsfunctie op het beeldschirm 6 van de console 5 worden weer-30 gegeven. Bovendien kunnen de afwijkingen ook zoals in de figuren 6a tot en met 6c is weergegeven worden gevisualiseerd. Aanvullend kan ook de visualisatie van de afwijking door overeenkomstige kleurgeving plaatsvinden.

1 0 2 7 6r 7 3 19

De ondergeschikte hiërarchieklassen ontstaan uit de kwantitatieve analyse van de geometrie-invloed. Daartoe wordt elke parameter veranderd en de resulterende afwijking van het geometrisch veranderde model ten opzichte van de uitgangstoestand berekend. Déze afwijking kan bijvoorbeeld door de som van de geometrische afstanden van 5 corresponderende modeldriehoeken worden gekwantificeerd, wanneer driehoek-gebaseerde oppervlaktemodellen zoals in figuur 9 weergegeven worden gebruikt. Door een bepaling vooraf van numerieke intervallen voor de afwijking kunnen dan de parameters in de hiërarchieklassen worden ingedeeld. Daarbij is het zeer waarschijnlijk dat verschillende parameters in dezelfde hiërarchieklasse vallen. Dit is onder andere afhan-10 kelijk van de breedte van de numerieke intervallen voor de afwijkingen. Deze parameters in dezelfde hiërarchieklasse worden zoals hierboven uiteengezet binnen een bepaalde iteratiestap S gelijktijdig voor het eerst ter verandering aangeboden respectievelijk bij een automatische aanpassingswerkwijze op overeenkomstige wijze automatisch veranderd.

15 Zoals reeds vermeld, worden bij voorkeur bij deze werkwijze modelparameters gebruikt, die direct met een of meer posities van bepaalde anatomische markers van het model zijn verbonden. Dit heeft enerzijds het voordeel dat slechts medisch zinvolle transformaties van het model worden uitgevoerd. Anderzijds heeft dit het voordeel dat de medisch geschoolde gebruiker in de regel deze anatomische oriëntatiepunten kent en 20 daarom zeer goed met deze parameters kan omgaan. Voorbeelden voor dergelijke parameters zijn de posities van de in figuur 8 aan een schedelmodel ingetekende anatomische oriëntatiepunten L, Li, L2 of de afstanden tussen de afzonderlijke oriëntatiepunten, zoals de afstand do tussen de anatomische oriëntatiepunten Li, L2 in het middelpunt van de orbitaholten (oogholten). Om bij een handmatige ingrijping van een bediener in het 25 automatische aanpassingsproces deze afstand do van de orbitaholten in te stellen, kan de gebruiker bijvoorbeeld door middel van een muisaanwijzer één van de anatomische oriëntatiepunten Li, L2 selecteren en de positie hiervan interactief veranderen. De geometrie van het model wordt dan automatisch passend meevervormd.

Bij een variatie van een modelparameter, wélke een afstand tussen twee anatomi-30 sche oriëntatiepunten van het normmodel M omvat, wordt bij voorkeur de geometrie van het normmodel in een gebied langs een rechte lijn tussen de anatomische oriëntatiepunten evenredig aan de afstandsverandering vervormd. Bij een variatie van een modelparameter, die een verandering van de positie van een eerste anatomisch oriëntatie- 1 0 2 7 67 3 20 punt ten opzichte van een aangrenzend oriëntatiepunt omvat, wordt bij voorkeur de geometrie van het normmodel M in een omgeving rondom het betreffende eerste anatomische oriëntatiepunt in de richting van de betreffende aangrenzende oriëntatiepunten passend meevervormd. Daarbij neemt de vervorming op voordelige wijze met toene-5 mende afstand tot het betreffende eerste anatomische oriëntatiepunt af. Dat wil zeggen, de vervorming is in het smallere gebied rond het oriëntatiepunt sterker dan in de verder op afstand daarvan liggende gebieden, om de in de figuren weergegeven werking te bereiken. Er zijn echter ook andere transformatievoorschriften denkbaar, voor zover deze tot anatomisch zinvolle transformaties leiden. Dit is eventueel van het telkens ge-10 selecteerde model afhankelijk.

Aan de hand van de anatomische markers L, Li, L2 aan een schedelmodel kan ook een typisch voorbeeld worden verduidelijkt, waarbij de afstanden tussen twee oriëntatiepunten in verschillende hiërarchieklassen zijn ingedeeld. Zo wordt het in figuur 8 getoonde schedelmodel niet alleen door de afstand do van de beide orbitaholten be-15 paald, maar ook door de afstand van de beide processi styloidei geparametriseerd, waarbij het om kleine benige uitsteeksels aan de schedelbasis gaat (in het aanzicht in figuur 8 niet herkenbaar). Hier is het geometrische effect van de eerste parameter, die de orbita-afstand aangeeft, groter dan het geometrische effect van de tweede parameter, die de afstand tussen de processi styloidei aangeeft. Dit kan door een geometrieveran-20 dering van het model bij een parameterverandering met een millimeter worden onderzocht. Aangezien het bij de processi styloidei om relatief kleine structuren gaat, zal de geometrische modelverandering zich tot een klein gebied rond deze botuitsteeksels beperken. Daar tegenover staan de relatief veel grotere orbitaholten. Bij een verandering van de orbita-afstand zal een meervoudig aandeel van het model zijn geometrie 4. 25 veranderen en tot een verhoogde afwijking leiden. Daarmee is de parameter van de orbita-afstand in een aanzienlijk hogere hiërarchieklasse aangebracht dan de verandering van de afstand van de processi styloidei, aangezien in principe parameters met een grotere geometrische reikwijdte van de parameterhiërarchie verder boven staan dan parameters met een veeleer lokale werking. *·' 30 Zijn tenslotte alle instelbare parameters geïndividualiseerd of heeft de afwijkings- functie haar minimale waarde bereikt, dan wordt in werkwijzestap VI gecontroleerd, of de afwijking van het geïndividualiseerde normmodel ten opzichte van de datareeks, dat wil zeggen ten opzichte van de doelstructuur, voldoende gering is. Hierbij kan bijvoor- 1 0 2 7 67 3 21 beeld worden gecontroleerd of de actueel bereikte afwijkingswaarde een grenswaarde onderschrijdt. Is dit het niet geval, dan wordt het automatische proces afgebroken en de verdere bewerking vindt - zoals hier als werkwijzestap V schematisch is weergegeven - op conventionele wijze plaats. Dat wil zeggen, de beelddata worden dan door de be-5 diener handmatig geëvalueerd en een handmatige tussendiagnose wordt gesteld. Op zinvolle wijze wordt in het geval van een dergelijke afbreking een overeenkomstig signaal aan de bediener afgegeven, zodat deze direct herkent dat hij het lopende proces handmatig moet verderverwerken.

Is daartegen de aanpassing van het normmodel M aan de doelstructuur Z toerei-10 kend, dan volgt in de werkwijzestap VI de segmentering plaats. Dit vindt plaats in een separatie-eenheid 16, die eveneens - zoals in figuur 1 schematisch is weergegeven - als softwaremodule binnen de processor 11 is gerealiseerd. Hierbij worden alle beeldpunten binnen de snijbeelddata geselecteerd, die zich binnen een contour van het model respectievelijk van een bepaald modeldeel volgens de overeenkomstig de diagnostische 15 vraagstelling relevante anatomische structuur bevinden. Hiertoe worden bijvoorbeeld alle overige data gewist, zodat slechts de gewenste beeldpunten overblijven.

In de werkwijzestap VII worden dan volautomatisch de totale gesegmenteerde data zodanig bewerkt, dat een gesepareerde visualisatie van de diagnostisch relevante anatomische structuren in de vorm van de gewenste resultaatbeelden mogelijk is. Dit 20 vindt plaats met behulp van een grafisch gebruikersoppervlak. Het komt in aanmerking om hiertoe een in de handel gebruikelijk programma voor het weergeven van driedimensionale objecten te gebruiken, doordat bijvoorbeeld de data van de gesepareerde, relevante (deel-)structuren door de visualisatie-eenheid overeenkomstig een interface van een dergelijk programma worden bewerkt. ··,.

V,v 25 In de figuren 7a en 7b is weergegeven in welke vorm - bijvoorbeeld bij een sche delonderzoek - een visualisatie van de relevante structuren mogelijk is. Weergegeven is telkens het schedel-normmodel volgens figuur 5. Figuur 7a toont dit model M op de wijze van een opengewerkte tekening, waarbij de wezenlijke model-delen Τι, T2, T3, T4, T5, Tö, T7 op een resultaat-beeld van elkaar gesepareerd zijn weergegeven. Hierbij 30 gaat het in detail om het voorhoofdsbeen Ti (os frontale), het rechter wandbeen T2 (os parietale dexter), het linker wandbeen T3 (os parietale sinister), de gezichtsschedel T4 (viscreocranium), het achterhoofdsbeen T5 (os occipitale), de schedelbasis Te (basis cranii interna), die een deel van het achterhoofdsbeen T5 omvat, en de onderkaak T7 1 0 27 67 3 ! 22 (mandibula). In figuur 7a hangen de gezichtsschedel T4 en de schedelbasis Τβ (omvat het achterhoofdsbeen T5) nog als een gemeenschappelijk deel samen. Alle deelstructu-ren respectievelijk model-delen Τι, T2, T3, T4, T5, Tó, T7 kunnen afzonderlijk door de gebruiker op een grafisch gebruikersoppervlak worden gemarkeerd, bijvoorbeeld met 5 een muis worden “aangeklikt” en door virtueel draaien en schaalvorming in de ruimte vanaf alle zijden afzonderlijk worden bekeken. In figuur 7b is het uit de gezichtsschedel T4 en schedelbasis Te (omvat het achterhoofdsbeen T5) bestaande, samenhangende schedeldeel van boven weergegeven. Zoals een vergelijking van de beelden 7a en 7b met figuur 5 zeer snel toont, is het op grond van de gesepareerde visuele weergave van 10 de relevante structuren (dat wil zeggen ook de inwendige structuren) mogelijk om pa-thologieën in het binnenste van een complexe structuur eenvoudiger vast te stellen. Zo zou bij het getoonde voorbeeld van een schedelonderzoek zelfs door onervaren medisch personeel of zelfs door leken op een weergave overeenkomstig figuur 7b zonder meer een breuk van de schedelbasis vastgesteld kunnen worden. Bij de klassieke evaluatie 15 van snijbeelddata is dit daarentegen slechts voor meer ervaren medisch personeel mogelijk.

Bij het in figuur 2 weergegeven uitvoeringsvoorbeeld vindt zoals in de meeste gevallen de visualisatie direct plaats. Voor zover het bewerkingsproces op de achtergrond verloopt, vindt bijvoorbeeld een akoestische en/of optische aanduiding plaats, dat 20 het proces zover is voortgeschreden, dat een visualisatie kan plaatsvinden. Alternatief of aanvullend kunnen de aldus gegenereerde resultaatbeelden, die de diagnostisch relevante anatomische structuren van elkaar gesepareerd tonen - respectievelijk de aan deze beelden ten grondslag liggende bewerkte data - eerst tussentijds worden opgeslagen, zodat ze later te allen tijde opgeroepen kunnen worden. De resultaatbeelden kun- ^ 25 nen bij voorkeur ook op een printer, een filmstation of dergelijke worden afgegeven of via een netwerk op een andere plaats voor de daar plaatsvindende weergave op een beeldscherm of dergelijke worden verzonden.

In het in figuur 2 weergegeven uitvoeringsvoorbeeld worden bovendien normaf-wijkingen van de verschillende gesepareerde structuren ten opzichte van een telkens 30 bijbehorend normmodel respectievelijk modeldeel in de resultaatbeelden gemarkeerd, om zo een diagnose door een bediener te vergemakkelijken. Dit vindt bij voorkeur in combinatie met een akoestisch signaal plaats, waarmee aan de bediener wordt gesignaleerd dat overeenkomstige normafwijkingen op bepaalde plaatsen aanwezig zijn.

1027673 23

In werkwijzestap IX worden dan de verdere ondezoeksstappen vastgelegd. Dit kan automatisch op basis van de vastgestelde normafwijking of ook handmatig door de bediener plaatsvinden. Bij een bijzondere voorkeursvariant worden automatisch op basis van de normafwijkingen aan de bediener verdere onderzoeksstappen voorgesteld, 5 die deze ofwel kan ovememen ofwel afwijzen of ook kan aanvullen respectievelijk veranderen.

Het voorgestelde beeldbewerkingssysteem dient daarom niet alleen zoals gebruikelijke beeldbewerkingssystemen ertoe, beelden voor het bekijken te bewerken, maar ook als modelgebaseerd expertsysteem, dat tot een snellere totstandbrenging en bevei-10 liging van tussendiagnoses bij lopende snijbeeldonderzoeken leidt. De werkwijze respectievelijk het beeldbewerkingssysteem overeenkomstig de uitvinding kan er daarom toe bijdragen de totale onderzoekstijd aanzienlijk te verminderen en bovendien de kwaliteit van de onderzoeksresultaten te verbeteren. In het bijzonder kan ook de eigenlijke diagnose door de arts na een onderzoek door de geschetste aanzet worden geoptimali-15 seerd, aangezien aan de arts door de terbeschikkingstelling van resultaatbeelden met gesepareerde relevante anatomische structuren - eventueel gemeenschappelijk met reeds plaatsgevonden markeringen van normafwijkingen - de herkenning van mogelijke pathologieën aanzienlijk wordt vergemakkelijkt.

Op deze plaats wordt er nogmaals uitdrukkelijk op gewezen dat het bij in de figu-20 ren weergegeven systeemarchitecturen en processen slechts om uitvoeringsvoorbeelden gaat, die door de vakman zonder meer in detail veranderd kunnen worden. In het bijzonder kan de besturingsinrichting 3, voor zover deze bijvoorbeeld met een overeenkomstige console is ingericht, ook alle overeenkomstige componenten van de beeld-computer 10 hebben, om daar direct de beeldverwerking volgens de werkwijze over- 4 25 eenkomstig de uitvinding uit te voeren. In dit geval vormt derhalve de besturingsinrichting 3 zelf het beeldverwerkingssysteem overeenkomstig de uitvinding, en een verder Workstation respectievelijk een afzonderlijke beeldcomputer is niet noodzakelijk.

Voor het overige komt het in aanmerking om bestaande beeldverwerkingssyste-men, waarin reeds bekende naverwerkingsproceSsen zijn geïmplementeerd, met een 30 procesbesturingseenheid overeenkomstig de uitvinding achteraf uit te rusten, om ook deze installaties overeenkomstig de hierboven beschreven werkwijze overeenkomstig de uitvinding te benutten. In veel gevallen is eventueel ook een update van de bestu-ringssoftware met geschikte besturings-softwaremodules voldoende.

1 0 2 7 6 7 3

Claims (17)

1. Werkwijze voor automatisch genereren van resultaatbeelden van een onderzoeksobject aan de hand van snijbeelddata van het onderzoeksobject, waarbij 5. eerst afhankelijk van een diagnostische vraagstelling een doelstructuur (Z) in de snij beelddata (D) wordt vastgesteld, - overeenkomstig de doelstructuur (Z) een anatomisch normmodel (M) wordt geselecteerd, waarvan de geometrie aan de hand van modelparameters (tx, ty, tz, ry, rz, do) gevarieerd kan worden, 10. het normmodel (M) automatisch aan de doelstructuur (Z) in de snijbeelddata (D) wordt aangepast, - dan de snijbeelddata op basis van het aangepaste normmodel (M) worden gesegmenteerd, waarbij met betrekking tot de diagnostische vraagstelling relevante anatomische structuren van het onderzoeksobject worden gesepareerd, doordat al die beeldpunten 15 binnen de snijbeelddata worden geselecteerd, die binnen een contour van het aangepaste normmodel (M) en/of ten minste van een model-deel (Τι, T2, T3, T4, T5) overeenkomstig de relevante anatomische structuren liggen of maximaal met een bepaalde ver-schilwaarde daarvan afwijken, - en aansluitend de relevante anatomische structuren gesepareerd worden gevisualiseerd 20 en/of voor een latere visualisatie worden opgeslagen.

2. Werkwijze volgens conclusie 1, met het kenmerk, dat tijdens de aanpassing telkens op basis van een bepaalde afwijkingsfimctie een actuele afwijkingswaarde tussen het gemodificeerde normmodel (M) en de doelstructuur (Z) wordt bepaald. ;; 25

3. Werkwijze volgens conclusie 2, met het kenmerk, dat de modelparameters (tx, ty, tz, rx, ry, rz, do) in een automatische aanpassingswerkwijze zodanig worden veranderd, dat de afwijkingswaarde wordt geminimaliseerd. «'·

4. Werkwijze volgens conclusie 2 of 3, met het kenmerk, dat vóór de segmente ring automatisch wordt gecontroleerd of bij de aanpassing van het normmodel (M) aan de doelstructuur (Z) een minimale afwijkingswaarde wordt bereikt, die onder een voor- 1 0 2 7 67 3 af bepaalde drempelwaarde ligt en de werkwijze anders voor de verdere handmatige bewerking van de snijbeelddata wordt afgebroken.

5. Werkwijze volgens een van de conclusies 1 tot en met 4, met het kenmerk, dat 5 ten minste één gesepareerde anatomische structuur van het onderzoeksobject automatisch op normafwijkingen wordt gecontroleerd.

6. Werkwijze volgens conclusie 5, met het kenmerk, dat vastgestelde normafwij -kingen met de bijbehorende gesepareerde anatomische structuur grafisch worden gevi- 10 sualiseerd en/of akoestisch aan een bediener worden gesignaleerd.

7. Werkwijze volgens conclusie 5 of 6, met het kenmerk, dat het onderzoeksobject op basis van vastgestelde normafwijkingen automatisch wordt geclassificeerd.

8. Werkwijze volgens een van de conclusies 1 tot en met 7, met het kenmerk, dat het normmodel (M) in meerdere iteratiestappen aan de doelstructuur (Z) in de snijbeelddata (D) aan de hand van modelparameters (tx, ty, tz, rx, ry, rz, do) wordt aangepast, die met betrekking tot hun invloed op de anatomische totale geometrie van het model (M) hiërarchisch zijn geordend, en daarbij met toenemend aantal iteratiestappen het 20 aantal instelbare modelparameters (tx, ty, tz, rx, ry, rz, do) overeenkomstig hun hiërarchische ordening wordt verhoogd.

9. Werkwijze volgens conclusie 8, met het kenmerk, dat de modelparameters (tx, ty, tz, rx, ry, rz> do) telkens aan een hiërarchieklasse zijn toegewezen. i. %

10. Werkwijze volgens conclusie 9, met het kenmerk, dat de toewijzing van een modelparameter (tx, ty, tz, rx, ry, rZ( do) aan een hiërarchieklasse op basis van een afwijking in de modelgeometrie plaatsvindt, die optreedt, wanneer de betreffende modelparameter (tx, ty, tz, rx, ry, rz> do) met een bepaalde waSrde wordt veranderd. 30

11. Werkwijze volgens conclusie 10, met het kenmerk, dat aan verschillende hië-rarchieklassen bepaalde waardegebieden van afwijkingen zijn toegewezen. 1027673

12. Werkwijze volgens een van de conclusies 1 tot en met 11, met het kenmerk. dat als normmodellen (M) op driehoeksbasis gegenereerde oppervlaktemodellen worden gebruikt.

13. Werkwijze volgens een van de conclusies 1 tot en met 12, met het kenmerk. dat de modelparameters telkens zodanig met een positie van ten minste één anatomisch oriëntatiepunt zijn verknoopt, dat het model (M) voor elke parameterreeks een anatomisch zinvolle geometrie heeft.

14. Werkwijze volgens een van de conclusies 1 tot en met 13, met het kenmerk. dat de doelstructuur (Z) in de snijbeelddata (D) ten minste gedeeltelijk automatisch door middel van een contouranalysewerkwijze wordt bepaald.

15. Computerprogrammaproduct, dat direct in een geheugen van een program-15 meerbaar beeldbewerkingssysteem geladen kan worden, met programmacode-middelen, om alle stappen van een werkwijze volgens een van de conclusies 1 tot en met 14 uit te voeren, wanneer het programmaproduct op het beeldbewerkingssysteem wordt uitgevoerd.

16. Beeldbewerkingssysteem (1) voor automatisch genereren van resultaatbeel- den van een onderzoeksobject aan de hand van snijbeelddata van het onderzoeksobject, met - een interface (13) voor ontvangen van de gemeten snijbeelddata, - een doelstructuurvaststellingseenheid (17) voor vaststellen van een doelstructuur (Z) v 25 in de snijbeelddata (D) afhankelijk van een diagnostische vraagstelling, - een geheugeninrichting (12) met een aantal anatomische normmodellen (M) voor verschillende doelstructuren (Z) in de snijbeelddata (D), waarvan de geometrie telkens aan de hand van bepaalde modelparameters (tx, ty, tz, rx, ry, rZ) do) gevarieerd kan worden, - een selectie-eenheid (14) voor selecteren van een van de anatomische normmodellen 30 (D) overeenkomstig de vastgestelde doelstructuur (Z), - een adaptie-eenheid (15), om het geselecteerde normmodel (M) aan de doelstructuur (Z) in de snijbeelddata (D) aan te passen, 1 0 2 7 67 3 - een segmenteringseenheid (16), om de snijbeelddata op basis van het aangepaste normmodel te segmenteren en daarbij met betrekking tot de diagnostische vraagstelling relevante anatomische structuren van het onderzoeksobject te separeren, doordat al die beeldpunten binnen de snijbeelddata worden geselecteerd, die binnen een contour van 5 het aangepaste normmodel (M) of van een model-deel overeenkomstig de relevante anatomische structuren liggen of maximaal met een bepaalde verschilwaarde daarvan afwijken, • en een visualisatie-eenheid (18), om de relevante anatomische structuren automatisch gesepareerd te visualiseren en/of voor een latere visualisatie op te slaan. 10

17. Modaliteit voor meten van snijbeelddata van een onderzoeksobject, omvattend een beeldbewerkingssysteem (1) volgens conclusie 16. 4, 1027673 Verwij zingscij ferlij st 1 beeldverwerkingssysteem 2 modaliteit 5. besturingsinrichting 4 bus 5 console 6 beeldscherm 7 toetsenbord 10. aanwij sinrichting 9 massageheugen 10 beeldcomputer 11 processor 12 geheugen 15 13 interface 14 selectie-eenheid 15 adaptie-eenheid 16 segmenteringseenheid 17 doelstructuur-vaststellingseenheid 20 18 visualisatie-eenheid D snijbeelddata P patiënt Z doelstructuur M (norm-)model V-.* 25. iteratiestap L anatomisch oriëntatiepunt Li anatomisch oriëntatiepunt L2 anatomisch oriëntatiepunt Ti model-deel / voorhoofdsbeen 30 T2 model-deel / rechter wandbeen T3 model-deel /linker wandbeen T4 model-deel / gezichtsschedel Ts model-deel / achterhoofdsbeen 1027673 Tó model-deel / schedelbasis T7 model-deel / onderkaak tx modelparameter ty modelparameter 5 tz modelparameter rx modelparameter ry modelparameter rz modelparameter do modelparameter 10 vr, 10 27 6 7 3 --—-—-:------