專利名稱：在數字圖像數據中識別注有造影劑的血管的方法
技術領域：
本發明涉及一種在通過3D-血管造影獲得的數字圖像數據中識別注有造影劑的血管的方法。
背景技術：
心臟冠狀血管疾病是整個工業社會中人類的主要死因之一。這種情況下，心臟功能缺陷主要是由反常的狹窄所引起的，即冠狀動脈變窄。這常常會導致危及生命的心肌梗塞。
近來，在一些例如螺旋-CT(多層心臟計算機X射線斷層造影-MSCT)方法中的技術改進使得可以在亞毫米范圍內產生具有高位置分辨率的心臟三維圖像。這其中，在約20秒的時間窗內對患者體內，例如含有心臟的胸腔拍攝64張平行的截面圖像，即層。在此尤其是通過靜脈內注射造影劑來顯示冠狀動脈。這一技術例如公知為3D-血管造影術(計算機X射線斷層血管造影術-CTA)。這種成像方法的結果是可以產生患者的數字3D圖像數據組。
為了能夠對這些圖像就患者的心臟或冠狀動脈的狀況進行分析，需要從圖像數據中對所謂的冠狀樹進行識別或進行足夠對比度的顯示。在此冠狀樹是冠狀動脈或血管的總和，而不包括包含在圖像數據組中的其它圖像信息。換句話說，應從圖像數據中將冠狀樹提取出來，從而使其例如能夠單獨地，即在空曠的空間內可圖像顯示或者可測量。這種將冠狀樹從圖像數據中凸現出來的過程——在專業領域內也被稱為分割——將在以下始終稱為識別。
這種識別的質量或品質對于隨后的醫療診斷來說是非常重要的，例如分析是否存在血管變窄或者其程度如何。血管變窄是由于脂肪堆積、鈣質堆積、動脈瘤或其他解剖學上的畸變如心臟冠狀動脈缺陷等造成的。
除了對心臟冠狀血管進行診斷，即僅僅是診斷的確定外，其定性和定量分析也是非常有用的。例如，對于必要的介入、如置入支架前的處理方案。這里，在手術的前期準備階段就要確定出支架、所需導管的長度或者搭橋的尺寸。
醫學圖像數據中對相應血管的識別由于血管結構通常很細而成為嚴峻的挑戰。例如血管的直徑通常在數字圖像數據中只覆蓋很少圖像點或體素。識別中的另一難題是待識別的血管靠近圖像數據中同樣以足夠對比度顯示的心室或心房。另外，也需要有可靠的方法或算法對測量噪聲和圖像干擾進行相應的圖像處理。
因此，為了在醫學2D-或3D-圖像或圖像數據中識別血管，已開發出許多方法。
有一類方法是基于所謂的相鄰差異，這種差異由圖像數據計算得出。這些方法的主要缺陷是它們嚴重受制于圖像數據中存在的噪聲。
還存在基于帶有或不帶有形狀模型的可塑造模型的方法。這里，大多數模型或方法都以識別管狀結構為目標，但是它們在識別冠狀樹中的血管分枝時就很成問題或者會失效。此外，獲得形狀模型需要用手工分割血管樹或冠狀樹的在已知圖像數據的、龐大而具有代表性的數據基礎上進行繁復工作的訓練階段。但是在醫療實踐中最為困難和嚴重的情況下變異的血管樹常常會被錯誤地分割，因為它們與通常的模式或通常的形狀模型偏差太大。盡管基于模型的方法比前述那些方法對于圖像噪聲明顯更可靠一些，但是這些方法多數還不適用于3D分析。這還因為它們是計算集中的。
相反，線性算法或輪廓算法則只是提取或識別出圖像數據中血管的中線，而不是整個血管體積或內腔。另外，這種技術需要很好地手工初始化。因此這里需要通過盡可能熟練的使用者，例如血管外科醫生來做大量的準備工作。例如，在實踐中首先要在3D區域內設置相應的標記來初始化這種方法，這是非常昂貴的。
另一廣泛使用并且基本的算法是所謂的區域生長或成長方法，該方法一般廣泛用于分割圖像數據并且已經例如按照[Boskamp，Tobias等，“New VesselAnalysis Tool for Morphometric Quantification and Visualization of Vessels in CTans MR Imaging Data Sets”，RadioGraphics，第24卷，第1期，第287-297頁，在線出版，2004]而用于血管識別或分割。
該方法用于2D或3D的情況，并且在此針對的是圖像數據體素的亮度值或色度值或灰度值。該方法基于的基本假設是，緊鄰著且具有類似亮度值的體素極有可能屬于同一個對象。以下在不限制普遍性的情況下，將注有造影劑的血管，也即富積有造影劑的血管在圖像數據中比周圍組織等更為明亮的顯示，并且這些更明亮的體素具有更高的灰度值或強度值。至于所要分割的3D圖像數據，指的是純灰度值圖像，也即不是彩色圖像。體素的灰度值用Hounsfield單位表示。
首先，多數情況下要手動地先給出第一種子點或萌芽點sp，即其中添加了空種子點集合SPT的一個單獨的圖像體素。在此，T是種子點的灰度。由此出發，該方法分割圖像數據或對血管進行識別，其中，逐步地檢測與種子點sp相鄰的體素nsp，看其是否可能是血管體素。將這些體素作為可能的種子點添加到相應于其灰度值I的種子點集合SPI中。然后如下所述，當T設為相應的值I時，對相應存儲的種子點進行處理。
如果檢測了閾值T的所有鄰居，則將種子點本身添加到空的分割的區域R中。該區域R就是生長的血管樹。
針對相應的閾值T，通常要選擇出其值為Tmax≥T≥Tmin的總間隔，并且在方法過程中逐步地降低實際的閾值T。
如果對于已經分割的區域R不能再找到其他其強度大于目前的閾值T的相鄰體素nsp，則將其降低一個預定的步幅，并且以此改變的閾值T來進行進一步的方法過程。
被分割的種子點、也即屬于集合R的種子點，一般用識別其的、相應的閾值T來標記。由此產生根據強度值劃分的結果R，該結果使得在完成所有的算法處理之后也能逐步離開已經分割的區域。
最大閾值Tmax在此是指手工確定的第一種子點的強度。最小閾值Tmin則是由使用者交互式地確定的。在整個閾值間隔Tmin至Tmax內進行分割。
雖然通過提高最小閾值Tmin使用者可以減小已知的錯誤分割，例如心室的集合。但是其中的缺點是，所有那些被識別為是正確的、但是強度卻比Tmin更小的血管，同樣會在結果中消失。如果例如在左心室的區域內尋找時算法在高閾值處出現了分岔，則由此就只能分割一小部分的待分割血管，即非常明亮的血管，而不會出現大范圍的錯誤切割。
現根據圖9來詳細闡述現有技術中已知的生長算法。
在起始步驟300，首先由一個未示出的使用者在未示出的3D-圖像數據中手工選擇出作為種子點sp的第一體素。將該種子點sp的灰度I選擇為最大閾值Tmax。接著，將集合SPTmax的種子點sp記作唯一的種子點。另外，使用者再根據其經驗值確定下限閾值Tmin。
首先，在循環開始302a處確定位于閾值上限Tmax和閾值下限Tmin之間的實際閾值T的值域，在此首先設實際閾值T為閾值上限Tmax。在下一個循環起點304a處又從由此而首先對應于上述集合SPTmax的種子點集合SPT中選擇第一種子點sp。在其后的循環起點306a處又針對剛選出的種子點sp而從直接鄰接于sp的相鄰體素的集合中選擇出種子點sp的第一相鄰體素nsp。
現在在分支308中對相鄰體素nsp進行檢測，考察其亮度值或強度值HU(nsp)是否大于或等于閾值下限Tmin。如果滿足這一標準，則在步驟311的是分支310中，將相鄰體素nsp寫作種子點集合SP1的新種子點或添入其中。這里，種子點集合的閾值I由相鄰體素HU(nsp)的強度最小值和實際的閾值T確定。相反，在相應的否分支312中則不進行進一步操作。
然后在循環終點306b中檢測，對于當前種子點sp是否存在另一相鄰體素nsp。如果是，則將其選擇出來并返回循環起點306a。如果否，則在步驟314中將種子點sp添加到結果集合R中，其中當前閾值T來標記種子點sp。另外，還要將sp從種子點集合SPT中去除，并因此而進行完全的處理。
然后在循環終點304b中檢測，在種子點集合SPT中是否存在其他種子點sp。如果是，則分支到循環起點304a，并從集合SPT中選擇下一個種子點。如果否，則分支到循環終點302b處，并在那里將當前閾值T降低一個固定的步幅，在本例中是向Tmin的方向降低一個灰度級，并接著分支到循環起點302a處。
在最后的方法步驟之后，隨著閾值T＝Tmin，算法結束。
結果集合R此時包含經分割的血管樹，即在生長算法過程中確定的所有種子點sp以及在起始步驟300中的起始種子點sp，其中每個起始點sp都對應于其被補充進結果集合R中的當前閾值T。
即便該區域生長法也具有上述那些缺陷，但是其基本優點是處理時的快速和轉化為計算機程序的簡單。
發明內容
因此，本發明要解決的技術問題在于提供一種用于在數字3D圖像數據中識別注有造影劑的血管的相應的改進的方法。
步驟a)至h)描述了相應于現有技術已知的、以上已根據圖9描述的一般的生長算法的基本形式。
這里，本發明基于如下認識，即迄今基于這種算法的已知方法在實施或使用時沒有顧及到那些待分割的結構。
因此，根據本發明，是在考慮了有關待識別的血管的在先知識的情況下進行至少一個方法步驟a)至h)。有關待識別的血管的在先知識例如可以是其主要形狀、大小、直徑等。對于冠狀動脈而言已知，例如，它們的直徑在軸向上從心室出發不允許有明顯的增加。所以，如果在分割血管的方法過程中形成了相對于已知血管的異乎尋常大的直徑的區域，則可以斷定，這是錯誤的分割并且不是患者的待識別的血管。根據本發明，在步驟a)至h)中通過改變或擴展而融入這些知識，從而實現本發明的方法。
上述生長算法的優點在此也仍然保留。但對于從例如計算機斷層造影-血管造影數據中分割出冠狀動脈樹則得到明顯的改善。因此該方法仍保持是快速的，并因此也可施用于大的3D數據組。由此其可用于診療所的日常使用。錯誤分割的風險得到最大程度的降低，因為最經常的錯誤分割的特性已事先知曉，并可通過相應的步驟根據在先知識而將它們檢測或捕捉出來。本發明的方法不僅可以用于CTA數據，而且還可例如用于磁共振血管造影(MRA)等技術中。另外，本方法也不限于分割冠狀動脈，而且也可用于其他血管，例如在患者背部或腦部的血管。
在本發明方法中可以采集在該方法的某個特定段中對應于相一閾值的種子點的數目，當該數目超過最大值時產生溢出信號，并且在該階段中不將對應于該閾值的種子點作為血管體素存儲。
這里，該方法階段是指任意、但又固定定義的方法部分，例如整個方法步驟c)，其是在同一當前閾值處進行的。
如果在特定的方法步驟中有特別多的種子點對應于相同的閾值，即它們的數目超過最大值，則意味著分割了一個按公知的方式不屬于血管的區域。對于這些方案來說存在著有關血管的在先知識，即在一個特定的方法步驟中分割血管的某一段，并且該段只具有特定的最大體積。因此，在該方法步驟中新找到的種子點的數目也是有限的。
由此，當事實上只有所預期的血管被正確識別時，只允許采集特定最大數目的種子點。否則則認為該方法識別出位于血管之外的區域。而這就是一種所謂的“溢出”，因為，換句話說，算法在識別過程中游離于血管之外。
因此在這種情況下就會產生溢出信號。可以以各種方法和方式分析或進一步利用該溢出信號。例如可以結束整個方法，或者也可以對溢出做出合適的反應。
根據在先知識已知，在相應方法階段中識別出的種子點的、超過最大值的數目不屬于或者部分不屬于血管。因此也就不把它們作為血管體素存儲。這意味著，不將新出現的種子點標記或存儲為血管體素，或者將已存儲的種子點或血管體素相應地再從血管體素集合中去除。
上述識別溢出的方法變形還可以在作為血管識別具有多條分支的血管的情形下進一步具體化。如果對應于同一閾值的種子點數目僅在第一分支中超過最大值，則可以針對該第一支路中斷停止該方法，而對其他支路繼續執行該方法。由此，在上述溢出識別時不會完全終止該過程，而是基本上只在形成溢出的位置，即識別出異常多種子點的位置處終止。然后，在其余支路中繼續執行該生長法。
例如，在3D圖像數據中，在溢出位置處設置相應的標記或標識，以此來中斷在該位置處的分割，或者換句話說結束溢出。不在出現溢出的支路內的血管的剩下的血管樹則可以不受阻礙地繼續生長。
針對存儲的血管體素的至少一個子區域，可以確定在該子區域內血管體素的總數N、確定其所有相鄰的圖像體素同樣也是血管體素的該子區域的內部血管體素的數目N1、確定該子區域的密度值d＝N1/N，并且當密度值d低于邊界值dmin時，不再繼續存儲該存儲的血管體素的子區域。
這一方法變形所基于的知識是，例如在對患者的心室進行分割時會出現所謂的缺陷或稀疏-體素集。這里，血管體素包括一個特定的隔開的體積，但是并非所有的圖像體素在體積內都能看作是血管體素。換句話說，在體積內存在許多非血管體素的位置，換句話說也就是并非是大塊的、只是由血管體素組成的圖像，而是先前所述的一種有缺陷的圖像。利用上述方法變形可以將這樣的圖像從血管體素的解集中去除，其中不存儲這樣的血管體素或將已經存儲的血管體素再刪除。
在步驟a)中可以選擇由步驟b)的種子點所圍繞的預定數量的圖像體素的最大強度值作為閾值。這里所利用的在先知識為由于噪聲原因，相鄰圖像體素的亮度或強度通常強烈不同，即使它們原本應該具有相同亮度，因為它們屬于相一圖像，例如血管。因為在步驟b)中要選擇特定的圖像體素作為種子點，所以其對應于閾值的強度值就會強烈地取決于實際所選擇的圖像體素。如果所選擇的、3D圖像數據中位于已知屬于血管的區域內的圖像體素的強度值，由于噪聲的原因而例如在該方法的開始就相對于其他位于血管中的圖像體素非常低，則在第一方法階段中，也即在最大閾值的階段中，就可以將很大量的圖像體素標記為血管體素。這樣，所有屬于血管的圖像體素都至少具有起始體素的亮度。如果能辨認出溢出或稀疏-體素，則這會較少差異的解集合，因為第一方法階段的所有血管體素都對應于相對較低的閾值。
通過根據本發明從第一種子點的周圍選擇最大強度值，就能在3D-圖像數據的圖像噪聲范圍內，在通常手動選擇的第一種子點的位置處對該方法采用實際的血管最大強度值。因此，該方法是在明顯更高的最大閾值處開始的，而這產生所識別的血管的明顯不同的結果集合，因為較暗的圖像體素已屬于其他的解子集(Lsungsteilmenge)。
在第一次方法運行的步驟h)結束之后，可以將識別出的血管存儲為第一部分血管，然后以步驟a)開始第二次方法運行，在步驟b)中選擇第二種子點，然后以步驟c)至h)運行第二方法過程，并將在步驟h)中識別出的血管作為第二部分血管，與第一部分血管整合成總的血管。
由此同時或相繼地執行多次生長法，但無論如何都是相互獨立地進行的，即它們分別以不同的、也就是第一和第二種子點開始，并且通常由此會導致不同的部分血管作為結果。這樣還可以識別出并無相互聯系的血管樹。另外，盡管如此或者在例如由于如上所述的溢出現象而發生第一方法過程中斷時，也仍然可以完整地，即無其他溢出地執行第二方法過程。
該方法可以在3D-血管造影和/或造影劑-計算機X射線斷層造影范圍內執行。首先對于3D-血管造影或造影劑-CT技術來說，在其中所生成的3D-圖像數據中將血管識別出來是非常重要的，并且可以通過本發明的方法而相對于現有技術明顯改善這種識別過程。
作為血管可以識別患者的冠狀心臟冠狀血管。首先對于心臟冠狀血管而言存在著許多在先知識，從而使得根據本發明通過考慮這些在先知識而可特別好且特別有效地匹配和改善這種生長法。
作為識別心臟冠狀血管時的準備知識，可以考慮那些對于患者心臟冠狀血管、心室、其心房和大動脈的認知。首先，心臟冠狀動脈的明顯特征即能區分心室和心房或大動脈，從而能賦予本發明方案特別好的結果。例如，如果在心臟冠狀血管位置處分割或識別心室、其心房或大動脈，則可以特別簡單地識別相應的溢出情況。
在方法流程中當前閾值改變的范圍可以取決于當前閾值的起始值，也即步驟a)中算得的閾值的值。例如，通過使用S形函數可以將不同亮度的起始閾值分配到當前閾值貫穿其中的不同的閾值范圍。位于特別明亮或特別灰暗的待識別血管中的起始點可以帶來明顯更好的切割效果。由于當前閾值的數值范圍取決于起始值，所以也可以同樣很好地分割不同來源的圖像數據。因此，利用本發明的方法在獲得3D-圖像數據時可以顧及到不同的患者數據和圖像拍攝參數。
為進一步闡述本發明，可參考附圖所示的實施例。附圖均為示意的原理圖圖1為用于從3D圖像數據中分割出血管的方法的流程圖片段；圖2為圖1所示方法的另一片段的流程圖；圖3示出圖1和圖2所示方法的另一替代方案；圖4為圖1至3的替代方案的流程圖；圖5示出取自含有設置于其中的種子點的血管的片段和所屬的閾值；圖6示出用于確定圖5閾值的S形函數；圖7示出帶有處于溢出狀態的分割結果的待分割血管的片段；圖8示出作為分割結果的血管樹；圖9示出現有技術中從3D-圖像數據中分割血管的方法的流程圖。
具體實施例方式
圖1所示為根據本發明擴展的如圖9的現有技術的方法的第一實施方式。在圖1中進行所謂的“整體”溢出識別。圖7所示為在血管82中的這種溢出84。以下還將進一步詳細闡述溢出的形成。
為了識別溢出，在圖1中，在已知的如圖9的方法中嵌入了兩個方法階段2a、2b。方法階段2a位于循環起點302a和304a之間。方法階段2b則在步驟314和循環終點304b之間。在方法階段2a內，在步驟4中將數值變量n設為0，并在變量N中計算當前有效的種子點集合SPT的大小，也即其中所含的種子點sp的數量作為|SPT|。
接著，進行如圖9的已知方法，直至步驟314。在此，如上所述，對于種子點集合SPT的確定選出的種子點sp檢測其所有的相鄰點nsp，并且必要時在步驟311中作為種子點集合SPmin(HU(nsp)；T)的新種子點加入。
根據本發明，在此將新種子點nsp分別添加到相應種子點集合SPmin(HU(nsp)；T)的末端。另外，在集合SPT中，在循環起點304a總是從集合的開始對要處理的種子點sp進行處理。因此，所有的種子點集合SP都在先進先出棧的意義上構成集合，使得在該方法中實際上最先或最后添加的種子點sp也最先或最后被處理。
在步驟314之后，對所有當前種子點sp的相鄰點進行考察，對種子點用當前閾值T來標記，將其添加到結果集合R中，并從種子點集合SPT中去除。然后，按照本發明在步驟6中將數字變量增加值1。因此n描述的是截至此時在步驟314中已經處理的種子點的數目。
在分支8檢查是否所有在步驟4中確定的N個種子點，即所有在流程開始時包含于種子點集合SPT中的種子點sp都已經被處理，也就是n是否等于N。如果還不是這種情況，則進入帶有循環終點304b的否支路10中，并以已知的方式對種子點集合SPT中的下一個種子點sp進行處理。
但是如果所有在步驟4中確定的N個種子點sp都已被處理，則進入是支路12。在那里考察種子點集合SPT是否異乎尋常強烈地生長。為此，在步驟14中將數字變量n首先重新設置為數值0，并確定此時種子點集合SPT的大小作為N。由于至此自步驟4以來所有n個種子點都已經在各個步驟314中被從集合SPT中去除了，因此N給出了自步驟4以來添加到集合SPT中的所有種子點sp的數目。
在岔口16處檢查，變量N是否低于先前所設定的最大允許的添加的種子點數Nmax。如果是這樣，則說明在步驟4和14之間沒有添加異常多的種子點sp到集合SPT中。由此可以斷定該方法沒有分支到如圖7所示的溢出中。因此選定是支路18，并且該方法如通常那樣從循環終點304b處繼續進行。
但是如果至少有Nmax個種子點sp添加到集合SPT中，則可以判斷發生了如圖7所示的溢出。因此分支16斷定進入否支路20，由此該方法也就在步驟24中識別出“整體”溢出。
在此位置，本發明方法的第一實施方式停止。但是在這個位置處，也可以如箭頭22所示，進入如圖2所示的另一個方法階段26中，其代替所述在步驟24的方法中斷執行。
在步驟24中確定了溢出之后，在步驟28中從結果集合R中去除所有自循環起點302a以來所添加的種子點sp。換句話說也就是所有截至此時在當前閾值T下的分割結果。也就是說，將結果集合R重新置回其在處理閾值T+1之后所具有的狀態，并且對于閾值T以替代方式再次執行分割。
在與循環起點304a相同的循環起點30a，再次從種子點集合SPT中選擇出第一種子點sp，但這次在步驟32中添加到新的、開始是空的結果集合Rtemp中。在類似于循環起點302a的循環起點34a，現在將臨時閾值Ttemp設定為等于當前閾值T，并且該值在方法階段26的過程中通常是逐步降低到Tmin的。
接著，在方法階段36中幾乎一樣地執行如圖1所示的生長法。只是將圖1的步驟314中的種子點不是添加到結果集合R中，而是添加到結果集合Rtemp中。
圖1的方法階段2b也稍有改動圖1的否支路20對應于圖2中的是支路38，并且通向圖2中的步驟40而不是圖1中的步驟24。在步驟40中，也即當檢測到溢出時，也將所有自循環起點34a起在值Ttemp下添加到結果集合Rtemp中的種子點spT，temp去除。另外，對應于圖1中的是支路18和否支路10的圖2中的否支路42不是通向圖1的循環終點304b，而是通向循環終點34，在其中將臨時閾值Ttemp下降一個灰度級。
在從T、即在步驟24中揭示溢出的圖1的循環起點302a的當前灰度值到循環終點34b內或步驟40之后的Tmin運行完所有的臨時閾值Ttemp以后，將執行圖2中的判斷步驟44。
在判斷步驟44中檢查，截至此時所得到的結果集合Rtemp是否具有有空隙的、也即所謂的“稀疏”結構。為此，對于包含于結果集合Rtemp中的種子點sp確定一個密度值d，d＝N1/N，其中N＝|Rtemp|表示包含在Rtemp中的體素或種子點sp的數目，N1表示Rtemp中的內部體素的數目。內部體素是那些其所有相鄰點也同樣屬于Rtemp的體素。如果所確定的密度值d大于或等于先前所確定的閾值dmin，則分割結果Rtemp就足夠“密”，也就是說沒有“稀疏”的區域。于是，在圖2中就要分支到否支路46。在那里，在步驟48中將所確定的臨時結果Rtemp添加到總結果R中。
相反，如果Rtemp是具有空隙、即“稀疏”分布的體素的集合，則有d＜dmin，因此分支到是支路50。在該支路中，首先在步驟52中清空集合Rtemp，因為分割帶有稀疏體素組的方法階段26不會產生有意義的結果。此外，還要將當前種子點sp遮蔽(ausmaskieren)，即該種子點sp在整個其余的方法流程中再不會被處理，因為該點造成分支進入空隙分布的結果區域Rtemp。
接著，方法階段26分岔進入循環終點30b，從那里處理集合SPT中的下一個種子點sp。方法階段26在處理完最后一個種子點sp之后，就轉向循環終點302b或圖1或圖9中的循環起點302a。由此，也就結束了對圖1步驟24中所確定的溢出的處理。然后，圖1的方法按照往常那樣繼續進行。
作為其他方法變形，還可以同時和/或相繼執行多個如圖9的完整的生長法。這一過程如圖3所示。當然，在執行生長法200時也可以使用根據本發明改進的生長法。在此各個生長法200的區別在于在步驟300中選擇第一種子點sp。這樣，每個單獨的生長方法200都對結果提供自己的結果集合R1、R2和R3。在最后一步中，將這些結果集合R1至R3合并成總結果集合Rges。
圖4中描繪了另一方法變形。在起始步驟300中還另外手動選擇一個起始點sp作為起始體素。但是這里并不選擇起始點sp的強度或灰度值作為最大閾值Tmax，而是選擇來自先前定義的起始點sp的相鄰體素組中的體素的最大強度。在圍繞sp的三個空間方向上可以考慮例如將在7×7×3相鄰關系內的所有體素作為相鄰點，條件是當所有的體素體積都由層析圖像(Schichtbilder)構成時，并且均要在2D層析圖像中選擇7×7的相鄰點，并且對于起始體素的層還要考慮到兩個相鄰的層，也就是總共考慮三個層。
另一方法變形可根據示出血管樹60的圖5來闡述。在該血管樹上，根據圖3以不同選擇的起始點62和64實施生長方法200的兩個不同的方法過程。第一起始點62具有灰度值或強度I1。如圖6所示，根據S形函數68，起始點62的強度I1對應著值ΔT1＝Tmax-Tmin。也就是說，在相應的方法流程200中，在循環起點302a或循環終點302b處ΔT1在灰度值Tmax至Tmin之間變化。
第二種子點64不同于第一種子點62，位于血管樹60的另一個支路血管66中。因此，對于種子點64的強度I2有I2＜I1。由此根據圖6中的S形函數68，值I2也對應較小的值ΔT2。因此，在對應于種子點64的方法流程200中，在循環開始302a或循環終點302b，Tmax與Tmin之間的灰度值ΔT2小于在對應于種子點62的方法流程200中的。
圖7描繪了血管樹70中生長方法200的分支情況。這里，在血管72中，區域R沿著箭頭74的方向生長。在血管岔口76上，分割出的區域R首先沿著兩個可能的分岔方向生長，如箭頭78所示。在位置80處，血管82的生長算法在閾值T時分岔發生了溢出84。也就是說現在該方法添加到區域R的體素并不屬于血管70，而是例如屬于相鄰于血管的骨結構或凹穴。
通過本發明的如圖1的方法能夠在步驟24中發現這種溢出84，并且如圖2的步驟28所示那樣，將在閾值T時溢出84的部分結果從結果R中去除。然后，在閾值T+1處的分割結果R則保留。該方法在血管82中終止于位置83處，而在血管86中則終止于位置88處。
但是，由于根據圖2在方法階段26中進行的其他臨時生長過程，所以血管86中的區域R也可能越過位置88向外沿著箭頭78的方向繼續生長，因為在這一支路內沒有識別出溢出，并且那里的種子點sp沒有在是支路50或步驟51中被遮蔽。
圖8所示為作為分割結果Rges的血管樹90，該血管樹由兩個部分結果R，即此處沒有示出的人體心臟的左和右冠狀動脈92a、b組成，并且該血管樹是根據圖3以兩個同時進行的生長方法200得到的。對于相應的方法，在左和右冠狀動脈的大動脈出口區域手工選擇種子點94a、b。圖8中的圖像是從分割結果Rges中通過所謂的“體積著色(Volume-Rendering)”技術作為人工三維透視圖由3D體素數據或圖像數據繪制出來的，據此可以實施本發明方法。
權利要求
1.一種用于在數字三維圖像數據中識別注有造影劑的血管(60，70，92a，b)的方法，該方法包括以下步驟a)選擇三維圖像數據中一個屬于血管(60，70，92a，b)的圖像體素作為種子點(sp)，b)選擇圖像體素(sp，nsp)強度(HU)的當前閾值(T)作為該種子點(sp)的強度(HU)，并將該種子點(sp)與該閾值(T)相對應，c)根據用于尋找新種子點的檢測標準(308)在與該種子點(sp)相鄰的圖像體素(nsp)中尋找新的種子點(sp)，并根據其強度(HU)和當前閾值(T)與特定的閾值(T，HU(nsp))相對應，d)不斷重復步驟c)，直至在該當前閾值(T)中再也找不到其他種子點(sp)，e)將找到的種子點(sp)存儲為屬于血管(60，70，92a，b)的血管體素(R)，并與當前閾值(T)相對應，f)降低當前閾值(T)，g)重復步驟c)至f)，直至滿足中斷條件，h)在圖像數據中將血管作為所有血管體素(R)的集合來識別，其特征在于，存在可能導致與待識別的血管(60，70，92a，b)有特殊聯系的相應方法步驟誤識別的在先知識，所述方法步驟a)至h)中的至少一個步驟是在考慮該在先知識的情況下而改變或擴展的。
2.如權利要求1所述的方法，其中，-采集在該方法的特定階段中對應于同一閾值(T)的種子點(sp)的數目(N)，-如果該數目(N)超過最大值(Nmax)，則產生溢出信號(24)，-如果產生了溢出信號(24)，則在該階段中不將對應于該閾值(T)的種子點(sp)作為血管體素(R)存儲。
3.如權利要求2所述的方法，其中，作為血管(60，70，92a，b)識別具有多條支路(82，86)的血管，并且對應于同一閾值(T)的種子點(sp)的數目(N)只在第一支路(82)內超過最大值(Nmax)，則此時-對該第一支路(82)中斷該方法，-對其余的支路(86)繼續實施該方法。
4.如上述權利要求之一所述的方法，其中，對于所存儲的血管體素(R)的至少一個子區域-確定在該子區域中圖像體素的總數(N)，-確定該子區域中其所有相鄰的圖像體素(nsp)也同樣是血管體素(R)的內部血管體素的數目(N1)，-對于該子區域，根據d＝N1/N來確定密度值(d)，-若該密度值(d)低于邊界值(dmin)，則不繼續存儲所存血管體素(R)的該子區域。
5.如上述權利要求之一所述的方法，其中，-在步驟a)中，選擇預定數量的圍繞在步驟b)的種子點(sp)周圍的圖像體素的強度值(HU)最大值作為閾值(T)。
6.如上述權利要求之一所述的方法，其中，-在第一次方法運行的步驟h)結束之后，存儲所識別出的血管(R)作為第一部分血管(R1)，-以步驟a)開始第二次方法運行，-在步驟b)選擇第二種子點(sp)，-以步驟c)至h)進行第二次方法運行，-將在步驟h)中識別出的血管(R)作為第二部分血管(R2，R3)和第一部分血管(R1)結合成整個血管(Rges)。
7.如上述權利要求之一所述的方法，其中，在三維血管造影和/或造影劑-計算機X射線斷層造影的范圍內實施該方法。
8.如上述權利要求之一所述的方法，其中，作為血管(60，70，92a，b)識別患者的冠狀心臟動脈。
9.如權利要求8所述的方法，其中，作為所述在先知識考慮關于患者的心臟冠狀血管、心室、其心房和大動脈的知識。
10.如上述權利要求之一所述的方法，其中，在方法步驟f)的運行中根據步驟a)中的當前閾值(T)來改變當前閾值(T)的區域(ΔT)，取決于在步驟a)中所確定的當前閾值(T)。
全文摘要
本發明涉及在數字3D圖像數據中識別有造影劑的血管的方法，a)選擇圖像數據中一個屬于血管的圖像體素作為種子點；b)選擇圖像體素強度的當前閾值作為種子點的強度，將種子點與閾值相對應；c)在與該種子點相鄰的圖像體素中尋找新種子點，并根據其強度和當前閾值與特定的閾值相對應；d)重復步驟c)，直至找不到其他種子點；e)將找到的種子點存儲為血管體素，并與當前閾值相對應；f)降低當前閾值；g)重復步驟c)至f)，直至滿足中斷條件，h)將血管作為所有血管體素的集合來識別，其中，存在可能導致與待識別血管有特殊聯系的相應方法步驟誤識別的在先知識，步驟a)至h)中的至少一個是在考慮該在先知識的情況下而改變或擴展的。
文檔編號A61B6/00GK1943515SQ20061016274
公開日2007年4月11日 申請日期2006年8月22日 優先權日2005年8月22日
發明者邁克爾·朔伊林, 邁克爾·蘇林 申請人:西門子公司