[go: up one dir, main page]

CN112488988A - 用于自动确定中空器官的变化的方法和装置 - Google Patents

用于自动确定中空器官的变化的方法和装置 Download PDF

Info

Publication number
CN112488988A
CN112488988A CN202010953139.3A CN202010953139A CN112488988A CN 112488988 A CN112488988 A CN 112488988A CN 202010953139 A CN202010953139 A CN 202010953139A CN 112488988 A CN112488988 A CN 112488988A
Authority
CN
China
Prior art keywords
organ
reference line
representations
representation
point
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
Application number
CN202010953139.3A
Other languages
English (en)
Other versions
CN112488988B (zh
Inventor
乔纳森·斯佩尔
雷纳·克格尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Medical Ag
Original Assignee
Siemens Healthcare GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Publication of CN112488988A publication Critical patent/CN112488988A/zh
Application granted granted Critical
Publication of CN112488988B publication Critical patent/CN112488988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Optics & Photonics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Dentistry (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Vascular Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明提供了一种用于自动确定中空器官的变化的方法和装置，该方法包括以下步骤：提供在第一时间点记录的器官的第一医学图像；计算第一图像中的器官的第一表示；基于器官的第一表示来计算器官的第一参考线；提供在第二时间点记录的器官的第二医学图像；计算第二图像中的器官的第二表示；基于器官的第二表示来计算器官的第二参考线；对第一参考线和第二参考线进行配准，以获得器官的两个表示的匹配和/或从表示得到的特征的匹配；对所匹配的器官的表示和/或所匹配的从这些表示得到的特征进行比较。本发明还描述了相关装置、相关控制装置和相关医学成像系统。

Description

用于自动确定中空器官的变化的方法和装置
技术领域
本发明描述了用于基于医学图像自动确定中空器官的变化的方法和装置。
背景技术
人体中导管(vessel)的扩张对患者而言是严重的风险，原因是这些扩张——尤其在主动脉中的扩张——可能会朝动脉瘤发展，动脉瘤可能爆裂或引起其他不良影响，例如心脏病发作、肾损害或中风。因此，这种扩张的早期检测对于许多疾病——例如，对于主动脉，即，主动脉夹层(aortic dissection)、主动脉破裂和腹主动脉瘤破裂——是至关重要的。如果不加以治疗，这些疾病通常会造成严重且有可能致命的后果。因此，监测特定器官的扩张的进展是很重要的。
另外，在手术后的情况下，例如，在血管内动脉瘤恢复之后，囊收缩被认为是临床成功的证明。该问题也可能普遍存在于诸如像气道或气管的其他导管的任何中空器官中。
照惯例，通过人工评估患者的医学图像例如被检查器官的超声图像、MR图像或CT图像来诊断中空器官的变化。然而，这种扩张或收缩通常是无症状的并且只有在并发症出现之后才能被检测到。因此，无法在并发症出现之前诊断出这些变化，从而导致诊断延迟或诊断失败。
发明内容
本发明的目的是改进已知的系统、装置和方法，以促进自动确定中空器官的变化的改进。
通过根据本发明的技术方案所述的方法、根据本发明的技术方案所述的装置、根据本发明的技术方案所述的控制装置以及根据本发明的技术方案所述的医学成像系统来实现该目的。
一种根据本发明的用于通常基于医学图像自动确定中空器官的变化并且尤其还用于结果的可视化的方法，该方法包括以下步骤：
-提供在第一时间点记录的器官例如主动脉的第一医学图像，
-计算在第一图像中的器官的第一表示，例如分割掩膜，
-基于器官的第一表示来计算器官的第一参考线(即，通过它们的空间坐标表征的3D空间中的一系列点，例如中心线)，
-提供在第二时间点记录的器官的第二医学图像，
-计算第二图像中的器官的第二表示，
-基于器官的第二表示来计算器官的第二参考线，
-对第一参考线和第二参考线进行配准，以获得器官的两个表示的匹配和/或从所述表示得到的特征的匹配，
-对所匹配的器官的表示和/或所匹配的从这些表示得到的特征进行比较，特别地包括变化的量。
另外，如下面更详细地描述的，可以为用户显示结果。
关于表达“特征”(也可以被命名为“特性”或“测量”或“数据集”)，特征表示在图像中确定的一组参数值。这些参数可以是例如可以测量的器官的距离、截面或其他“特征”。优选地，特征包括沿着参考线的预定义部分测量的整个一组参数值(例如，整个参考线)。
关于提供中空器官的医学图像的步骤，应该在两个不同的时间点——一个较早(例如，第一时间点)并且一个较晚(例如，第二时间点)——记录医学图像。器官可能在两个时间点之间发生了变化，利用这种方法，这种变化将是可见的。尽管优选地，图像是3D图像，但是它们也可以是2D图像或若干堆2D图像。使用哪种记录技术并不重要。然而，图像应该是数字图像(或数字化的图像)，并且图像优选地是CT图像(CT：计算机断层扫描)、MR图像(MR：磁共振)、X射线图像或超声图像，例如从胸部和/或腹部(CT/MRI)获得的图像。当然，图像应该来自同一患者的同一器官。然而，图像也可能来自两个不同的患者，以比较两个(相似的)器官。这些图像在进一步的过程中被用来确定(和可视化)所研究的中空器官的变化(进展或收缩)。
关于图像中的器官的表示，应该注意的是，图像中最初只存在像素(在此，“像素”也代表“体素”)。对该方法而言，必须使器官是“已知”的，原因是仅处理图像中的该器官。因此，该方法确定器官的表示，即，表示图像中的器官的像素或另一种计算机化的表示，例如从像素创建的表面网格、隐含表述或分割掩膜。对于以下步骤，来自两个图像的所研究的器官的这种表示被使用。例如，对于主动脉，可能已经使用对来自医学图像的器官的自动检测和量化——即，通过执行器官的自动分割——来自动获得这些掩膜。然而，也可以手动地或半自动地生成所述表示。
关于计算器官的参考线的步骤，器官的表示被使用，原因是它们表示器官而不是整个图像的信息。参考线是表征器官的形状(例如，直或弯曲)的(通常在理论上)线。优选地，参考线遵循患者体内的中空器官的外部/内部形状和/或路线。对于两个相同的器官，参考线也是相同的。
优选的参考线是中心线，即，穿过中空器官的截面的中心点的线。中心线的优选计算基于以下操作：基于中心线上的已知点dprev(先前计算的)迭代计算中心线的点d，其中，点d与点dprev具有一定距离δ(或以数学符号：||d-dprev||＝δ)。为了计算中心线，必须求解优化问题：
mind maxp∈S||d-p|| (1)
其中，S是中空器官的表面上所有点的集合，p是S中的点。为了获得平滑的中心线，优选地，包括限制中心线的方向上的变化的正则化。作为初始起点，应该选择解剖学上唯一限定的点，例如器官的截面的中心处的点，优选地，器官的图片上的一端处的点。中心线遵循器官的长度，例如血管中血液层流的矢量。
然而，其他线例如遵循器官的表面或壁的线(或表示器官的内部或外部形状的多个线，其中，网格的线也可以被用作参考线)也优选地作为参考线。该线不一定需要直接遵循器官的形状，而是可以例如以螺旋方式遵循器官的形状。参考线不必一定是一个单线，但可以例如包括两个或更多个线或者可以分裂或分支(例如，当表征支气管或血管例如肺动脉或颈动脉时)。
关于第一参考线和第二参考线的配准，目标是确定参考线之一上的每个点到另一个参考线上的唯一点的映射。使用该映射，可以将器官表示和/或从所述表示得到的特征彼此进行比较。通常，一个参考线用作目标，而另一个参考线被变换以匹配该目标(其中，然而，也可以变换两侧)。图形配准的技术(也被称为互相配准)是众所周知的。由于参考线还可以表征器官的表示的内部或外部形状或者该表示的网格，因此配准过程在理论上也可以基于器官的完整表示的形状，例如表面网格或分割掩膜。配准优选地是刚性配准，其中，非刚性配准也是可能的。
关于所匹配的器官的表示的比较和/或所匹配的从这些表示得到的特征之间的比较，存在许多可能性。可以以器官的表示来计算距离、截面或体积，并且将它们彼此进行比较。当然，它们必须取决于对两个表示中相似的坐标进行表征。由于配准，对于第一数据集中的器官的特定位置处的每个特征，存在第二数据集中的相应位置处的匹配特征，并且可以将所述每个特征与所述匹配特征进行比较。变化可以被量化并在视觉上被突出显示(highlight)。应该注意的是，通过比较从所述表示得到的特征，可以获得定量结果，例如绝对值或差或比率。还应注意，图像中像素之间的差异也可能是有用的比较，其中这些像素的位置将是相应的特征。通常，利用相似的医学成像系统来记录图像，并且在那里测量的特征能够自动被比较。然而，如果有需要(例如，如果器官在一幅图像上被描绘得较大)，则也可以特别地通过使用用于对参考线进行配准的变换相同的变换来配准所述图像或至少所述表示。
一种根据本发明的用于自动确定中空器官的变化的装置包括以下部件：
-数据接口，其被设计成用于：接收在第一时间点记录的器官的第一医学图像和在第二时间点记录的器官的第二医学图像，
-分割单元，其被设计成用于：计算第一图像中的器官的第一表示和第二图像中的器官的第二表示，
-参考单元，其被设计成用于：基于器官的第一表示来计算器官的第一参考线并且基于器官的第二表示来计算器官的第二参考线。
应当注意，该装置可以包括：用于计算第一平均值和第二平均值二者的各个单元的一个单个部件或者用于第一平均值的单独单元和用于第二平均值的单独单元。例如，参考单元可以包括：两个部件，一个用于计算第一参考线，一个用于计算第二参考线；以及一个单个分割单元，其用于计算第一图像中的器官的第一表示和第二图像中的器官的第二表示二者。
该装置还包括：
-配准单元，其被设计成用于：对第一参考线和第二参考线进行配准，以获得器官的两个表示的匹配和/或从所述表示得到的特征的匹配，
-比较单元，其被设计成用于：对所匹配的器官的表示和/或所匹配的从这些表示得到的特征进行比较，特别地包括变化的量。
一种根据本发明的用于控制医学成像系统例如CT系统或MRI系统的控制装置包括根据本发明的装置。可替选地或另外地，它被设计成执行根据本发明的方法。控制装置可以包括：用于控制医学成像装置例如CT系统或MRI系统的部件的附加单元或装置，例如X射线单元；用于测量序列控制的序列控制单元；存储器；射频发送装置，其生成、放大和发送RF脉冲；梯度系统接口；射频接收装置，其用于获取磁共振信号；和/或重构单元，其用于重构磁共振图像数据。
一种医学成像系统例如磁共振成像系统或计算机断层扫描系统包括根据本发明的控制装置。
可以将上面提到的装置或控制装置的某些单元或模块完全地或部分地实现为在装置或控制装置的处理器上运行的软件模块。主要以软件模块的形式的实现可以具有以下优点：可以以相对少的努力来更新已经安装在现有系统上的应用，以安装和运行本申请的这些单元。还通过具有计算机程序的计算机程序产品来实现本发明的目的，所述计算机程序能够直接被加载到医学成像系统的装置或控制装置的装置的存储器中，并且所述计算机程序包括程序单元，当由控制装置或装置执行所述程序时，所述程序单元执行本发明方法的步骤。除了计算机程序之外，这样的计算机程序产品还可以包括其他部分例如文档和/或其他部件，还包括利于访问软件的硬件部件例如硬件密钥(软件狗等)。
诸如记忆棒、硬盘或其他可移动或永久安装的载体的计算机可读介质可以用于传送和/或存储计算机程序产品的可执行部分，使得可以从控制装置或装置的处理器单元读取所述可执行部分。处理器单元可以包括一个或更多个微处理器或其等同物。
如在以下描述中所揭示的，本发明的特别有利的实施方式和特征由本发明的技术方案给出。可以适当地组合不同的本发明的技术方案类别的特征，以给出本文中未描述的其他实施方式。
一种优选的方法包括以下步骤：
-确定从第一参考线的一组预定义坐标到第一医学图像中描绘的器官的表面的第一组距离和/或第一组截面，以及
-确定从第二参考线的一组预定义坐标到第二医学图像中描绘的器官的表面的第二组距离和/或第二组截面。
这些距离和/或截面是从上面提到的表示得到的特征。因此，器官的表面表示属于器官的表示的表面的点的集合，例如表面网格的顶点或分割掩膜的边界处的像素。距离和截面是从参考线的预定义坐标到器官的表面上的点测量的。由于参考线的在先配准，坐标以及因此第一表示和第二表示上的点成对地对应。因此，所测量的距离和截面成对地可比较。
-通过将参考线的相应坐标的第一组距离和/或第一组截面与第二组距离和/或第二组截面进行比较来确定距离之间的变化和/或截面之间的变化。这是通过将所测量的距离和/或所测量的截面与相应的匹配的距离和/或相应的匹配的截面成对地进行比较来实现的。应当注意，应该将第一表示中的距离或截面与第二表示中的(一对距离或一对截面中的)相应距离或截面(即，对于一个图像中的每个距离/截面，在另一个图像中应该存在相应的距离/截面)进行比较。优选地，这是通过计算相应距离和/或截面的比率和/或差来完成的。例如，通过计算表征相对变化的比率例如以％为单位的截面面积的变化或表征绝对变化的差例如以mm为单位的最大直径的变化来执行该比较。
关于该装置，优选地，该装置另外包括：
-测量单元，其被设计成用于：确定第一参考线的一组预定义坐标到第一医学图像中描绘的器官的表面的第一组距离以及/或者确定第一医学图像中描绘的第一参考线的预定义坐标处的器官的一组截面；以及确定第二参考线的一组预定义坐标到第二医学图像中描绘的器官的表面的第二组距离以及/或者确定在第二医学图像中描绘的第二参考线的预定义坐标处的器官的一组截面，其中，配准单元被设计成用于对两个参考线进行配准以获得器官的匹配表示，并且比较单元被设计成用于将所测量的距离和/或所测量的截面与相应的匹配的距离和/或相应的匹配的截面成对地进行比较，特别地包括变化的量。因此，比较单元被设计成用于：通过将参考线的相应坐标的第一组距离和/或第一组截面与第二组距离和/或第二组截面进行比较，优选地通过计算相应距离和/或截面的比率和/或差，来确定距离之间的变化。测量单元优选地是比较单元的一部分。
根据优选的方法，参考线是中空器官的中心线。优选地，通过迭代计算来确定这些中心线。在该计算的过程中，通过求解优化问题mind maxp∈S||d-p||(请参见上面的式(1))，基于中心线上的已知或预定义点dprev，来计算中心线的下一个点d，在点d和点dprev与中空器官的表面S之间具有预定义距离(δ，参见上文)。
根据优选的方法，对器官进行测量以获得器官的各部分的尺寸的(相对和/或绝对)值。优选地，针对参考线的一组预定义的点，特别是针对参考线上的每个(数字)点，来执行测量。测量优选地包括在参考线上的预定义坐标处器官的最大直径和/或器官的平均直径和/或器官的截面面积。例如，因此，可以生成沿着每个中心线的一维测量轮廓，其表征例如沿着主动脉的最大直径的路线。之后，可以针对中心线上的预定义点，逐点地比较来自两个数据集的测量。
根据优选的方法，通过使用数值优化技术来对参考线进行配准。优选地，通过对中心线之一上的点施加刚性或非刚性的空间变换，特别是偏移、旋转、拉伸和/或弯曲的变换，来执行所述配准。通常，执行配准以得到两个中心线之间的最佳匹配，即，以获得两个中心线上的一组成对匹配点。
根据优选的方法，使用两个参考线上的匹配点来确定从器官的表示得到的特征之间的变化。应当注意，每个匹配点对应于第一参考线上的匹配点(如上面提到的，以形成一对)。
根据优选的方法，对所确定的器官的表示之间的变化和/或所确定的从这些表示确定的特征之间的变化进行可视化。这优选地以3D图像的形式被完成，所述3D图像示出了器官的表示和所确定的变化。可替选地或另外地，这优选地以2D图的形式被完成，其中沿参考线的点被解释为2D图的一个轴上的点，并且与每个点有关的变化在另一个轴上被示出。特别地，沿着参考线(例如，中心线)的点被解释为沿着(弯曲的)第一轴以用于2D可视化的点。然后，死距离被映射到与第一轴上的坐标对应的第二轴上。如果中心线已经被等距地采样，则轴上的那些点也应该是等距的。测量或其变化被映射到另一个轴。
根据优选的方法，根据变化的量(包括绝对量和/或相对量，例如比率)来标注或标记所确定的器官的表示之间的变化和/或所确定的从这些表示得到的特征之间的变化。在变化的量大于预定义阈值的情况下，优选地提供警告，特别是以特殊标注、特殊标记、警告消息和/或声音信号的形式提供警告。根据优选的可视化方法，以3D呈现两个表示中的至少一个的器官的表面。在这种情况下，特定测量的变化可以被显示为器官的表面上的不同颜色。因此，对于表面上的每个点，根据相应点相对于参考线的变化的值来选择颜色。颜色应该被选择为突出显示重大变化，例如，以红色标记严重的直径增加，并且以绿色或中性色标记稳定区域。反之亦然，在手术后的情况下，可以以绿色或蓝色来标记成功的收缩。
根据优选的方法，将图形滤波函数，优选地平滑滤波和/或高斯滤波，应用于从器官表示得到的特征和/或对变化进行可视化的图像。例如，在绘制之前应用过滤以抑制可视化中的噪声。
在根据本发明的优选装置中，装置的部件是数据网络的一部分，其中，优选地，数据网络与医学成像系统(即，提供图像数据的磁共振成像系统或计算机断层扫描成像系统)彼此进行数据通信，其中，数据网络优选地包括因特网和/或基于云的计算系统的部分，其中优选地，根据本发明的装置或该系统的许多部件在这个基于云的计算系统中被实现。例如，系统的部件是数据网络的一部分，其中优选地，数据网络和提供图像数据的医学成像系统彼此进行通信。这样的联网解决方案可以经由因特网平台被实现以及/或者在基于云的计算系统中被实现。
该方法还可以包括“云计算”的要素。在“云计算”的技术领域中，通过数据网络提供IT基础设施，例如，存储空间或处理能力和/或应用软件。借助于数据接口和/或数据传输协议来实现用户与“云”之间的通信。
在“云计算”的情况下，在根据本发明的方法的优选实施方式中，经由数据通道(例如，数据网络)向“云”提供数据。这种“云”包括(远程)计算系统，例如，通常不包括用户的本地机器的计算机集群。这种云尤其可以由医疗设施使用，所述医疗设施也提供医学成像系统。具体地，图像获取数据经由RIS(放射信息系统)或PACS(图片存档和通信系统)被发送至(远程)计算机系统(“云”)。
在根据本发明的系统的优选实施方式的范围内，在“云”侧上存在上述单元(数据接口，所提到的单元)。优选的系统还包括本地计算单元，该本地计算单元经由数据通道(例如，特别是被配置为RIS或PACS的数据网络)连接至系统。本地计算单元包括用于接收数据的至少一个数据接收接口。此外，优选的是，本地计算机另外具有发送接口以向系统发送数据。
所提出的测量和可视化系统允许对中空器官的大小参数(直径，截面面积)进行全自动定量比较，特别是以两个成像数据集描绘的导管(特别是在与自动检测和分割技术结合时)。此外，先进的可视化允许非常直观且快速地说明所测量的变化。
附图说明
根据以下结合附图考虑的具体实施方式，本发明的其他目的和特征将变得明显。然而，应当理解，附图仅出于说明的目的而设计，而不是作为对本发明的限制的定义。
图1示出了根据本发明的优选方法的处理流程的框图。
图2示出了用于具有根据本发明的实施方式的装置的医学成像系统的简化MRI系统作为示例。
图3示出了在两个时间点T0和T1处从两个CT数据集获得的器官的两个表示。
图4示出了从图1中显示的两个表示获得的配准中心线。
图5示出了三个测量以及它们的差异的图示。
图6以3D示出了最大直径的变化。
在图中，相似的附图标记指代相似的对象。图中的对象不一定按比例绘制。
具体实施方式
图1示出了根据本发明的用于自动确定中空器官O的变化的优选方法的处理流程的框图(参见例如图3)。
在步骤I中，提供了器官O的第一医学图像P1，已经在第一时间点例如利用如图2所示的成像装置1记录了第一医学图像P1。
在步骤II中，提供了器官O的第二医学图像P2，已经在(稍后)第二时间点例如也利用如图2所示的成像装置1记录了第二医学图像P2。
在步骤III中，计算第一图像P1中的器官O的第一表示R1和第二图像P2中的器官O的第二表示R2。这可以在一个单独的步骤中或者在两个不同的(子)步骤中被执行。
在步骤IV中，基于器官O的第一表示R1来计算器官O的第一参考线L1，并且基于器官O的第二表示R2来计算器官O的第二参考线L2。这可以在一个单独的步骤中或者在两个不同的(子)步骤中被执行。
在步骤V中，对参考线L1和L2进行配准，以获得器官O的R1和R2的匹配表示。
在步骤VI中，在第一参考线L1的一组预定义坐标C1处确定第一组特征D1(在此，例如从参考线L1的点到第一医学图像P1中描绘的器官O的表面S上的点的距离D1)，并且在第二参考线L2的一组预定义坐标C2处确定第二组特征D2(在此，例如从参考线L2的点到第二医学图像P2中描绘的器官O的表面S上的点的距离D2)。对于此步骤，也请参见图3。
在步骤VII中，通过比较参考线L1、L2的相应坐标C1、C2的第一组特征D1和第二组特征D2——优选地通过计算比率和/或差——来确定特征D1、D2之间的变化。
在步骤VIII中，将所确定的变化可视化。
图2示出了磁共振成像系统1(“MRI系统”)的示意性表示。该示例应该表明，不仅可以使用CT图像，而且可以使用任何其他医学成像系统记录的图像。甚至可以比较用不同医学成像系统记录的两个图像。
MRI系统1包括实际磁共振扫描仪(数据获取单元)2，实际磁共振扫描仪2具有患者或测试人员被定位在驱动床8上的检查空间3或患者通道，实际检查对象、器官O位于实际磁共振扫描仪2的本体内。
磁共振扫描仪2通常配备有基本场磁体系统(basic field magnet system)4、梯度系统6以及RF发送天线系统5和RF接收天线系统7。在所示的示例性实施方式中，RF发送天线系统5是永久地安装在磁共振扫描仪2中的整体线圈(whole-body coil)，相比之下，RF接收天线系统7被形成为要被布置在患者或测试主体上的局部线圈(在此仅由单个局部线圈表示)。然而，原则上，整体线圈也可以被用作RF接收天线系统，并且局部线圈可以分别被切换成不同的操作模式。
基本场磁体系统4被设计成可以记录3D图像P1、P2。在此，基本场磁体系统4以特有的方式被设计成使得基本场磁体系统4在患者的纵向方向上——即，沿着在z方向上进行的磁共振扫描仪2的纵向轴——产生基本磁场。梯度系统6通常包括可单独控制的梯度线圈，以能够彼此独立地在x方向、y方向或z方向上切换(激活)梯度。
在此示出的MRI系统1是具有可以将患者完全纳入其中的患者通道的全身系统(whole-body system)。然而，原则上，本发明也可以被用在例如具有侧向开口、C形外壳的其他MRI系统以及仅一个身体部位可以被定位在其中的较小的磁共振扫描仪中。
此外，MRI系统1具有用于控制MRI系统1的中央控制装置13。该中央控制装置13包括用于测量序列控制的序列控制单元14。利用该序列控制单元14，可以根据在测量或控制协议内所选择的脉冲序列来控制一系列射频脉冲(RF脉冲)和梯度脉冲。用于不同测量或测量会话的不同控制协议通常被存储在存储器19中，并且可以由操作员选择(并且可能在必要时被修改)，然后被用来实现测量。
为了输出脉冲序列的各个RF脉冲，中央控制装置13具有射频发送装置15，该射频发送装置15产生RF脉冲并放大RF脉冲，并且经由适当的接口(未详细地示出)将RF脉冲馈送至RF发送天线系统5中。为了控制梯度系统6的梯度线圈，控制装置13具有梯度系统接口16。序列控制单元14以适当的方式与射频发送装置15和梯度系统接口16进行通信以发射脉冲序列。
此外，控制装置13具有射频接收装置17(同样地，以适当的方式与序列控制单元14进行通信)，以获取用于各个测量的磁共振信号(即，原始数据)，这些磁共振信号是在脉冲序列的范围内以协同方式从RF接收天线系统7接收的。
重构单元18接收所获取的原始数据，并且从该原始数据重构磁共振图像数据以用于测量。通常基于可以在相应的测量或控制协议中指定的参数来执行该重构。例如，图像数据然后可以被存储在存储器19中。
中央控制装置13的操作可以通过具有输入单元和显示单元9的终端10进行，因此整个MRI系统1也可以由操作者经由终端10进行操作。MR图像也可以被显示在显示单元9上，并且可以借助于输入单元(可能与显示单元9结合)来计划和开始测量，特别地，如上面说明的，可以选择(并且可能修改)具有适当的一系列脉冲序列的适当控制协议。
控制装置13包括装置12，装置12被设计成执行根据本发明的方法。该装置12包括可能好像是软件模块的以下部件。
数据接口20，其被设计成用于接收在第一时间点记录的器官O的第一医学图像P1和在第二时间点记录的器官O的第二医学图像P2。
分割单元21，其被设计成用于计算第一图像P1中的器官O的第一表示R1和第二图像P2中的器官O的第二表示R2。
参考单元22，其被设计成用于基于器官O的第一表示R1来计算器官O的第一参考线L1并且基于器官O的第二表示R2来计算器官O的第二参考线L2。
配准单元23，其被设计成用于对第一参考线L1和第二参考线L2进行配准，以获得器官O的两个表示R1、R2和/或从表示R1、R2得到的特征D1、D2的匹配。
测量单元24，其被设计成用于确定从第一参考线L1的一组预定义坐标C1到第一医学图像P1中描绘的器官O的表面的第一组距离D1(参见例如以下附图)和从第二参考线L2的一组预定义坐标C2到第二医学图像P2中描绘的器官O的表面的第二组距离D2。
比较单元25被设计成用于对器官O的匹配的表示R1、R2和/或从这些表示R1、R2得到的特征D1、D2进行比较。测量单元24也可以是比较单元25的一部分。
如果数据接口20是双线性接口(虚线箭头)，则结果可以被再次发送到数据接口20并且被显示在显示单元9上。
根据本发明的MRI系统1——特别是控制装置13——可以具有多个附加部件例如网络接口，以使整个系统与网络连接并且能够交换原始数据和/或图像数据或者能够分别交换参数图，而且能够交换附加数据(例如，患者相关数据或控制协议)，所述多个附加部件没有详细地被示出但是通常存在于这样的系统中。
对本领域技术人员而言，通过辐射RF脉冲和生成梯度场来获取适当的原始数据以及从原始数据重构MR图像的方式是已知的，因此在本文中无需详细地说明。
图3以在两个时间点T1和T2处从两个CT数据集(图像P1、P2，参见例如图1)获得的主动脉的两个图像P1、P2的分割掩膜(segmentation mask)的形式示出了器官O的两个表示R1、R2。也可以通过如图1所示的MRI系统来获取图像P1、P2。这些分割掩膜是从几个月内记录的两个图像P1、P2中一个接一个地获得的。可以看出，与左边的表示R1相比，右边的表示R2中的主动脉根更大(右边的表示R2中的虚线表示左边的表示R1的形状)。在表示R1、R2中，示出了中心线L1、L2以及针对每个表示R1、R2的距离D1、D2。该距离应该表示特征，其中通常，特征优选地是多个距离，尤其是遍及整个参考线测量的到器官的壁上的点的距离。
图4示出了从图2中显示的两个表示获得的在3D空间中对准(互相配准)的中心线L1、L2。测量的单位是mm。
图5示出了三个特征(测量)(上面的曲线图)以及这三个特征的差异(下面的曲线图)的图示。中心线L1、12的坐标C1、C2被映射到曲线图的x轴，并且在y轴上示出了关于坐标C1、C2的特征的差异。从左到右，绘制了最大直径(左边)、平均直径(中间)和截面面积(右边)。
图6以3D示出了最大直径的变化。在此，以影线结构示出第一图像P1的表示R1。距离D1、D2之间的差异越大，影线越密集。
尽管已经以优选实施方式及其变型的形式公开了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以对优选实施方式及其变型做出许多附加的修改和变型。为了清楚起见，应当理解，在该整个申请中，使用“一”或“一个”不排除多个，并且“包括”不排除其他步骤或要素。提及“单元”或“装置”并不排除使用多于一个的单元或装置。

Claims (18)

1.一种用于自动确定中空器官(O)的变化的方法，包括以下步骤：
-提供在第一时间点(T1)记录的所述器官(O)的第一医学图像(P1)，
-计算所述第一图像(P1)中的所述器官(O)的第一表示(R1)，
-基于所述器官(O)的第一表示(R1)来计算所述器官(O)的第一参考线(L1)，
-提供在第二时间点(T2)记录的所述器官(O)的第二医学图像(P2)，
-计算所述第二图像(P2)中的所述器官(O)的第二表示(R2)，
-基于所述器官(O)的第二表示(R2)来计算所述器官(O)的第二参考线(L2)，
-对所述第一参考线(L1)和所述第二参考线(L2)进行配准，以获得所述器官(O)的两个表示(R1，R2)的匹配和/或从所述表示(R1，R2)得到的特征(D1，D2)的匹配，
-对所匹配的所述器官(O)的表示(R1，R2)和/或所匹配的从这些表示(R1，R2)得到的特征(D1，D2)进行比较。
2.根据权利要求1所述的方法，包括以下步骤：
-确定从所述第一参考线(L1)的一组预定义坐标(C1)到所述第一医学图像(P1)中描绘的所述器官(O)的表面的第一组距离(D1)和/或第一组截面，
-确定从所述第二参考线(L2)的一组预定义坐标(C2)到所述第二医学图像(P2)中描绘的所述器官(O)的表面的第二组距离(D2)和/或第二组截面，
-对所述第一参考线(L1)和所述第二参考线(L2)进行配准，以获得所测量的距离(D1，D2)的匹配和/或所测量的截面的匹配，
-将所测量的距离(D1，D2)和/或所测量的截面与相应的所匹配的距离(D1，D2)和/或相应的所匹配的截面成对地进行比较。
3.根据前述权利要求中的一项所述的方法，其中，所述参考线(L1，L2)是所述中空器官(O)的中心线(L1，L2)。
4.根据权利要求3所述的方法，其中，通过以下操作来确定所述中心线：基于所述中心线(L1，L2)上的已知或预定义的点dprev迭代计算所述中心线(L1，L2)的下一个点d。
5.根据权利要求4所述的方法，其中，利用点d和点dprev与所述中空器官(O)的表面S上的点p之间的预定义距离，通过求解优化问题mindmaxp∈S║d-p║，来执行所述迭代计算。
6.根据前述权利要求中的一项所述的方法，其中，针对所述器官(O)执行测量，以获得所述器官(O)的各部分的尺寸的值，
优选地，其中，针对所述参考线(L1，L2)的一组预定义点执行这些测量，并且所述这些测量特别地包括：在所述参考线(L1，L2)上的预定义坐标处，
-所述器官(O)的最大直径；
-所述器官(O)的平均直径；
-所述器官(O)的截面面积。
7.根据前述权利要求中的一项所述的方法，其中，通过使用数值优化技术来对所述器官(O)的表示(R1，R2)的参考线(L1，L2)进行配准，
优选地，其中，通过对所述中心线(L1，L2)之一上的点施加刚性或非刚性空间变换，特别是组偏移、旋转、拉伸和弯曲的变换，来执行所述配准。
8.根据前述权利要求中的一项所述的方法，其中，对于确定所述器官(O)图像的表示(R1，R2)之间的变化和/或所述特征(D1，D2)之间的变化，确定所述第二参考线(L2)上的匹配点，其中，每个匹配点对应于所述第一参考线(L1)上的匹配点。
9.根据权利要求8所述的方法，其中，两个参考线上的匹配点被用于确定从所述器官的表示得到的所述特征之间的变化。
10.根据前述权利要求中的一项所述的方法，其中，对所确定的所述器官(O)的表示(R1，R2)之间的变化和/或所确定的根据这些表示(R1，R2)确定的特征(D1，D2)之间的变化进行可视化，
优选地，以3D图像的形式示出所述器官(O)的表示(R1，R2)和所确定的变化，
以及/或者
优选地，在2D图中，其中，沿着所述参考线(L1，L2)的点被解释为所述2D图的一个轴上的点，并且与每个点有关的变化在另一个轴上被示出。
11.根据前述权利要求中的一项所述的方法，其中，根据变化的量来标注或标记所确定的所述器官(O)的表示(R1，R2)之间的变化和/或所确定的从这些表示(R1，R2)确定的特征(D1，D2)之间的变化，
优选地，其中，在变化的量大于预定义阈值的情况下，特别是以特殊标注、特殊标记、警告消息和/或声音信号的形式提供警告。
12.根据前述权利要求中的一项所述的方法，其中，将图形滤波函数，优选地平滑滤波和/或高斯滤波，应用于所述器官(O)的特征(D1，D2)和/或对所确定的变化进行可视化的图像。
13.一种用于自动确定中空器官(O)的变化的装置(12)，包括：
-数据接口(20)，其被设计成用于：接收在第一时间点(T1)记录的所述器官(O)的第一医学图像(P1)和在第二时间点(T2)记录的所述器官(O)的第二医学图像(P2)，
-分割单元(21)，其被设计成用于：计算所述第一图像(P1)中的所述器官(O)的第一表示(R1)和所述第二图像(P2)中的所述器官(O)的第二表示(R2)，
-参考单元(22)，其被设计成用于：基于所述器官(O)的第一表示(R1)来计算所述器官(O)的第一参考线(L1)并且基于所述器官(O)的第二表示(R2)来计算所述器官(O)的第二参考线(L2)，
-配准单元(23)，其被设计成用于：对所述第一参考线(L1)和所述第二参考线(L2)进行配准，以获得所述器官(O)的两个表示(R1，R2)的匹配和/或从所述表示(R1，R2)得到的特征(D1，D2)的匹配，
-比较单元(25)，其被设计成用于：对所匹配的所述器官(O)的表示(R1，R2)和/或所匹配的从这些表示(R1，R2)得到的特征(D1，D2)进行比较。
14.根据权利要求13所述的装置，包括测量单元(24)，所述测量单元(24)被设计成用于确定：
i)从所述第一参考线(L1)的一组预定义坐标(C1)到所述第一医学图像(P1)中描绘的所述器官(O)的表面的第一组距离(D1)和/或第一组截面；以及
ii)从所述第二参考线(L2)的一组预定义坐标(C2)到所述第二医学图像(P2)中描绘的所述器官(O)的表面的第二组距离(D2)和/或第二组截面，
其中，所述配准单元(23)被设计成用于对所述第一参考线(L1)和所述第二参考线(L2)进行配准以获得所测量的距离(D1，D2)的匹配和/或所测量的截面的匹配，并且所述比较单元(25)被设计成用于将所测量的距离(D1，D2)和/或所测量的截面与相应的所匹配的距离(D1，D2)和/或相应的所匹配的截面成对地进行比较。
15.一种用于控制医学成像系统(1)的控制装置(13)，所述控制装置包括根据权利要求13或14所述的装置(12)。
16.一种医学成像系统(1)，包括根据权利要求15所述的控制装置(13)。
17.一种计算机程序产品，所述计算机程序产品包括能够直接被加载到用于医学成像系统(1)的装置(12)或控制装置(13)中的计算机程序，所述计算机程序产品包括程序元素，所述程序元素用于：当所述计算机程序由所述装置(12)或所述控制装置(13)执行时，所述程序元素执行根据权利要求1至12中任一项所述的方法的步骤。
18.一种计算机可读介质，在所述计算机可读介质上存储有程序元素，当所述程序元素由计算机单元执行时，所述程序元素能够由所述计算机单元读取和执行，以执行根据权利要求1至12中任一项所述的方法的步骤。
CN202010953139.3A 2019-09-12 2020-09-11 用于自动确定中空器官的变化的方法和装置 Active CN112488988B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP19196971.6A EP3792870B1 (en) 2019-09-12 2019-09-12 Method and device for automatic determination of the change of a hollow organ
EP19196971.6 2019-09-12

Publications (2)

Publication Number Publication Date
CN112488988A true CN112488988A (zh) 2021-03-12
CN112488988B CN112488988B (zh) 2024-08-23

Family

ID=67953645

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010953139.3A Active CN112488988B (zh) 2019-09-12 2020-09-11 用于自动确定中空器官的变化的方法和装置

Country Status (3)

Country Link
US (1) US11538154B2 (zh)
EP (1) EP3792870B1 (zh)
CN (1) CN112488988B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008138140A1 (en) * 2007-05-15 2008-11-20 Val-Chum, Societe En Commandite A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1665130A4 (en) * 2003-09-25 2009-11-18 Paieon Inc SYSTEM FOR THREE-DIMENSIONAL RECONSTRUCTION OF A TUBULAR ORGAN
CN102007515B (zh) * 2008-04-18 2013-06-12 皇家飞利浦电子股份有限公司 用于对肺动脉进行分割的方法和系统
DE102009006414B3 (de) * 2009-01-28 2010-09-09 Siemens Aktiengesellschaft Verfahren und Mittellinien-Ermittlungseinrichtung sowie Bildbearbeitungseinrichtung und Computerprogramm zur Ermittlung einer Mittellinie eines Abschnitts eines Hohlorgans
EP2557998B1 (en) * 2010-04-15 2020-12-23 Koninklijke Philips N.V. Instrument-based image registration for fusing images with tubular structures
DE102010018460B4 (de) * 2010-04-27 2017-02-16 Siemens Healthcare Gmbh Verfahren zur Ermittlung wenigstens einer Änderung einer tubulären Gewebestruktur eines Lebewesens, Recheneinheit und Datenträger
US10685438B2 (en) 2017-07-17 2020-06-16 Siemens Healthcare Gmbh Automated measurement based on deep learning
US11127138B2 (en) 2018-11-20 2021-09-21 Siemens Healthcare Gmbh Automatic detection and quantification of the aorta from medical images

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008138140A1 (en) * 2007-05-15 2008-11-20 Val-Chum, Societe En Commandite A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures

Also Published As

Publication number Publication date
EP3792870C0 (en) 2025-04-30
EP3792870A1 (en) 2021-03-17
US11538154B2 (en) 2022-12-27
EP3792870B1 (en) 2025-04-30
CN112488988B (zh) 2024-08-23
US20210082110A1 (en) 2021-03-18

Similar Documents

Publication Publication Date Title
US8824755B2 (en) Method and computer system for automatically generating a statistical model
US8659603B2 (en) System and method for center point trajectory mapping
US20100309198A1 (en) method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures
US8487933B2 (en) System and method for multi-segment center point trajectory mapping
US9600895B2 (en) System and method for three-dimensional nerve segmentation using magnetic resonance imaging
US8588490B2 (en) Image-based diagnosis assistance apparatus, its operation method and program
Chenoune et al. Segmentation of cardiac cine-MR images and myocardial deformation assessment using level set methods
EP4231234A1 (en) Deep learning for registering anatomical to functional images
US8150122B2 (en) Method for controlling an image data acquisition and/or evaluation procedure in medical examinations
CN113487665B (zh) 一种管腔缺口的测量方法、装置、设备和介质
US9971952B2 (en) System and method for three-dimensional nerve segmentation using curved multiplanar reformatting magnetic resonance imaging
US11257219B2 (en) Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data
US10109049B2 (en) Method of scan geometry planning for determining wall thickness of an anatomic detail using magnetic resonance imaging
CN112488988B (zh) 用于自动确定中空器官的变化的方法和装置
CN117455993A (zh) 一种直肠癌的自动测量方法及系统
Kadoury et al. Accuracy assessment of an automatic image-based PET/CT registration for ultrasound-guided biopsies and ablations
US20230255532A1 (en) System and method for functional assessment of urinary tract using magnetic resonance imaging
CN120259343B (zh) 一种基于hrmri图像的颅内动脉管腔管壁分割方法
EP4521344A1 (en) Methods and systems for image annotation and segmentation
WO2025097129A1 (en) System and methods for standardized measurements and personalized parameter maps of the thoracic aorta from anatomic imaging using machine learning
CN115937139A (zh) 灌注参数定量计算方法、设备及存储介质
CN120259157A (zh) 用于医学成像的关键点检测方法、医学成像方法和系统

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
TR01 Transfer of patent right

Effective date of registration: 20240902

Address after: German Phu F Haim

Patentee after: Siemens Medical AG

Country or region after: Germany

Address before: Erlangen

Patentee before: Siemens Healthineers AG

Country or region before: Germany

TR01 Transfer of patent right