荧光透视图像序列中的导管检测和追踪的方法和系统技术方案

本发明专利技术涉及一种荧光透视图像序列中的导管检测和追踪的方法和系统。公开了一种用于在荧光透视图像序列中检测和追踪消融导管尖端的方法和系统。通过使用边缘空间学习，在荧光透视图像序列的每帧中检测导管尖端候选者。然后，在荧光透视图像序列的所有帧上追踪检测到的导管尖端候选者，以便确定每帧中的消融导管尖端定位。

【技术实现步骤摘要】
本申请要求2007年8月21日提交的序号为No.60/956,988的美国临时申请的利益，该美国临时申请的公开内容通过引用结合于此。
本专利技术涉及对心脏进行荧光透视(fluoroscopic)成像，并且更特别地涉及在心脏的荧光透视图像序列中检测和追踪消融导管尖端。
技术介绍
心律失常是心脏电节律的异常。心律失常经常采用射频消融来治疗，以修改心脏的电通路。为了构建心脏的电地图，不同的导管被插入到动脉并被引导到心脏。根据这样的电地图，医生尝试识别出心脏中异常电活动的定位。带有特殊尖端的消融导管被用来通过在异常电活动的定位施加能量(射频)而执行消融。这破坏(或消融)了这些定位处的组织并中断了对于心律失常的触发。整个消融操作是利用实时荧光透视图像来监控的。荧光透视图像是在一段时间期间拍摄的X射线图像，从而产生图像序列。期望的是在这样的荧光透视图像序列中检测和追踪消融导管尖端。
技术实现思路
本专利技术提供了一种用于在心脏的荧光透视图像序列中检测和追踪消融导管尖端的方法和系统。这样的对消融导管尖端的检测和追踪可被用于获得来自双平面荧光(bi-plane fluoro)的消融导管尖端定位的三维重建，该双平面荧光由从不同角度获得的、消融过程的两个荧光透视图像序列产生。消融导管尖端定位的三维重建可以与患者的CT容积结合被用来在心脏内部提供实时三维导航能力。在本专利技术的一个实施例中，接收心脏的荧光透视图像序列。通过使用边缘空间学习，在荧光透视图像序列的每帧中检测导管尖端候选者。可通过在第一-->边缘空间学习水平中检测位置并且在第二边缘空间学习水平中检测位置和定向(orientation)来检测导管尖端候选者。通过使用非最大值抑制可以减少由边缘空间学习检测产生的导管尖端候选者的数目。然后，在荧光透视图像序列的所有帧上追踪导管尖端候选者，以便确定每帧中的消融导管尖端定位。通过确定所有帧上的导管尖端候选者之间的具有最小轨迹成本的轨迹可以追踪导管尖端候选者。附图说明通过参考下文的详细说明和附图，本专利技术的这些和其它优点对于本领域技术人员而言将会变得清楚。图1示出了根据本专利技术实施例的一种用于在荧光透视图像序列中检测和追踪消融导管尖端的方法；图2示出了带有被注释的导管尖端的示例性训练图像；图3示出了根据本专利技术实施例的一种通过使用边缘空间学习来检测荧光透视图像中的导管尖端候选者的方法；图4示出了通过使用图3的方法在示例性荧光透视图像中检测到的导管尖端候选者；图5示出了根据连续概率(continuation probability)对来自导管尖端候选者的轨迹成本的计算；图6示出了确定在图像序列的帧上具有最小成本的轨迹；图7示出了示例性的消融导管尖端检测结果；以及图8是能够实施本专利技术的计算机的高级框图。具体实施方式本专利技术涉及一种用于在心脏的荧光透视图像序列中检测和追踪消融导管尖端的方法和系统。本专利技术的实施例在此被描述来给出对消融导管尖端检测和追踪方法的直观理解。数字图像经常由一个或多个对象(或形状)的数字表示组成。对象的数字表示在此常常在识别和操纵对象方面被描述。这样的操纵是在计算机系统的内存(memory)或其它电路/硬件中完成的虚拟操纵。因此，应理解为：本专利技术的实施例可以在计算机系统之内通过使用存储在该计算机系统之-->内的数据来执行。图1示出了根据本专利技术实施例的一种用于在荧光透视图像序列中检测和追踪消融导管尖端的方法。在步骤102，荧光透视图像序列被接收。荧光透视图像序列可以是在监视消融过程的时候在时间帧上以有规律的间隔拍摄的心脏X射线图像。该序列中的每幅图像都可以被称为帧。荧光透视图像序列可以直接从X射线成像设备被接收，或者可以例如从计算机系统的内存或存储器或一些其它计算机可读介质被加载。在步骤104，利用边缘空间学习在荧光透视图像序列的每帧中检测到导管尖端候选者。边缘空间学习是一种学习技术，其中搜索空间的维数是逐渐增加的。在边缘空间序列中执行学习和搜索计算，这些边缘空间被选择来以致边缘概率具有小的熵。分类器在每个边缘空间学习水平被训练，以根据每个水平的搜索空间来检测候选者。导管尖端具有三个参数：位置(x，y)和定向θ。两个水平的边缘空间学习可以被用来确定导管尖端在每帧中的候选参数。在第一水平中，分类器被训练来根据位置检测候选者。在第二水平中，分类器被训练来根据位置和定向而检测候选者。每个水平的每个分类器可基于训练数据通过使用概率推进树(PBT，Probabilistic Boosting Tree)进行训练。训练数据是其中注释了的地面实况(groundtruth)导管尖端的荧光透视图像。由于消融导管尖端的外形在荧光透视图像中与其它类型的导管尖端的外形类似，所以除了消融导管尖端以外的其它导管尖端可以在训练图像中被注释为阳性的(positive)。图2示出了带有被注释的导管尖端202和204的示例性训练图像。如图2中所示，导管尖端202是消融导管尖端而导管尖端204是另一类导管尖端。在每个边缘空间学习水平，PBT分类器是通过递归地构造树来训练的，其中每个节点表示强分类器。一旦每个节点的强分类器被训练，就通过使用学习过的强分类器将该节点的输入训练数据分类成两组(阳性和阴性(negative))。这两个新的组被分别馈送到左子节点和右子节点，以训练这些左子节点和右子节点。这样，概率推进树将被递归地构造。PBT是有利于尖端检测的，因为在训练期间，PBT可以聚集不同类别的导管尖端的外形，这可以是处理多个导管类型的有用方式。一旦针对每个水平训练PBT分类器，这些分类器就可被用来在输入荧光透-->视图像中检测导管尖端候选者。通过使用针对每个边缘空间学习水平所训练的分类器顺序地检测候选者来检测导管尖端候选者。图3示出了根据本专利技术实施例的一种通过使用边缘空间学习来检测荧光透视图像中的导管尖端候选者的方法。图3的方法可针对接收到的荧光透视图像序列的每帧中重复进行。在步骤302，通过使用第一分类器以四分之一(25％)分辨率(quarterresolution)来检测导管尖端位置。从四分之一分辨率开始允许检测过程开始于较小的搜索空间，以快速确定导管尖端候选者可能存在的区域。四分之一分辨率荧光透视图的完整图像和哈尔特征(Haar feature)可被用来训练三个水平的PBT分类器，以检测四分之一分辨率导管尖端位置。根据PBT概率，高于阈值的最佳位置(x，y)候选者被保留用于进一步处理。例如，最佳的500个四分之一分辨率位置候选者可被保留。在步骤304，通过使用第二分类器以全分辨率来检测导管尖端位置。在这个水平，全分辨率荧光透视图上的完整图像和哈尔特征可被用来训练三个水平的PBT，以检测位置候选者。为了进行训练，来自四分之一分辨率水平的最佳位置候选者被重新定标(rescale)并且被扰乱，以生成用于该水平的训练样本。对于位置检测，由第一分类器检测到的最佳位置候选者被重新定标来生成要由第二分类器处理的可能的位置候选者。由于第一分类器以四分之一分辨率检测位置候选者，所以来自第一分类器的所保留的每个候选者生成要由第二分类器处理的四个可能的候选者。根据由第二分类器产生的PBT概率，高于阈值的最佳位置(x，y)候选者被保留用于进一步处理。例如，最佳的500个全分辨本文档来自技高网...

【技术保护点】
一种用于在包括多个帧的荧光透视图像序列中检测和追踪消融导管尖端的方法，该方法包括：　通过使用边缘空间学习而在荧光透视图像序列的每帧中检测导管尖端候选者；以及　在荧光透视图像序列的所有帧上追踪导管尖端候选者，以确定荧光透视图像序列的每帧中的消融导管尖端定位。

【技术特征摘要】
US 2007-8-21 60/956988;US 2008-8-6 12/2217321.一种用于在包括多个帧的荧光透视图像序列中检测和追踪消融导管尖端的方法，该方法包括：通过使用边缘空间学习而在荧光透视图像序列的每帧中检测导管尖端候选者；以及在荧光透视图像序列的所有帧上追踪导管尖端候选者，以确定荧光透视图像序列的每帧中的消融导管尖端定位。2.根据权利要求1所述的方法，其中，所述在荧光透视图像序列的每帧中检测尖端候选者的步骤包括：对于每帧，在第一边缘空间学习水平中检测导管尖端候选者在该帧中的位置；以及在第二边缘空间学习水平中检测该帧中的包括位置和定向的导管尖端候选者。3.根据权利要求2所述的方法，其中，所述检测导管尖端候选者的位置的步骤由通过使用概率推进树所训练的第一分类器来执行，并且所述检测包括位置和定向的导管尖端候选者的步骤由通过使用PBT训练的第二分类器来执行。4.根据权利要求2所述的方法，其中，所述在荧光透视图像序列的每帧中检测尖端候选者的步骤包括：对于每帧，通过使用非最大值抑制来减少导管尖端候选者的数目。5.根据权利要求4所述的方法，其中，所述通过使用非最大值抑制来减少导管尖端候选者的数目的步骤包括：选择具有最高概率的导管尖端候选者；舍弃在所选的导管尖端候选者附近的导管尖端候选者；以及重复所述选择和舍弃步骤，直到每个导管尖端候选者都已被选择或被舍弃。6.根据权利要求1所述的方法，其中，所述在荧光透视图像序列的每帧中检测尖端候选者的步骤包括：对于每帧，通过使用第一分类器以四分之一分辨率来检测多个位置候选者；以四分之一分辨率定标所述位置候选者，以生成多个全分辨率的潜在位置候选者；通过使用第二分类器以全分辨率从所述全分辨率的潜在位置候选者中检测多个位置候选者；通过使用多个离散角以全分辨率增加所述位置候选者中的每个位置候选者，以生成多个潜在的位置和定向候选者；通过使用第三分类器从所述潜在的位置和定向候选者中检测多个导管尖端候选者；以及通过使用非最大值抑制来减少导管尖端候选者的数目。7.根据权利要求6所述的方法，其中，所述第一分类器、第二分类器和第三分类器是概率推进树分类器。8.根据权利要求1所述的方法，其中，所述在荧光透视图像序列的所有帧上追踪导管尖端候选者来确定荧光透视图像序列的每帧中的消融导管尖端定位的步骤包括：确定在荧光透视图像序列的所有帧上的导管尖端候选者之间的具有最小成本的轨迹；以及将具有最小成本的轨迹中的每帧中的导管尖端候选者选为该帧的消融导管尖端定位。9.根据权利要求8所述的方法，其中，所述确定在荧光透视图像序列的所有帧上的导管尖端候选者之间具有最小成本的轨迹的步骤包括：在每帧，计算终止于该帧中的每个导管尖端候选者的最佳轨迹；确定具有成本最低的最佳轨迹的导管尖端候选者；以及如果最低成本低于在在前帧所确定的最低成本，则将该导管尖端候选者选为该帧的消融导管尖端定位。10.一种用于在包括多个帧的荧光透视图像序列中检测和追踪消融导管尖端的设备，该设备包括：用于通过使用边缘空间学习在荧光透视图像序列的每帧中检测导管尖端候选者的装置；以及用于在荧光透视图像序列的所有帧上追踪导管尖端候选者来确定荧光透视图像序列的每帧中的消融导管尖端定位的装置。11.根据权利要求10所述的设备，其中，所述用于在荧光透视图像序列的每帧中检测尖端候选者的装置包括：用于在第一边缘空间学习水平中检测导管尖端候选者在每帧中的位置的装置；以及用于在第二边缘空间学习水平中检测每帧中的包括位置和定向的导管尖端候选者的装置。12.根据权利要求11所述的设备，进一步包括：用于通过使用对应于所述第一边缘空间学习水平的概率推进树来训练第一分类器的装置；以及用于通过使用对应于所述第二边缘空间学习水平的概率推进树来训练第二分类器的装置。13.根据权利要求11所述的设备，其中，所述用于在荧光透视图像序列的每帧中检测尖端候选者的装置进一步包括：用于通过使用非最大值抑制来减少在每帧中检测到的导管尖端候选者的数目的装置。14.根据权利要求10所述的设备，其中，所述用于在荧光透视图像序列的每帧中检测尖端候选者的装置包括：对于每帧，用于通过使用第一分类器以四分之一分辨率检测多个位置候选者的装置；用于以四分之一分辨率来定标所述位置候选者以生成多个全分辨率的潜在位置候选者的装置；用于...

【专利技术属性】
技术研发人员：A巴布，U比尔，D科马尼丘，AK加兰特，N施特罗贝尔，W张，
申请(专利权)人：美国西门子医疗解决公司，西门子公司，
类型：发明
国别省市：US[美国]