确定介入设备形状制造技术

一种提供用于预测被设置在血管区域内的介入设备的三维形状的神经网络的计算机实施的方法，包括：训练(S140)神经网络(140)，以根据接收到的X射线图像数据(120)和接收到的体积图像数据(110)来预测由所述血管区域(150)约束的所述介入设备的三维形状。所述训练包括约束所述神经网络的参数的调节，使得由所述神经网络(150)预测的所述介入设备的三维形状适合于在由接收到的体积图像数据(110)表示的血管区域的三维形状内。管区域的三维形状内。管区域的三维形状内。

【技术实现步骤摘要】
【国外来华专利技术】确定介入设备形状


[0001]本公开涉及确定被设置在血管区域内的介入设备的三维形状。公开了一种计算机实施的方法、处理装置、系统和计算机程序产品。

技术介绍

[0002]在X射线成像下执行许多介入医学流程。由X射线成像提供的二维图像辅助医师在解剖结构内导航介入设备，诸如导丝和导管。在X射线成像下，诸如骨骼和介入设备的解剖结构的致密区域是高度可见的。然而，在X射线成像下，软组织解剖区域(诸如脉管系统)常常不太可见，这限制了导航。在心理上将二维X射线图像中看到的介入设备的形状映射到三维解剖结构也能够是具挑战性的。
[0003]通过示例的方式，在前列腺动脉栓塞PAE中，在X射线成像下将诸如导丝和导管的介入设备导航通过脉管系统到注射微粒的处置部位，以便阻断小血管，并且从而阻碍向前列腺供应血液。脉管系统在X射线图像中常常不太可见，并且在心理上将X射线图像中看到的介入设备的形状映射到三维解剖结构能够是具挑战性的。
[0004]为了改进脉管系统的可见性，常常利用造影剂捕获二维术中数字减影血管造影DSA图像。然而，一些患者可能对造影剂有不良反应，这限制了其使用。为了解决在心理上将X射线图像中的介入设备的形状映射到三维解剖结构的挑战，可以在这样的介入之前获得脉管系统的术前三维图像，诸如计算机断层摄影血管造影CTA图像。CTA图像用作引导介入流程的路线图。然而，尽管采取了这些措施，医师常常需要从不同的投影角度拍摄脉管系统的多幅二维X射线图像，以便确认介入设备的位置。
[0005]从不同的投影角度生成脉管系统的多幅二维X射线图像也存在缺陷。除了增加的辐射剂量之外，由于支撑X射线源和探测器的C型臂的某些配置由患者或患者台的位置阻碍，因此期望的投影角度可能是不可获得的。
[0006]因此，根据X射线图像确定被设置在血管区域内的介入设备的形状的方式仍存在改进的空间。

技术实现思路

[0007]根据本公开的第一方面，提供了一种提供用于预测被设置在血管区域内的介入设备的三维形状的神经网络的计算机实施的方法。所述方法包括：
[0008]接收表示所述血管区域的三维形状的体积图像数据；
[0009]接收表示所述血管区域内的所述介入设备的一个或多个二维投影的X射线图像数据；
[0010]接收表示与所述介入设备的所述一个或多个二维投影相对应的所述血管区域内的所述介入设备的三维形状的真实情况(ground truth)介入设备形状数据；并且
[0011]通过以下操作来训练神经网络，以根据接收到的X射线图像数据和接收到的体积图像数据，预测由所述血管区域约束的介入设备的三维形状：将接收到的X射线图像数据和
接收到的体积图像数据输入到所述神经网络中；并且基于第一损失函数来调节所述神经网络的参数，所述第一损失函数表示由所述神经网络预测的介入设备的三维形状与接收到的真实情况介入设备形状数据之间的差异；并且约束所述调节，使得由所述神经网络预测的所述介入设备的所述三维形状适合于在由接收到的体积图像数据表示的所述血管区域的所述三维形状内。
[0012]根据本公开的第二方面，公开了一种预测被设置在血管区域内的介入设备的三维形状的计算机实施的方法。所述方法包括：
[0013]接收表示所述血管区域的三维形状的体积图像数据；
[0014]接收表示所述血管区域内的所述介入设备的二维投影的X射线图像数据；并且
[0015]将接收到的X射线图像数据和接收到的体积图像数据输入到神经网络中，所述神经网络被训练为根据接收到的X射线图像数据和接收到的体积图像数据来预测由所述血管区域约束的介入设备的三维形状；并且响应于所述输入而使用所述神经网络根据接收到的X射线图像数据和接收到的体积图像数据来预测由所述血管区域约束的所述介入设备的三维形状。
[0016]本公开的另外的方面、特征和优点将根据参考附图做出的示例的以下描述变得显而易见。
附图说明
[0017]图1是图示示例神经网络的示意图。
[0018]图2是图示示例神经元的示意图。
[0019]图3是图示在介入流程期间期望的X射线成像视图被阻碍的示例的示意图。
[0020]图4是图示根据本公开的一些方面的提供用于预测介入设备的三维形状的神经网络的方法的第一示例的流程图。
[0021]图5是图示根据本公开的一些方面的提供用于预测介入设备的三维形状的神经网络的方法的第一示例的示意图。
[0022]图6是图示提供用于预测介入设备的三维形状的神经网络的方法的第一示例的流程图，并且此外包括任选的操作S170和S180。
[0023]图7是图示根据本公开的一些方面的预测介入设备的三维形状的方法的第二示例的示意图。
[0024]图8是图示根据本公开的一些方面的预测介入设备的三维形状的方法的示例的流程图。
[0025]图9是图示根据本公开的一些方面的预测介入设备的三维形状的方法的示例的示意图。
[0026]图10是图示根据本公开的一些方面的用于预测介入设备的三维形状的系统300的示意图。
具体实施方式
[0027]参考以下描述和附图来提供本公开的示例。在本说明书中，出于解释的目的，阐述了某些示例的许多具体细节。说明书中对“示例”、“实施方式”或类似语言的引用意味着结
合示例描述的特征、结构或特性被包括在至少该一个示例中。还应意识到，关于一个示例描述的特征也可以用于另一示例，并且出于简洁的缘故，在每个示例中不必重复所有特征。例如，关于计算机实施的方法所描述的特征可以以对应的方式在处理装置中、在系统中以及在计算机程序产品中实施。
[0028]在以下描述中，参考计算机实施的方法，该方法涉及预测被设置在血管区域内的介入设备的三维形状。参考X射线成像流程，其中，导丝形式的介入设备被设置在脉管系统内。然而，应意识到，本文所公开的计算机实施的方法的示例可以与除了导丝之外可以在脉管系统内使用的其他类型的介入设备一起使用，诸如而不限于：导管、血管内超声成像设备、光学相干断层摄影设备、具有诸如谱感测的感测能力的导管、导引器鞘、激光斑块切除设备、机械斑块切除设备、血压设备和/或流量传感器设备、形状感测设备、TEE探头、针、活检针、消融设备、球囊、支架或内移植物等等。
[0029]注意，本文所公开的计算机实施的方法可以被提供为非瞬态计算机可读存储介质，其包括存储在其上的计算机可读指令，该计算机可读指令当由至少一个处理器运行时使所述至少一个处理器执行所述方法。换句话说，计算机实施的方法可以在计算机程序产品中实施。计算机程序产品可以由专用硬件或能够运行与适当的软件相关联的软件的硬件来提供。当由处理器提供时，方法特征的功能可以由单个专用处理器、由单个共享处理器或由多个个体处理器提供，其中一些可以共享。术语“处理器”或“控制器”的明确使用不应被解释为专门是指能够运行软件的硬件，并且可以隐含地包括但不限于数字信号处理器“DSP”硬件、用于存储软件的只读存储器“ROM”、随机存取存储器本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种提供用于预测被设置在血管区域内的介入设备的三维形状的神经网络的计算机实施的方法，所述方法包括：接收(S110)表示所述血管区域的三维形状的体积图像数据(110)；接收(S120)表示所述血管区域内的所述介入设备的一个或多个二维投影的X射线图像数据(120)；接收(S130)真实情况介入设备形状数据(130)，所述真实情况介入设备形状数据表示与所述介入设备的所述一个或多个二维投影相对应的所述血管区域内的所述介入设备的三维形状；并且通过以下操作来训练(S140)神经网络(140)以根据接收到的X射线图像数据(120)和接收到的体积图像数据(110)来预测由所述血管区域(150)约束的所述介入设备的三维形状：将所述接收到的X射线图像数据(120)和所述接收到的体积图像数据(110)输入(S150)到所述神经网络(140)中；并且基于第一损失函数(160)来调节(S160)所述神经网络(140)的参数，所述第一损失函数表示由所述神经网络(150)预测的所述介入设备的三维形状与接收到的真实情况介入设备形状数据(130)之间的差异；并且约束所述调节，使得由所述神经网络(150)预测的所述介入设备的所述三维形状适合于在由所述接收到的体积图像数据(110)表示的所述血管区域的所述三维形状内。2.根据权利要求1所述的计算机实施的方法，其中，调节(S160)所述神经网络(140)的参数还基于第二损失函数(170)，所述第二损失函数表示由所述神经网络(150)预测的所述介入设备的所述三维形状的二维投影(180)与所述接收到的X射线图像数据(120)之间的差异；所述介入设备的所述三维形状的所述二维投影(180)和所述接收到的X射线图像数据被投影到公共表面上。3.根据权利要求1或权利要求2所述的计算机实施的方法，还包括计算(S170)由所述神经网络(150)预测的所述介入设备的所述三维形状的估计不确定性。4.根据权利要求1
‑
3中的任一项所述的计算机实施的方法，其中，所述体积图像数据(110)包括以下各项中的一项或多项：计算机断层摄影图像数据；对比增强计算机断层摄影图像数据；3D超声图像数据；锥形束计算机断层摄影图像数据；磁共振图像数据；解剖图谱模型数据；以及通过重建表示所述血管区域的一个或多个二维投影的X射线图像数据所生成的重建体积图像数据。5.根据权利要求1
‑
4中的任一项所述的计算机实施的方法，包括：分割(S180)所述接收到的X射线图像数据(120)以提供所述介入设备的所述一个或多个二维投影，并且其中，将所述接收到的X射线图像数据(120)输入(S150)到所述神经网络(140)中包括将所分割的接收到的X射线图像数据输入到所述神经网络(140)中。6.根据权利要求1
‑
5中的任一项所述的计算机实施的方法，其中，所述真实情况介入设备形状数据(130)包括以下各项中的一项或多项：
计算机断层摄影图像数据；对比增强计算机断层摄影图像数据；锥形束计算机断层摄影图像数据；由被机械耦合到所述介入设备的多个光纤形状传感器生成的光纤形状感测位置数据；由被机械耦合到所述介入设备的一个或多个电磁跟踪传感器或发射器生成的电磁跟踪位置数据；由被机械耦合到所述介入设备的一个或多个介电传感器生成的介电映射位置数据；以及由被机械耦合到所述介入设备的一个或...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：