[發明專利]醫學影像的目標區域邊界確定裝置和方法有效
| 申請號: | 201210375093.7 | 申請日: | 2012-09-27 |
| 公開(公告)號: | CN102920477A | 公開(公告)日: | 2013-02-13 |
| 發明(設計)人: | 李澎;袁昕;陳功 | 申請(專利權)人: | 杭州弘恩醫療科技有限公司;李澎 |
| 主分類號: | A61B8/00 | 分類號: | A61B8/00;A61B8/08;G06T7/00 |
| 代理公司: | 北京天昊聯合知識產權代理有限公司 11112 | 代理人: | 宋丹氫;張天舒 |
| 地址: | 310012 浙江省杭州市*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 醫學影像 目標 區域 邊界 確定 裝置 方法 | ||
技術領域
本發明涉及醫學影像的目標區域邊界確定方法和裝置,以及利用確定的目標區域邊界來確定生理參數。更具體地,本發明涉及基于真實超聲影像數據測定心臟生理參數。
背景技術
醫學成像已經成為現代醫療不可或缺的一部分,其應用貫穿整個臨床工作,不僅廣泛用于疾病診斷,而且在外科手術和放射治療等的計劃設計、方案實施以及療效評估方面發揮著重要作用。目前,醫學圖像可以分為解剖圖像和功能圖像兩個部分。解剖圖像主要描述人體形態信息,包括X射線透射成像、CT、MRI、US等。
特別是在現代心臟病的診斷與治療方面,利用計算機技術對醫學影像進行定量分析成為重要的技術改進方向,用以增加診斷的客觀性,并且更容易掌握操作,能夠減少對閱片人的經驗依賴,排除不同閱片人之間的判斷差異。進一步,本領域渴望基于心臟圖像攝影序列更準確獲知心臟的量化的生理參數,例如,心室的容積、心肌質量、心腔壁增厚、心臟射血分數(EF值)等等。準確獲取心臟射血分數具有重要意義,根據心臟射血分數可以推算心臟的射血能力,是判斷心功能的重要參數。
3D超聲是一種無探傷的影像檢查技術,在心臟疾病的探查中,其具有成像速度快且成本低的特點,因此,在心臟病診斷與治療方面應用最為廣泛。在3D超聲影像中分析心腔容積、射血分數、心肌的體積和質量等生理參數是進行診斷的重要依據。但是,由于超聲心動圖含有大量噪聲,且心腔的內膜和心肌的邊緣是不規則的(尤其是發生病變的心腔和心肌),從而給相關定量計算帶來了困難。其中的困難之一,是如何準確地得到心內膜的邊界,以及如何準確針對心臟的不規則的變化進行計量。本領域長期致力于提高超聲影像獲取生理參數的準確性和可操作性。
目前在臨床上較為普便使用的心臟射血分數(EF值)測定方法是以交互的方式定義一些控制點,并通過數學建模,使用一系列模擬的幾何形狀來逼近心腔,因而是很不準確的。
多件專利公開文獻采用上述手段。例如,JP2002085404,題為《超聲波圖像處理器》(ultrasonic?imaging?processor),教導將心腔分為20段來近似統計其容積。EP123617,教導使用分段的曲線來描述心腔。JP2008073423,教導用50多個影像集合的參考輪廓來插值得到近似心腔。EP1998671(A1),教導利用鼠標點出幾個控制點,和一個模板匹配達到自動分割。EP2030042(A1)教導了一種手工標記少量控制點,結合訓練出的模板得到心內膜。
常規技術中,較多采用先驗模型處理數據,以獲得具有復雜形狀,例如心臟和心肌等的與體積或容積相關的生理參數。
關于先驗模型,是基于統計學的一個模型,指要分析的數據集合服從某種未知概率分布,并且和一個已知樣本的數據集合之間有確定的聯系。為了求出這個未知分布,需要在已經樣本數據集合上計算其服從的概率分布,這個能事先算出的概率分布或參數就被稱為是先驗模型。
病變的心臟和正常的心腔相比,通常來說,不再是一個能用上述模型估算的心腔。病變心臟的心腔具有不可預測的形狀改變,而且心內膜不規則(如:腫瘤占位室壁瘤、心壁增厚)。心腔形狀的改變導致射血功能減低,心瓣膜功能不全等癥狀。
在臨床應用方面,已有預先計算多幀影像后得到心腔的先驗形狀模型,通過和當前影像上心腔的近似幾何模型對比,修正得到當前影像上的心腔。但是,這類先驗模型是根據正常的心臟計算得到的,在實際的臨床應用中,對于病變的心臟,該方法難以保證獲得準確的結果。
參見Hansson?M,Fundana?K,Brandt?S.S,Gudmundsson?P.Convex?spatio-temporal?segmentation?of?the?endocardium?in?ultrasound?data?using?distribution?and?shape?priors.Biomedical?Imaging:From?Nano?to?Macro,2011,Page(s):626-629。該文獻提出了使用機器學習和形態學結合的方法來做心腔分割,提出使用瑞利分布為基礎建立一個概率模型,該模型用來計算當前區域屬于心腔內部的概率和當前區域屬于心腔外部的概率。然后使用大量的超聲圖像數據來訓練該模型,得到概率模型中的各參數估計值。最后使用該概率模型計算出來的概率作為先驗,結合先驗的心腔形態學模型來做新圖像中心腔的分割。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于杭州弘恩醫療科技有限公司;李澎,未經杭州弘恩醫療科技有限公司;李澎許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201210375093.7/2.html,轉載請聲明來源鉆瓜專利網。





