用于在任意视场计算断层摄影血管造影（CTA）中自动检测全身动脉的方法技术

用于全自动分析由数字图像表示来表示的医学图像的方法和系统。公开了一种用于在任意视场计算断层摄影血管造影（CTA）中自动检测全身动脉的方法。

Automated detection of systemic arteries in computed tomography angiography (CTA) with arbitrary field of view

A method and system for automatic analysis of medical images represented by digital image representations. A method for automatic detection of systemic arteries in computed tomography angiography (CTA) with arbitrary field of view is disclosed.

【技术实现步骤摘要】
【国外来华专利技术】用于在任意视场计算断层摄影血管造影（CTA）中自动检测全身动脉的方法描述。
本专利技术一般地涉及医学成像的领域，并且更具体地涉及自动化血管检测的领域。本专利技术涉及通过对由数字图像表示来表示的医学图像的分析在任意视场（field-of-view）计算断层摄影血管造影（CTA）中的全身动脉的自动检测。
技术介绍
外周动脉疾病（PAD）是引起非脑和非冠状动脉的狭窄的常见疾病。外周动脉疾病具有通常约10％的世界范围流行程度，并且在70岁以上的人中具有15-20％的世界范围流行程度。在2010年中，全球2.02亿人与PAD共处（livingwith）。计算断层摄影血管造影（CTA）是非侵入性和通用的技术中的一种，用于对动脉树进行成像并诊断狭窄，其中动脉通过注射的造影剂（contrastmedia）具有明亮的表观（appearance）。不均匀的强度表观、与骨骼的相似性、解剖变异和赝像使得动脉提取任务挑战性的。因此，计算机辅助动脉中心线提取工具对于辅助和加速动脉树的提取和分析具有高的要求。总之，动脉中心线提取框架需要应对以下重要要求：1-成像变化：该方法应该能够处理由来自不同供应商的成像设备产生的图像，所述图像具有可能对比度不均匀性、不同的空间分辨率、噪声和赝像。特别是，对CTA的血管评估可能由于多种问题而被限制，所述问题包括心脏和主动脉搏动、由血管壁钙化造成的束硬化赝像、由于对比剂剂量不足导致的血管腔的不良对比度不透明、血管狭窄和其他原因。2-解剖变异：该方法应该应对可能因解剖结构和病状（pathologies）的存在而在形状、大小和曲率方面变化很大的血管。3-定时性能：当在现代计算机基础设施上实现时，该方法应该在合理的时间内可执行，这是挑战性的要求，因为血管网络的完整分析是计算上要求高的，主要是由于巨大的搜索空间。大多数血管分析相关技术可以被细分为三个主要类别并且可以彼此组合使用：血管增强、血管分割和中心线提取。血管增强算法通常充当包括血管中心线提取和分割的更复杂的流水线（pipeline）算法中的组成步骤。中心线提取算法通常也允许整个对象的进一步重建，因此经常成为血管分割流水线算法的一部分。1）血管增强：这些技术通常以所谓的管度（tubeness）或血管性（vesselness）度量为中心，所述管度或血管性度量表示是血管（或是血管内的点）的概率。最佳边缘检测、强度脊检测方法可操纵滤波器和基于Hessian的方法已经被广泛用于医学图像中的管状结构的增强。基于Hessian的方法是所有种类的以血管性为中心的方法中的最通用和表现最好的方法之一。在大多数血管性相关的方法中，首先计算Hessian矩阵的特征值，并且然后将其组合成血管性度量。特征值的不同组合增强了管状、板状或斑点状结构。Hessian矩阵通常由高斯导数近似。肖等[C.Xiao、M.Staring、Y.Wang、D.P.Shamonin和B.C.Stoel，“Multiscalebi-gaussianfilterforadjacentcurvilinearstructuresdetectionwithapplicationtovasculatureimages”，IEEETransactionsonImageProcessing，第22卷，第1期，第174–188页，2013年。]建议用双高斯函数替换内核，以允许在前景和背景两者中的独立尺度选择。最佳定向通量（OOF）已经由Law和Chung[M.W.Law和A.C.Chung，ComputerVision–ECCV2008中的“Threedimensionalcurvilinearstructuredetectionusingoptimallyorientedflux”，Springer，2008年，第368-382页。]引入，以克服用于血管的分割的基于Hessian的算法[F.Benmansour、E.Türetken和P.Fua，“Tubulargeodesicsusingorientedflux:anitkimplementation”，Tech.Rep.，2013年。]的缺点中的一些。尽管基于Hessian的方法和OOF示出极大增强的性能，但是它们在计算上（尤其是在大体积扫描中）是非常昂贵的，并且这主要是由于获得滤波器响应所需的昂贵过程。2）中心线提取/跟踪：在许多医学应用中，基于提取的中心线的血管网络的描述是基本的预处理步骤。在这样的情况下，特别是管状结构或血管由中间线来表示，所述中间线很经常伴随着在它们的组成点处的估计的几何特征（诸如血管的半径）。经典的中心线提取方法包括直接跟踪方法、基于模型的优化方法和最小路径技术。大多数的这样的中心线提取算法是半自动化的，并且通常需要用户交互。在2008年的医学图像计算和计算机辅助干预（MICCAI）会议中的分割挑战研讨会[M.Schaap、C.T.Metz、T.vanWalsum、A.G.vanderGiessen、A.C.Weustink、N.R.Mollet、C.Bauer、H.Bogunovi´c、C.Castro、X.Deng等，“Standardizedevaluationmethodologyandreferencedatabaseforevaluatingcoronaryarterycenterlineextractionalgorithms”，Medicalimageanalysis，第13卷，第5期，第701-714页，2009年。]期间验证了这样的方法的潜力。13种冠状动脉中心线提取方法参与了挑战。主要的方法由Friman等[O.Friman、C.Kuehnel和H.Peitgen，“Coronarycenterlineextractionusingmultiplehypothesistrackingandminimalpaths”，2008年7月。]、Szymczak等[A.Szymczak，“Vesseltrackingbyconnectingthedots”，TheInsightJournal，2008年。]以及Zambal等[S.Zambal、J.Hladuvka、A.Kanitsar和K.Bühler，Proc.OfMICCAIWorkshop3DSegmentationintheClinic:AGrandChallengeII中的“Shapeandappearancemodelsforautomaticcoronaryarterytracking”，2008。]引入。大多数直接跟踪方法需要在血管树的根处有一个种子点。跟踪通常从给定的种子点开始沿着血管前进。根据周围的几何形状或基于图像的特征，在每个步骤处估计连续的中心线位置。基于模型的优化方法需要针对每个给定的血管分段的起点和终点。在Frangi等的著作[A.F.Frangi、W.J.Niessen、R.M.Hoogeveen、T.VanWalsum、M.Viergever等，“Model-basedquantitationof3-dmagneticresonanceangiographicimages”，MedicalImaging，IEEETransact本文档来自技高网...

【技术保护点】
1.用于分析由数字图像表示来表示的身体的基于切片的扫描图像体积的方法，包括以下步骤：‑ 确定基于切片的扫描图像体积属于哪个身体区域，‑ 确定在所述身体区域中针对存在的血管的预期血管特性，所述特性包括血管半径、针对给定位置处的血管的圆度的度量的阈值、血管强度值阈值和解剖结构驱动的血管分段连接规则，‑ 确定表示血管的中心的所述图像体积中的种子点，‑ 通过迭代地确定随后的邻近种子候选者来跟踪以所述种子点为起点的未连接的血管分段，所述邻近种子候选者基于表示（基于切片的表示的）点属于具有所述预期血管特性的血管的可能性的值来选择，‑ 通过连接所述未连接的血管分段来迭代地扩展血管树，在考虑所述预期血管特性的每个迭代步骤中，对所述未连接的血管分段应用连接规则的集合，当不再满足连接规则的集合时，终止迭代。

【技术特征摘要】
【国外来华专利技术】2016.08.10 EP 16183554.11.用于分析由数字图像表示来表示的身体的基于切片的扫描图像体积的方法，包括以下步骤：-确定基于切片的扫描图像体积属于哪个身体区域，-确定在所述身体区域中针对存在的血管的预期血管特性，所述特性包括血管半径、针对给定位置处的血管的圆度的度量的阈值、血管强度值阈值和解剖结构驱动的血管分段连接规则，-确定表示血管的中心的所述图像体积中的种子点，-通过迭代地确定随后的邻近种子候选者来跟踪以所述种子点为起点的未连接的血管分段，所述邻近种子候选者基于表示（基于切片的表示的）点属于具有所述预期血管特性的血管的可能性的值来选择，-通过连接所述未连接的血管分段来迭代地扩展血管树，在考虑所述预期血管特性的每个迭代步骤中，对所述未连接的血管分段应用连接规则的集合，当不再满足连接规则的集合时，终止迭代。2.根据权利要求1所述的方法，其中，基于切片的扫描图像体积属于哪个身体区域的确定基于基于切片的回归方法，所述基于切片的回归方法应用于基于切片的扫描图像体积的切片中的组织成分。3.根据权利要求1或2所述的方法，其中，...

【专利技术属性】
技术研发人员：A诺维科夫，D马约，M维梅尔，K布厄勒，
申请(专利权)人：爱克发医疗保健公司，VRVIS虚拟现实和形象化公司，
类型：发明
国别省市：奥地利,AT