Edge detection for medical imaging

专利摘要:
Ein Verfahren und ein System (10) zum Detektieren eines Randes in einem medizinischen Bild werden geschaffen. Eine Begrenzung wird als geschlossene Kurve ausgewählt, deren Tangente im wesentlichen senkrecht zu dem Gradienten des Bildes überall entlang der Kurve ist. Gemäß einer Alternative zu der Tangente kann eine Normale oder eine andere Randrichtung verwendet werden. An einem gegebenen Punkt innerhalb des Bildes sind die Tangente zu der Begrenzung und die Bildgradientenrichtung orthogonal. Durch Verwendung einer Anfangsbegrenzungsdetektion (26) wird die Begrenzung bestimmt, die im Zusammenhang steht mit dem minimalen Aufwand (36, 46) oder mit der engsten Begrenzung, wo die Begrenzungstangente und die Bildgradientenrichtung orthogonal für Orte entlang der Begrenzung sind. Durch Verfeinerung eines Anfangsrandortes zur Minimierung der Divergenz von der Begrenzungstangente, die orthogonal zu der Bildgradientenrichtung ist, oder durch Bestimmen eines Randes, basierend auf einer orthogonalen Beziehung, kann eine genaue Randdetektion in Ultraschallbildern sowie in anderen medizinischen Bildern bereitgestellt werden.A method and system (10) for detecting an edge in a medical image are provided. A boundary is selected as a closed curve, the tangent of which is substantially perpendicular to the gradient of the image everywhere along the curve. According to an alternative to the tangent, a normal or another edge direction can be used. At a given point within the image, the tangent to the boundary and the image gradient direction are orthogonal. By using an initial boundary detection (26), the boundary is determined which is related to the minimal effort (36, 46) or the narrowest boundary where the boundary tangent and the image gradient direction are orthogonal for locations along the boundary. By refining an initial edge location to minimize divergence from the boundary tangent that is orthogonal to the image gradient direction, or by determining an edge based on an orthogonal relationship, accurate edge detection in ultrasound images as well as other medical images can be provided.
公开号:DE102004009143A1
申请号:DE102004009143
申请日:2004-02-25
公开日:2004-10-28
发明作者:Patrick L. von Bellevue Behren；Liexang Issaquah Fan；Thilaka S. Los Altos Sumanaweera
申请人:Siemens Medical Solutions USA Inc；
IPC主号:A61B5-00

专利说明:
[0001] DieErfindung betrifft eine Randdetektion für eine medizinische Bildgebung.Es werden beispielsweise Gefäßränder inmedizinischen Ultraschallbildern aufgespürt, um die Gefäßbreite,IMT (intima-media thickness), die innere und äußere Begrenzung eines Fötalkopfes,den Rand eines Knochens, einer Herzkammer, einer Zyste oder irgendeinesanderen abgebildeten Objekts zu bestimmen, welches einen unterscheidbarenGradienten in der Nachbarschaft der Begrenzung aufweist.TheInvention relates to edge detection for medical imaging.For example, the edges of vessels inmedical ultrasound images tracked to the vessel width,IMT (intima-media thickness), the inner and outer boundary of a fetal head,the edge of a bone, ventricle, cyst, or any otherother depicted object to determine which one is distinguishableHas gradients in the neighborhood of the boundary.
[0002] Zurobjektiven Analyse von medizinischen Bildern werden die Ränder derGefäße bestimmt.Gemäß einemAusführungsbeispielgibt ein Benutzer den Rand ein, beispielsweise indem ein Touch Screen,ein Trackball oder eine Maus verwendet wird, um den Rand basierendauf einem angezeigten Bild einzuzeichnen. Eine automatische oderprozessorbasierte Randdetektion wird gemäß anderen Ausführungsbeispielenbereitgestellt. Die Intensitätder Bilder wird Schwellenwerten unterworfen, um Orte der Gefäßwand gegenüber Orteinnerhalb des Gefäßes zu ermitteln.Gemäß einemanderen Beispiel könnenbestimmte identifizierte Stellen entlang eines Randes für eine Curve-FittingBerechnung verwendet werden, um den Rand darzustellen.toobjective analysis of medical images will be the edges of theVessels determined.According to oneembodimenta user enters the margin, for example by using a touch screen,A trackball or mouse is used to base the borderto be drawn on a displayed image. An automatic orprocessor based edge detection is according to other embodimentsprovided. The intensityThe images are subjected to thresholds to locations of the vessel wall versus locationsto determine within the vessel.According to oneother examplecertain identified locations along an edge for a curve fittingCalculation can be used to represent the border.
[0003] EinAlgorithmustyp zur Randdetektion basiert auf der Marr-Theorie. DerNulldurchgang der zweiten Ableitung der Bildsignale entspricht dem Randder Objekte. Ein Filter entfernt Rauschen in dem Bild. Die zweiteAbleitung des gefilterten Bildes wird bestimmt. Die Nulldurchgangspunktedes Bildes zweiter Ableitung werden als potentielle Randpixel ermittelt.Durch Kombination dieser drei Schritte wird ein auf der Marr-Theoriebasierter Rand als die Nullgängedes Laplaceschen des Gaußoperatorsdefiniert (also die Gaußfunktionverhältsich als Tiefpassfilter), der fürdas Bild fürverschiedene Sigmawerte verwendet wird, die Standardabweichung derGaußfunktion.Wenn keine mehrdeutigen Verbindungen zwischen unabhängig detektiertenRändernmöglich sind,bestimmen diese verbundenen Randpunkt die Begrenzung.OnAlgorithm type for edge detection is based on the Marr theory. TheZero crossing of the second derivative of the image signals corresponds to the edgeof objects. A filter removes noise in the image. The secondDerivation of the filtered image is determined. The zero crossing pointsof the second derivative image are determined as potential edge pixels.Combining these three steps becomes one on the Marr theorybased margin than the zero gearsof the Gaussian operator's Laplaciandefined (i.e. the Gaussian functionbehaveitself as a low pass filter) that forthe picture fordifferent sigma values are used, the standard deviation of theGaussian function.If there are no ambiguous connections between independently detectededgespossible are,these connected boundary points determine the boundary.
[0004] Einanderer Algorithmustyp zur Randdetektion ist die Canny-Randdetektion.Die Canny-Randdetektionbasiert auf dem Extremwert der ersten Ableitung des Gaußoperators,der fürdas Bild fürverschiedene Sigmawerte verwendet wird (Standardabweichung der Gaußfunktion).Onanother type of algorithm for edge detection is Canny edge detection.The Canny edge detectionis based on the extreme value of the first derivative of the Gaussian operator,the forthe picture fordifferent sigma values are used (standard deviation of the Gaussian function).
[0005] DieCanny-Verfahren verwenden zwei Schwellenwerte, um Randpunkte zuverbinden. Diese Randpunkte sind die ermittelten potentiellen Begrenzungspunkte.Wenn keine lokalen Extremwerte vorhanden sind, wird nur der absoluteExtremwert detektiert und dieser ist die Begrenzung.TheCanny methods use two thresholds to set boundary pointsconnect. These boundary points are the identified potential limitation points.If there are no local extreme values, only the absoluteExtreme value is detected and this is the limitation.
[0006] Nochein weiterer Algorithmustyp zur Randdetektion ist ein verformbaresModell und eine aktive Kontur (beispielsweise ein Schlangenmodelloder auch „SnakeModel" genannt).Das verformbare Modell ist eine Spline oder eine Fläche mitgeregelter Kontinuität.Die Energieausdrücke(Energy Terms) steuern die Bewegung der Punkte in dem Modell. DieseEnergieausdrückeumfassen das Innere (also die Kontinuität des Modells), das Äußere (alsodie Bildinformation, beispielsweise in Form eines Bildgradienten),und einige andere Bedingungen, die von Benutzern eingestellt werden.Durch Minimieren der Energie (auch als Kostenfunktion oder Aufwandfunktionbezeichnet), wird die Endposition der Kontur definiert. Diese Konturist dann die definierte Begrenzung.YetAnother type of algorithm for edge detection is a deformable oneModel and an active contour (for example a snake modelor "SnakeModel ").The deformable model is a spline or a surface withregulated continuity.The energy expressions(Energy Terms) control the movement of the points in the model. Thisenergy expressionsinclude the inside (i.e. the continuity of the model), the outside (i.e.the image information, for example in the form of an image gradient),and some other conditions set by users.By minimizing the energy (also as a cost function or an expense functionthe end position of the contour is defined. This contouris then the defined limit.
[0007] Einanderer Algorithmustyp ist das Level-Set-Verfahren. Das Level-Set-Verfahrenbehandelt die aktive Kontur als die Nullwerteinstellung einer Oberfläche höherer Dimension.Die gesamte Oberflächeentwickelt sich, um eine Metrik zu minimieren, die durch den Bildgradientenund die Krümmungdefiniert ist.Onanother type of algorithm is the level set method. The level set proceduretreats the active contour as the null value setting of a higher dimension surface.The entire surfaceevolves to minimize a metric by the image gradientand the curvatureis defined.
[0008] Einanerkanntes Verfahren zur Bestimmung einer Begrenzung in einem medizinischenbildgebenden System ist das verformbare Modell. Das Wesen diesesVerfahrens liegt darin, eine Aufwandfunktion zu erstellen und eineAnfangsbegrenzung bis zu einer Endbegrenzung zu entwickeln, diemit einem minimalen Aufwandwert in Zusammenhang steht. Unglücklicherweisesind die Ausdrücke,die fürdie Aufwandfunktion entwickelt sind, mehr oder weniger subjektiv.Onrecognized method for determining a limitation in a medicalimaging system is the deformable model. The essence of thisThe procedure is to create an expense function and oneTo develop a starting limit to a final limit thatis related to a minimal cost. Unfortunatelyare the expressionsthe forthe effort function are developed, more or less subjective.
[0009] Dieseautomatisierten Techniken könnenjedoch Schwierigkeiten haben mit Flecken oder einem anderen Rauschenin einem Ultraschallbild. Ebenso kann ein automatisches Verfahrenauf bestimmte Typen von Bildgebungssituationen (Imaging Situationen)beschränktsein, beispielsweise nur auf das Erkennen eines Randes in einemBild, in dem lediglich ein Querschnitt oder nur eine Längsansichtdes Gefäßes dargestelltist. Das Erfassen einer bestimmten Ansicht der Längs- oder Querschnittsansichtvon bestimmten Gefäßen kann schwierigsein, aufgrund der beschränkteakustischen Fenster in dem Körper.Thisautomated techniques canhowever have trouble with stains or other noisein an ultrasound image. An automatic procedure can also be usedto certain types of imaging situationslimitedbe, for example, only on the recognition of an edge in oneImage in which only a cross-section or only a longitudinal viewof the vesselis. Capture a specific view of the longitudinal or cross-sectional viewof certain vessels can be difficultbe due to the limitedacoustic window in the body.
[0010] DieErfindung wird durch die beigefügtenAnsprüchedefiniert, und dieser Abschnitt soll nicht als Beschränkung dieserPatentansprücheangesehen werden. Die bevorzugten Ausführungsbeispiele, die im folgendenbeschrieben werden, enthalten Verfahren und Systeme zum Detektiereneines Randes in einem medizinischen Bild. Das Verfahren vereinigt dasRegionwachsen (Region Growing), die automatische Identifikationder Region, die von Interesse ist, und Randdetektionsverfahren.Eine Begrenzung wird ausgewählt,um eine geschlossene Kurve zu sein, deren Tangente im wesentlichenoder ungefährsenkrecht zum Gradienten des Bildinhaltes ist, überall entlang der Kurve. Alternativzu einer Tangente kann eine Normale (Lotrechte) oder eine andereRandrichtung verwendet werden. An einem gegebenen Punkt innerhalbdes Bildes sind die Tangente zu der Grenze und die Bildgradientenrichtungim wesentlichen orthogonal. Durch Verwendung einer Anfangsranddetektionwird die Begrenzung ermittelt, die mit minimalen Aufwand oder mitder naheliegendsten Begrenzung in Zusammenhang steht, wo die Randtangente unddie Bildgradientenrichtung im wesentlichen für Orte entlang der Begrenzungorthogonal sind. Durch Verfeinern eines Anfangsrandortes, um dieDivergenz von der Begrenzungstagente zu minimieren, die orthogonalzu der Bildgradientenrichtung ist, oder durch Ermitteln eines Randesbasierend auf der orthogonalen Beziehung, kann eine genaue Randdetektionin Ultraschallbildern sowie in anderen medizinischen Bildern erhaltenwerden.The invention is defined by the appended claims, and this section should not be taken as a limitation on those claims. The preferred embodiments described below include methods and systems for detecting an edge in a medical picture. The method combines region growing, automatic identification of the region of interest, and edge detection methods. A boundary is chosen to be a closed curve, the tangent of which is substantially or approximately perpendicular to the gradient of the image content, all along the curve. As an alternative to a tangent, a normal (perpendicular) or another edge direction can be used. At a given point within the image, the tangent to the boundary and the image gradient direction are substantially orthogonal. By using an initial edge detection, the boundary is determined which is associated with minimal effort or with the most obvious boundary, where the edge tangent and the image gradient direction are essentially orthogonal for locations along the boundary. By refining an initial edge location to minimize the divergence from the boundary tag that is orthogonal to the image gradient direction, or by determining an edge based on the orthogonal relationship, accurate edge detection in ultrasound images as well as other medical images can be obtained.
[0011] DieRanddetektion kann auch zu einer Oberflächendetektion erweitert werden,beispielsweise auf die Oberflächedes Gefäßes, oderdes Herzens oder der Herzkammern, oder des Fötalkopfes, oder auf irgendeineandere Oberfläche,die einen unterscheidbaren Gradienten in der Nachbarschaft der Begrenzungaufweist. Gemäß dieserBeschreibung sind Ränderoder Begrenzungen n-dimensional.TheEdge detection can also be expanded to a surface detectionfor example on the surfaceof the vessel, orof the heart or ventricles, or of the fetal head, or on any oneother surface,which have a distinguishable gradient in the neighborhood of the boundaryhaving. According to thisDescription are bordersor n-dimensional limits.
[0012] Gemäß einemersten Aspekt der Erfindung wird ein Verfahren zum Erkennen einesRandes in einem medizinischen Bild geschaffen. Eine Gradientenrichtungwird fürjeden einer Mehrzahl von Orten in einem Bild bestimmt. Die Randrichtungrelativ zu der Gradientenrichtung wird für eine Mehrzahl von Orten ermittelt.Der Rand wird als die verbundenen Orte der Mehrzahl von Orten detektiert.Die Detektion ist eine Funktion der Gradientenrichtung und der Randrichtung.According to oneFirst aspect of the invention is a method for recognizing aEdge created in a medical image. A gradient directionis fordetermines each of a plurality of locations in an image. The edge directionrelative to the gradient direction is determined for a plurality of locations.The edge is detected as the connected locations of the plurality of locations.The detection is a function of the gradient direction and the edge direction.
[0013] Gemäß einemzweiten Aspekt der Erfindung wird ein anderes Verfahren zum Detektiereneines Randes in einem medizinischen Bild geschaffen. Ein Gradientwird von einer Mehrzahl von Orten in dem Bild bestimmt. Mindestensein Liniensegment wird ermittelt, wo die Tangente zu dem Liniensegmentim wesentlichen senkrecht zu einer Richtung des Gradienten für jedenOrt der Mehrzahl von Orten entlang des Liniensegments ist.According to onesecond aspect of the invention is another method of detectionof an edge created in a medical image. A gradientis determined from a plurality of locations in the image. At leasta line segment is determined where the tangent to the line segmentsubstantially perpendicular to a direction of the gradient for everyoneLocation of the plurality of locations along the line segment.
[0014] Gemäß einemdritten Aspekt der Erfindung wird ein System zum Erkennen einesRandes in einem medizinischen Bild geschaffen. Das System enthält einenSpeicher, der ein medizinisches Bild speichern kann. Ein Prozessorist betreibbar, um eine Gradientenrichtung für jeden einer Mehrzahl vonOrten in dem Bild zu bestimmen, eine Randrichtung relativ zu derGradientenrichtung fürdie Mehrzahl der Orte zu ermitteln, und den Rand als die verbundenen Ortezu detektieren. Die Detektion ist eine Funktion der Gradientenrichtungund der Randrichtung.According to onethird aspect of the invention is a system for recognizing aEdge created in a medical image. The system contains oneMemory that can save a medical image. A processoris operable to change a gradient direction for each of a plurality ofTo determine locations in the image, an edge direction relative to thatGradient direction fordetermine the majority of locations, and the edge as the connected locationsto detect. The detection is a function of the gradient directionand the edge direction.
[0015] Gemäß einemvierten Aspekt der Erfindung wird eine Gradientenrichtung für jedeneiner Mehrzahl von Orten in einem Bild bestimmt. Irgendein Verfahrenzum Detektieren einer Sammlung von potentiellen Randpixeln in einemmedizinischen Bild wird verwendet. Eine Sammlung von potentiellenRändernwird definiert, indem die Sammlung von potentiellen Randpixeln verwendetwird. Dies könnenalle möglichenBegrenzungen sein, die durch die Sammlung von potentiellen Rändern verlaufen,ist jedoch vorzugsweise die Verwendung von physikalischen Begrenzungenauf den bestimmten Randtyp oder heuristische Bedingungen, um dieGesamtanzahl an möglichenBegrenzungen einzuschränken.Der Rand wird als Funktion der Bildgradientenrichtung und der potentiellenRänderdetektiert. Gemäß dem bevorzugtenAusführungsbeispielist der detektierte Rand der potentielle Rand, der eine Aufwandfunktion(auch Kostenfunktion genannt) der Tangente zu dem Rand und des Gradientminimiert.According to onefourth aspect of the invention is a gradient direction for eacha plurality of locations in an image. Any procedurefor detecting a collection of potential edge pixels in onemedical image is used A collection of potentialedgesis defined using the collection of potential edge pixelsbecomes. You canall sortsBoundaries that run through the collection of potential marginshowever, the use of physical limitations is preferredto the particular type of margins or heuristic conditions around whichTotal number of possibleRestrict limits.The edge is a function of the image gradient direction and the potentialmarginsdetected. According to the preferredembodimentthe detected edge is the potential edge, which is an expense function(also called cost function) the tangent to the edge and the gradientminimized.
[0016] WeitereAspekte und Vorteile der Erfindung werden im folgenden in Verbindungmit den bevorzugten Ausführungsbeispielendiskutiert.FurtherAspects and advantages of the invention are set forth belowwith the preferred embodimentsdiscussed.
[0017] DieKomponenten in den Figuren sind nicht unbedingt maßstabsgetreu.Stattdessen sind diejenigen Teile hervorgehoben, die die Prinzipiender Erfindung verdeutlichen. Darüberhinaus kennzeichnen in den Figuren gleiche Bezugsziffern entsprechende Teilein unterschiedlichen Ansichten.TheComponents in the figures are not necessarily to scale.Instead, those parts that highlight the principles are highlightedclarify the invention. About thatIn addition, the same reference numbers in the figures denote corresponding partsin different views.
[0018] 1 zeigt ein Blockdiagrammeines Ausführungsbeispielseines Systems zum Detektieren von Rändern in medizinischen Bildern. 1 FIG. 4 shows a block diagram of an embodiment of a system for detecting edges in medical images.
[0019] 2A–C zeigen Flussdiagrammevon Ausführungsbeispielenvon Verfahren zum Detektieren eines Randes in einem medizinischenBild. 2A-C show flowcharts of embodiments of methods for detecting an edge in a medical image.
[0020] 3 zeigt eine grafische Darstellungeines Ausführungsbeispielseines medizinischen Bildes mit einer Querschnittsansicht einer Gefäßstruktur. 4 zeigt eine grafische Darstellungeines Ausführungsbeispielseines medizinischen Bildes mit einer Längsansicht oder offenen Ansichteines Gefäßes. 3 shows a graphical representation of an embodiment of a medical image with a cross-sectional view of a vascular structure. 4 shows a graphic representation of an embodiment of a medical image with a longitudinal view or open view of a vessel.
[0021] EineGrenze wird derart gewählt,dass die Grenze eine geschlossene Kurve oder das Liniensegment ist,deren Tangente (T →_curve) im wesentlichen senkrechtzu dem Bildgradienten (G →_image) ist, überall entlangdes Liniensegments oder der Kurve. Für eine Darstellung der Kurveoder der Linien in geschlossener Form kann (T →_curve)direkt als Ableitung der Kurve entlang der Raumkoordinatenrichtungenberechnet werden. Der Bildgradient, (G →_image)(auch als Gradient eines Bildes im folgenden bezeichnet) ist gleichden Ableitungen der Bildintensitätentlang der Raumkoordinatenrichtungen. In anderen Fällen wird(T →_curve) berechnet, indem die Koordinatenwerteder diskreten Punkte der Kurve verwendet werden. Die Richtung desBildgradienten ist normalerweise normalisiert, um auf 1 normiertzu sein. In dieser Beschreibung können die Begriffe Bildgradientenrichtungund Bildgradient austauschbar verwendet werden. In alternativenAusführungsbeispielenwird eine Normale (Lotrechte) oder eine andere Begrenzungsrichtungsbeziehungverwendet.A border is chosen such that the border is a closed curve or the line segment, the tangent (T → _curve ) of which is essentially perpendicular to the image gradient (G → _image ), everywhere along the line segment or the curve. For one Representation of the curve or the lines in closed form (T → _curve ) can be calculated directly as a derivative of the curve along the spatial coordinate directions. The image gradient, (G → _image ) (also referred to as the gradient of an image in the following) is equal to the derivatives of the image intensity along the spatial coordinate directions. In other cases (T → _curve ) is calculated using the coordinate values of the discrete points on the curve. The direction of the image gradient is normally normalized to be normalized to 1. In this description, the terms image gradient direction and image gradient can be used interchangeably. In alternative embodiments, a normal (perpendicular) or other boundary direction relationship is used.
[0022] Für eine Umrandungs-oder Querschnittsansicht eines Gefäßes, beispielsweise der Oberarmarterie,wird eine Ellipse oder eine andere geometrische Form an das Inneredes Gefäßes angepasst. DieParameter, die die Ellipse oder eine andere geometrische Form definieren,werden dann basierend auf der Bildgradientenrichtung, Tangentender Ellipse oder der anderen geometrischen Form, oder basierendauf anderen Faktoren einschließlichdem Betrag des Bildgradienten und/oder anderen Original oder abgeleitetenBildmerkmalen optimiert. Die kleine Achse der Ellipse oder der anderengeometrischen Form stellt dann die Distanz über das Gefäß dar. Für ein Abbilden in Echtzeitwerden die Werte der Parameter, die die Ellipse in einem vorherigenBild definieren, in jedem nachfolgenden Bild verwendet und dannoptimiert. Der Durchmesser des Gefäßes ist die kleinere Achsein jedem Bild und die Funktionalität des Gefäßes, welche durch den Gefäßdurchmesser angezeigtist, ist eine Funktion der Zeit.For a borderor cross-sectional view of a vessel, for example the upper arm artery,becomes an ellipse or other geometric shape to the insideadapted to the vessel. TheParameters that define the ellipse or other geometric shape,are then based on the image gradient direction, tangentsthe ellipse or other geometric shape, or basedon other factors includingthe amount of the image gradient and / or other original or derivedImage features optimized. The minor axis of the ellipse or the otherThe geometric shape then represents the distance over the vessel. For real-time imagingare the values of the parameters that the ellipse in a previousDefine image, used in each subsequent image and thenoptimized. The diameter of the vessel is the minor axisin each picture and the functionality of the vessel, which is indicated by the vessel diameteris is a function of time.
[0023] Alsein Beispiel füreine Längsansichtdes Gefäßes werdendie Bildgradienteninformation und mögliche Tangenten für jedenOrt innerhalb einer Region verwendet, um eine Liniensegmentgrenzezu bestimmen. Die Lumen-Intima-Grenze und die Media-Adventitia-Grenze werden ineiner einzelnen Region, die von Interesse ist, bestimmt. AndereQuerschnitts- und Längsansichtenkönnenbeispielsweise verwendet werden.Asan example fora longitudinal viewof the vesselthe image gradient information and possible tangents for everyoneLocation within a region used to be a line segment boundaryto determine. The lumen intima limit and the media adventitia limit are ina single region of interest. OtherCross-sectional and longitudinal viewscanfor example.
[0024] Diegeometrische Beziehung zwischen der Bildgradientenrichtung und derRandrichtung liefert einen schnellen und zuverlässigen Weg, um Gewebe/Gewebe-oder Gewebe/Fluid-Schnittstellenfür Ultraschallsystemeoder andere medizinische bildgebende Systeme zu ermitteln. DurchVerwendung einer geometrischen Eigenschaft der Grenze und aufgrundder Kenntnis der ungefährenForm des Gewebes, jedoch nicht der erforderlichen Größe, Orientierungoder Position des Gewebes liefert der Benutzer eine minimale Eingabezur automatischen Detektion der Grenzen. Der Benutzer kennzeichnetbeispielsweise die allgemeine Anwendung, beispielsweise eine Querschnitts-oder Längsansichtabbildungund ermittelt einen Punkt in einem Bereich, der von Interesse ist.Die Randdetektion kann fürorganisches Gewebe oder fürandere Objekte, die keine Gefäße sind, verwendetwerden.Thegeometric relationship between the image gradient direction and theEdge Direction Provides a Fast and Reliable Way to Tissue / Tissueor tissue / fluid interfacesfor ultrasound systemsor other medical imaging systems. ByUse of a geometric property of the border and dueknowledge of the approximateShape of the fabric, but not the required size, orientationor position of the tissue, the user provides a minimal inputfor automatic detection of the limits. The user marksfor example the general application, for example a cross-sectionalor longitudinal view illustrationand find a point in an area of interest.The edge detection can fororganic tissue or forother objects that are not vessels are usedbecome.
[0025] 1 zeigt ein Ausführungsbeispieleines Systems 10 zum Detektieren eines Randes in einem medizinischenBild. Das System 10 weist ein Abbildungssystem 12 (ImagingSystem) auf, einen Speicher 14, einen Prozessor 16,eine Anzeige 18 und ein Benutzereingabevorrichtung 20.Gemäß einemAusführungsbeispielder Erfindung enthältdas System 10 ein Ultraschall-Imaging-System, beispielsweise ein Imaging-Systemvon der Firma Siemens Medical Solutions USA, Inc. Ultraschallsystemevon anderen Herstellern könnenverwendet werden. Der Speicher 14, der Prozessor 16,die Anzeige 18 und die Benutzereingabevorrichtung 20 sindTeil des Ultraschall-Imaging-Systems. In alternativen Ausführungsbeispielensind der Speicher 14, der Prozessor 16, die Anzeige 18 und/oderdie Benutzereingabevorrichtung 20 separat von dem Abbildungssystem 12 ausgebildet,beispielsweise als Computer oder als eine Arbeitsstation, die über einoder mehrere Netze oder Speicherübertragungsvorrichtungenmit dem Abbildungssystem 12 verbunden sind. Der Speicher 14,der Prozessor 16, die Anzeige 18 und die Benutzereingabevorrichtung 20 sindbeispielsweise ausgebildet als PC, medizinische Bildgebungsarbeitsstation(Imaging Workstation) oder als eine andere Vorrichtung zur Verarbeitungmedizinischer Bilder separat von dem Bildgebungsystem 12,oder von diesem entfernt oder benachbart zu diesem. 1 shows an embodiment of a system 10 for detecting an edge in a medical image. The system 10 has an imaging system 12 (Imaging System) on, a memory 14 , a processor 16 , an ad 18 and a user input device 20 , According to one embodiment of the invention, the system contains 10 An ultrasound imaging system, for example an imaging system from Siemens Medical Solutions USA, Inc. Ultrasound systems from other manufacturers can be used. The memory 14 , the processor 16 , the ad 18 and the user input device 20 are part of the ultrasound imaging system. In alternative embodiments, the memory 14 , the processor 16 , the ad 18 and / or the user input device 20 separately from the imaging system 12 trained, for example as a computer or as a workstation, which is connected to the imaging system via one or more networks or memory transfer devices 12 are connected. The memory 14 , the processor 16 , the ad 18 and the user input device 20 are designed, for example, as a PC, a medical imaging workstation (imaging workstation) or as another device for processing medical images separately from the imaging system 12 , or away from or adjacent to it.
[0026] DasImaging-System 12 oder das System 10 ist ein Ultraschallsystemgemäß einemAusführungsbeispiel.Andere Ausführungsbeispieleenthalten Computertomographie, Magnetresonanz, Röntgenstrahlen oder andere Bildgebungssysteme(Imaging Systeme). Das Bildgebungsystem 12 erzeugt ein odermehrere medizinische Bilder in verschiedenen Formaten.The imaging system 12 or the system 10 is an ultrasound system according to an embodiment. Other exemplary embodiments include computer tomography, magnetic resonance, X-rays or other imaging systems (imaging systems). The imaging system 12 generates one or more medical images in different formats.
[0027] DerSpeicher 14 weist einen Zufallszugriffsspeicher (RAM) auf,eine Festplatte, eine Diskette, eine Kompaktdisk, eine Videokassette,einen Serverspeicher, einen Netzspeicher, einen Cashspeicher, einenCINE-Speicher oder andere bekannte oder zukünftig entwickelte Speichervorrichtungen.Der Speicher 14 speichert ein oder mehrere medizinischeBilder, beispielsweise Ultraschallbilder eines Gefäßes.The memory 14 comprises random access memory (RAM), a hard disk, a floppy disk, a compact disc, a video cassette, a server memory, a network memory, a cash memory, a CINE memory or other known or future developed memory devices. The memory 14 stores one or more medical images, for example ultrasound images of a vessel.
[0028] DerProzessor 16 ist ein allgemeiner Prozessor, ein digitalerSignalprozessor (DSP), eine anwendungsspezifische integrierte Schaltung(ASIC), ein Steuerprozessor, eine digitale Schaltung, eine analogeSchaltung, Kombinationen davon oder eine allgemein bekannte oderin Zukunft entwickelte Vorrichtung zur Verarbeitung von Daten. Gemäß einemAusführungsbeispielweist der Prozessor 16 einen digitalen Signalprozessorund ein Hochpassfilter auf. Der Prozessor 16 ist betreibbar,um eine Gradientenrichtung fürjeden Ort einer Mehrzahl von Orten in einem Bild zu bestimmen. DerProzessor 16 verarbeitet beispielsweise ein Bild, um Gradientenvon dem medizinischen Bild, das in dem Speicher 14 gespeichertist, zu ermitteln. Gemäß einemanderen Beispiel erzeugt ein Hochpassfilter die Gradienteninformation,und der Prozessor 16 ermittelt die Richtung der Gradientenfür jedenspeziellen Ort innerhalb des Bildes. Der Prozessor 16 istebenfalls betreibbar, um eine Randrichtung relativ zu der Gradientenrichtungfür eine Mehrzahlvon Orten in einem Bild zu identifizieren. Der Prozessor 16 detektiertden Rand als Serie von verbundenen Bildorten oder Pixeln, wo dieDetektion einer Funktion der Bildgradientenrichtung und einer Randrichtungist. Gemäß einemAusführungsbeispiel minimiertder Prozessor 16 eine Aufwandfunktion als Funktion derBildgradientenrichtung und einer Randrichtung für jeden der Mehrzahl von Ortenund wählt denRand als verbundene Orte entsprechend den minimalen Aufwand aus.Gemäß einemOffline-Ausführungsbeispielwerden die Rändermit verschiedenen Geschwindigkeiten detektiert. Für die Bildgebung (Imaging)in Echtzeit, könnendie Ränderin Echtzeit detektiert werden, indem Verweistabellen (Look-up-Tabellen)verwendet werden fürdie Suchrichtung oder eine sinus- oder kosinusbasierte Berechnungder Suchrichtung. Die Randdetektion kann bei 30 Rahmen pro Sekundeoder mehr (schneller) erfolgen. Gemäß alternativen Ausführungsbeispielen werdenlangsamere Berechnungen durchgeführt.The processor 16 is a general purpose processor, a digital signal processor (DSP), an application specific integrated circuit (ASIC), a control processor, a digital circuit, an analog circuit, combinations thereof, or a well known or future developed device processing of data. According to one embodiment, the processor 16 a digital signal processor and a high pass filter. The processor 16 is operable to determine a gradient direction for each location of a plurality of locations in an image. The processor 16 For example, processes an image to create gradients from the medical image stored in the memory 14 is saved. In another example, a high pass filter generates the gradient information and the processor 16 determines the direction of the gradients for each specific location within the image. The processor 16 is also operable to identify an edge direction relative to the gradient direction for a plurality of locations in an image. The processor 16 detects the edge as a series of connected image locations or pixels where the detection is a function of the image gradient direction and an edge direction. In one embodiment, the processor minimizes 16 an effort function as a function of the image gradient direction and an edge direction for each of the plurality of locations and selects the edge as connected locations according to the minimum effort. According to an offline exemplary embodiment, the edges are detected at different speeds. For real-time imaging, the edges can be detected in real time by using look-up tables for the search direction or a sine or cosine-based calculation of the search direction. The edge detection can take place at 30 frames per second or more (faster). In alternative embodiments, slower calculations are performed.
[0029] Gemäß einemAusführungsbeispielempfängtder Prozessor 16 Eingabewerte von der Benutzereingabevorrichtung 20.Die Signale von der Benutzereingabevorrichtung 20 kennzeichnenbeispielsweise eine Region oder einen Ort, der von Interesse ist,innerhalb eines Bildes. Der Prozessor 16 erzeugt eine Anfangsgrenzein Antwort auf die Benutzereingabe über die Benutzereingabevorrichtung 20. DerProzessor 16 empfängtbeispielsweise eine von einem Benutzer ermittelte Grenze oder verwendeteinen Algorithmus zur Identifizierung einer Anfangsbegrenzung. DerProzessor 16 antwortet ebenfalls auf die Benutzereingabe 20 zurIdentifikation der geometrischen Form oder des generellen Typs einesBildes. Der Benutzer wähltbeispielsweise eine Endothelialanwendung aus, die eine geschlossenegeometrische Form einer Querschnittsansicht eines Gefäßes kennzeichnet.Gemäß einemanderen Beispiel wählt derBenutzer eine IMT-Messanwendung aus, die eine Gefäßlängsansichtkennzeichnet. Alternativ gibt der Benutzer lediglich den Typ derAnsicht fürdie Randdetektion ein, indem er entweder eine geschlossene geometrischeForm kennzeichnet oder eine Linie ohne verbundene Enden (also eineoffene Form). Gemäß noch anderenalternativen Ausführungsbeispielenverarbeitet der Prozessor 16 die Bilddaten, um einen potentiellenRand zu identifizieren.In one embodiment, the processor receives 16 Input values from the user input device 20 , The signals from the user input device 20 identify, for example, a region or place of interest within an image. The processor 16 creates an initial limit in response to user input via the user input device 20 , The processor 16 For example, receives a limit determined by a user or uses an algorithm to identify an initial limit. The processor 16 also responds to user input 20 to identify the geometric shape or the general type of an image. For example, the user selects an endothelial application that features a closed geometric shape of a cross-sectional view of a vessel. In another example, the user selects an IMT measurement application that features a longitudinal vascular view. Alternatively, the user simply enters the type of view for edge detection by either marking a closed geometric shape or a line with no connected ends (i.e. an open shape). In accordance with yet other alternative embodiments, the processor processes 16 the image data to identify a potential edge.
[0030] DieBenutzereingabevorrichtung 20 enthält einen Trackball, eine Maus,einen Touch Screen, eine Zeigervorrichtung, ein Touchpad, eine Tastatur, Tasten,Schieber, Schalter, Knöpfeoder andere allgemein bekannte oder zukünftige entwickelte Eingabevorrichtungen.Gemäß einemAusführungsbeispiel istdie Benutzereingabevorrichtung 20 eine Benutzerschnittstelleentweder in dem Abbildungssystem 12 oder einem PC.The user input device 20 includes a trackball, mouse, touch screen, pointing device, touchpad, keyboard, keys, sliders, switches, buttons, or other commonly known or future developed input devices. According to one embodiment, the user input device is 20 a user interface in either the imaging system 12 or a PC.
[0031] DieAnzeige 18 ist ein CRT, LCD, ein Flachbildschirm, eineProjektion, ein Plasmaschirm oder eine allgemein bekannte oder zukünftige entwickelte Anzeigevorrichtung.Die Anzeige 18 ist betreibbar, um die medizinischen Bildermit oder ohne detektierter Randinformation anzuzeigen. Die Anzeige 18 zeigtbeispielsweise ein medizinisches Bild mit einer hervorgehobenen Überlagerung,die den Rand darstellt, der von dem Prozessor 16 detektiertworden ist.The ad 18 is a CRT, LCD, a flat panel display, a projection, a plasma screen or a well known or future developed display device. The ad 18 can be operated to display the medical images with or without detected edge information. The ad 18 For example, shows a medical image with a highlighted overlay that represents the edge drawn by the processor 16 has been detected.
[0032] 2A zeigt ein Verfahren gemäß einem Ausführungsbeispielzum Detektieren eines Randes in einem medizinischen Bild. Das Verfahrenweist zwei unterschiedliche Ansätzeauf, abhängigdavon, ob eine geschlossene oder eine offene Randform detektiertwird, wie durch eine Auswahl A in 2B und eineAuswahl B in 2C dargestellt.Andere, zusätzlicheoder weniger Schritte könnenin alternativen Ausführungsbeispielenvorliegen. 2A shows a method according to an embodiment for detecting an edge in a medical image. The method has two different approaches, depending on whether a closed or an open edge shape is detected, as by a selection A in 2 B and a selection B in 2C shown. Other, additional or fewer steps may exist in alternative embodiments.
[0033] EineSammlung von potentiellen Randpixeln oder Orten wird ermittelt,beispielsweise als Gesamtbild oder als Nebensatz des Bildes. InSchritt 24 wird beispielsweise eine Region, die von Interesseist, ausgewählt.Gemäß einemAusführungsbeispiel empfängt derProzessor 16 eine Angabe einer Region, die von Interesseist. Der Benutzer wähltbeispielsweise einen Punkt innerhalb eines Gefäßes oder einen Bereich innerhalboder um das Gefäß herumoder ein anderes Objekt von Interesse aus. Gemäß alternativen Ausführungsbeispielenbestimmt der Prozessor 16 automatisch eine Region, dievon Interesse ist, basierend auf einer Bildeigenschaft, beispielsweiseeinem Bereich, der Werte geringer Intensität aufweist. Die Region, dievon Interesse ist, enthältBildorte, die nur mit einem Signaltyp in Zusammenhang stehen, miteinem im allgemeinen ähnlichenIntensitätspegel,oder Signale, die mit unterschiedlichen Intensitätswerten in Zusammenhang stehen.Die Region, die von Interesse ist, hat eine bestimmte Größe, beispielsweisestellt sie eine Region des Patienten dar, die eine Größe von 1cm × ½ cm aufweist,jedoch könnenandere Größen verwendet werden.Alternativ wird die Region, die von Interesse ist, basierend aufzusätzlicherInformation ausgewählt,beispielsweise als Bestimmung einer Anfangsgrenze in Schritt 26,basierend auf einer Benutzerauswahl eines Punktes oder eines anderenOrtes. Die ausgewählteRegion, die von Interesse ist, ist bezüglich der Größe und/oderForm angepasst, um eine Anfangsgrenze einzuschließen, uman der Anfangsgrenze zu liegen, oder um Gewebe oder eine andereStrukturinformation zu enthalten, innerhalb und außerhalbeiner Anfangsbegrenzung.A collection of potential edge pixels or locations is determined, for example as an overall image or as a subordinate clause of the image. In step 24 for example, a region of interest is selected. In one embodiment, the processor receives 16 an indication of a region of interest. For example, the user selects a point within a vessel, or an area within or around the vessel, or another object of interest. According to alternative embodiments, the processor determines 16 automatically a region of interest based on an image property, such as an area that has low intensity values. The region of interest contains image locations associated with only one type of signal, with a generally similar intensity level, or signals associated with different intensity values. The region of interest has a certain size, for example it represents a region of the patient that is 1 cm x ½ cm in size, but other sizes can be used. Alternatively, the region of interest is selected based on additional information, such as determining a start limit in step 26 based on user selection of a point or other location. The selected region of interest is sized and / or shaped to include an initial boundary, to be at the initial boundary, or to contain tissue or other structural information, inside and outside an initial boundary.
[0034] EineAuswahl von potentiellen Rändernwird ermittelt, indem die Auswahl von potentiellen Randpixeln verwendetwird. Dies könnenalle möglichen Grenzensein, die durch die Sammlung von möglichen Rändern verlaufen, jedoch können physikalischeGrenzen füreinen bestimmten Randtyp oder heuristische Bedingungen verwendetwerden, um die Gesamtanzahl von möglichen Rändern einzuschränken. Beispielsweisewerden eine oder mehrere potentielle oder Anfangsbegrenzungen inSchritt 26 bestimmt, alleine oder in Kombination mit einerVerfeinerung eines Randes im Schritt 38 oder einer AuswahlmöglicherRänderin Schritt 44.A selection of potential edges is determined using the selection of potential edge pixels. These can be any possible boundaries that pass through the collection of possible edges, but physical boundaries for a particular edge type or heuristic conditions can be used to limit the total number of possible edges. For example, one or more potential or initial limits in step 26 determined, alone or in combination with a refinement of an edge in the crotch 38 or a selection of possible margins in step 44 ,
[0035] InSchritt 26 wird eine Anfangsbegrenzung bestimmt. Gemäß einemAusführungsbeispielist die Anfangsbegrenzung als Funktion der Bildintensitäten undBenutzerangaben einer Region, die von Interesse ist, bestimmt. Beispielsweisegibt der Benutzer eine bestimmte Position in einem Bild an. Durchdie Verwendung eines Regionwachsalgorithmus (auch als Region-Growing-Algorithmusbezeichnet) können dieIntensitätenvon Pixeln benachbart zu dem ausgewählten Pixel oder die augenblicklicheRegion mit einem Schwellenwert verglichen werden. Wenn die Pixelintensität über einemSchwellenwert liegt, wird eine Anfangsbegrenzungsposition bestimmt.Wenn die Pixelintensitätunter dem Schwellenwert liegt, wird das Verfahren bei einem nächsten benachbartenPixel fortgesetzt, bis eine Anfangsbegrenzung in einer gegebenenRichtung gefunden ist. Die Region wächst in alle Richtungen, umeine geschlossene Form zu ermitteln, beispielsweise eine Gefäßgrenze ineinem Querschnittsbild. Zur Ermittlung einer offenen Form oder einesLiniensegmentrandes wird das Verfahren in einer benutzerfestgelegtenRichtung fortgesetzt, oder in einer Richtung, die in Zusammenhangsteht, mit einem erkannten Pixel über dem Schwellenwert, welchesdem Startpixel am nächsten ist.Ein Liniensegment einer bestimmten Länge, beispielsweise 1 cm relativzu dem Objekt wird dann ermittelt. Gemäß alternativen Ausführungsbeispielen werdenmehrere Anfangsränderermittelt. Durch Verwendung eines Region-Growing-Algorithmus, umdie Anfangsbegrenzung oder potentielle Begrenzung zu erhalten, kanneine übermäßige Berechnungverhindert werden. Das Regionwachsen kann gegen Spike Noise wenigerempfindlich sein.In step 26 an initial limit is determined. In one embodiment, the initial limitation is determined as a function of the image intensities and user information of a region of interest. For example, the user specifies a specific position in an image. By using a region growth algorithm (also referred to as a region growing algorithm), the intensities of pixels adjacent to the selected pixel or the current region can be compared with a threshold value. If the pixel intensity is above a threshold, an initial limit position is determined. If the pixel intensity is below the threshold, the process continues on a next adjacent pixel until an initial limit is found in a given direction. The region grows in all directions in order to determine a closed shape, for example a vessel border in a cross-sectional image. To determine an open shape or a line segment edge, the method continues in a user-specified direction, or in a related direction, with a detected pixel above the threshold value that is closest to the start pixel. A line segment of a certain length, for example 1 cm relative to the object, is then determined. According to alternative exemplary embodiments, a number of initial margins are determined. Excessive computation can be prevented by using a region growing algorithm to maintain the initial limit or potential limit. Region growth may be less sensitive to spike noise.
[0036] InzusätzlichenAusführungsbeispielenwird die Anfangsgrenze weiter verfeinert. Beispielsweise wird einegeometrische Form in die Anfangsbegrenzung oder im allgemeinen über dieAnfangsbegrenzung ein-/angepasst, die durch ein Region Growing bestimmtworden ist, füreine geschlossene Form. Eine Ellipse oder ein Kreis mit gleicherAnzahl an schwarzen Pixeln oder Flusspixeln (Flow-Pixeln) als Region-Growing-Anfangsrandwird als anfangsgeometrische Form ausgewählt. Alternativ bestimmt der Benutzerdrei unterschiedliche Orte auf der Gefäßwand und ein Kreis oder eineEllipse, die durch die drei Punkte verläuft, wird als Anfangsbegrenzung verwendet.Alternativ wird ein Curve-Fitting verwendet, indem alle Anfangsrandpunkteverwendet werden, oder eine Identifikation der zwei nächstliegendstenRandpositionen auf gegenüberliegendenSeiten des Region-Growing-Randes als die kleinere Achse einer Ellipse,und der Abstand zwischen zwei Positionen um eine 90 Grad Achse wirdals Hauptachse der Ellipse verwendet. Die Ellipse oder eine andere geometrischeForm wird dann als Anfangsbegrenzung verwendet. Beispielsweise isteine Ellipse parametrisiert als: x = x₀ + a cos(α)cos(θ) – b sin(α) sin(θ) y = y₀ + a sin(α) cos(θ) + b cos(α) sin(θ)wobeix₀ und y₀ das Zentrumder Ellipse kennzeichnen, a die Hauptachse der Ellipse, b die kleineAchse der Ellipse, α denWinkel der Ellipse in der Bildebene und θ eine Position auf dem Randder Ellipse darstellt. Wenn das oben genannte Beispiel verwendet wird,werden die Werte von [x₀, y₀,a, b, α],die von dem Curve-Fitting-Verfahren gewonnen werden, als Anfangsparameterp₀ = [x₀, y₀, a, b, α]gesetzt. Andere Techniken könnenfür dasCurve-Fitting einergeometrischen Form an die ermittelte Begrenzung verwendet werden,indem ein Regionwachsen (Region-Growing) verwendet wird, oder eineandere Randdetektionstechnik. Gemäß noch anderen alternativen Ausführungsbeispielenerfolgt kein zusätzlichesCurve-Fitting unddie Anfangsbegrenzung, die durch Verwendung eines Regionwachsensoder durch eine andere allgemein bekannte oder später entwickelte Randdetektionstechnikbestimmt wird, wird als Anfangsbegrenzung verwendet.In additional exemplary embodiments, the initial limit is further refined. For example, a geometrical shape is fitted / adjusted in the initial boundary or in general via the initial boundary determined by a region growing for a closed shape. An ellipse or a circle with the same number of black pixels or flow pixels (flow pixels) as the region-growing starting edge is selected as the initial geometric shape. Alternatively, the user determines three different locations on the vessel wall and a circle or an ellipse that runs through the three points is used as the initial boundary. Alternatively, a curve fitting is used using all of the starting edge points, or an identification of the two closest edge positions on opposite sides of the region growing edge as the minor axis of an ellipse, and the distance between two positions around a 90 degree axis is taken as Main axis of the ellipse used. The ellipse or other geometric shape is then used as the initial boundary. For example, an ellipse is parameterized as: x = x ₀ + a cos (α) cos (θ) - b sin (α) sin (θ) y = y ₀ + a sin (α) cos (θ) + b cos (α) sin (θ) where x ₀ and y _{0 denote} the center of the ellipse, a the major axis of the ellipse, b the minor axis of the ellipse, α the angle of the ellipse in the image plane and θ a position on the edge of the ellipse. When the above example is used, the values of [x ₀ , y ₀ , a, b, α] obtained from the curve fitting method are used as the initial parameter p ₀ = [x ₀ , y ₀ , a , b, α]. Other techniques can be used for curve fitting a geometric shape to the determined boundary using region growing, or another edge detection technique. According to still other alternative embodiments, there is no additional curve fitting, and the initial boundary, which is determined by using region growth or by some other well known or later developed edge detection technique, is used as the initial boundary.
[0037] Gemäß einemnoch anderem zusätzlichen Ausführungsbeispielwird die Anfangsbegrenzung als ein Liniensegment oder als eine offeneForm bestimmt. Beispielsweise wird ein Regionwachsen verwendet,um ein oder um mehrere Liniensegmente zu bestimmen. Eine Region,die von Interesse ist, wird dann eingestellt, um das Liniensegmentzu umschliessen, beispielsweise erfolgt eine Translation und Drehender Region, die von Interesse ist. Beispielsweise wird eine 1 cm × ½ cm Region,die von Interesse ist, übersetztund gedreht, um ein 1 cm langes Liniensegment einzuschließen. Größere oder kleinereLiniensegmente und/oder Regionen, die von Interesse sind, können verwendetwerden. In zusätzlichen Ausführungsbeispielenwerden mehrere Liniensegmente ermittelt und unterschiedliche odergleiche Regionen, die von Interesse sind, können verwendet werden, um mehrereRegionen, die von Interesse sind, einzuschließen. Für einen Rand mit offener Formoder einen Liniensegmentrand wird die Anfangsbegrenzung bestimmtund die Region, die von Interesse ist, wird basierend auf der Anfangsbegrenzungausgewählt.Für einegeschlossene Form wird die Region, die von Interesse ist, als Anfangsbegrenzungermittelt, oder die Anfangsbegrenzung wird als innerhalb einer vorherausgewählteninteressierenden Region liegend ermittelt. Verschiedene Kombinationendes Auswählensder Region, die von Interesse ist, und des Bestimmens einer Anfangsbegrenzung,indem unterschiedliche Algorithmen in unterschiedlichen Reihenfolgenverwendet werden, könnenverwendet werden.According to yet another additional embodiment, the initial boundary is determined as a line segment or as an open shape. For example, region growing is used to determine one or more line segments. A region of interest is then set to enclose the line segment, for example, translation and rotation of the region of interest occurs. For example, a 1 cm x ½ cm region of interest is translated and rotated to include a 1 cm long line segment. Larger or smaller line segments and / or regions by Are interested can be used. In additional embodiments, multiple line segments are determined, and different or same regions of interest can be used to include multiple regions of interest. For an open-ended border or a line segment border, the start boundary is determined and the region of interest is selected based on the start boundary. For a closed shape, the region of interest is determined as the initial boundary, or the initial boundary is determined to be within a previously selected region of interest. Various combinations of selecting the region of interest and determining an initial boundary using different algorithms in different orders can be used.
[0038] InSchritt 28 wird der Gradient des medizinischen Bildes bestimmt.Beispielsweise werden die Bilddaten räumlich hochpassgefiltert. IrgendeineFiltergröße oderPixelfenster fürein eindimensionales, zweidimensionales oder dreidimensionales Hochpassfilterkann verwendet werden. Infinite Impulsantwortfilter oder finiteImpulsantwortfilter könnenverwendet werden. Gemäß alternativerAusführungsbeispieleberechnet ein Prozessor oder eine andere Schaltung die erste Ableitungdes medizinischen Bildes fürverschiedene Raumpositionen. Andere Techniken zur Bestimmung einesBildgradienten, die im Moment bekannt sind oder die später bekanntwerden, könnenverwendet werden.In step 28 the gradient of the medical image is determined. For example, the image data are spatially high-pass filtered. Any filter size or pixel window for a one-dimensional, two-dimensional or three-dimensional high pass filter can be used. Infinite impulse response filters or finite impulse response filters can be used. According to alternative exemplary embodiments, a processor or another circuit calculates the first derivative of the medical image for different spatial positions. Other techniques for determining an image gradient that are known at the moment or that will be known later can be used.
[0039] Gemäß einemAusführungsbeispielwerden Gradienten fürein Gesamtbild ermittelt. Alternativ können Gradienten nur für einenAnfangsrand, eine Region, die von Interesse ist, eine gegebene Region umden Anfangsrand herum oder füreinen anderen Bereich des medizinischen Bildes bestimmt werden.According to oneembodimentbecome gradients fordetermined an overall picture. Alternatively, gradients can only be used for oneStart margin, a region of interest, a given region aroundaround the beginning margin or foranother area of the medical image can be determined.
[0040] DieGradientenrichtungen werden aus der Gradienteninformation bestimmt.Beispielsweise wird der zweidimensionale Richtungsgradientenvektor, dermit jedem Pixel oder einem anderen Ort entlang des Anfangsrandesim Zusammenhang steht oder innerhalb einer Region, die von Interesseist, bestimmt. Gemäß einemAusführungsbeispielwird die Richtung, die mit dem größten Betrag des Gradientenum ein bestimmtes Pixel herum in Zusammenhang steht, als Gradientenrichtungfür diesesPixel ausgewählt. Alternativwird eine statistische Analyse und eine andere-Funktion verwendet,um die Gradientenrichtung an einem bestimmten Ort basierend aufbenachbarten Gradientenwerten zu bestimmen.TheGradient directions are determined from the gradient information.For example, the two-dimensional directional gradient vector, thewith each pixel or some other location along the start edgerelated or within a region of interestis determined. According to oneembodimentbecomes the direction with the largest amount of the gradientrelated to a particular pixel, as the gradient directionfor thisPixel selected. alternativestatistical analysis and another function is usedbased on the gradient direction at a particular locationto determine neighboring gradient values.
[0041] InSchritt 30 wird eine Randrichtung relativ zu der Bildgradientenrichtungfür eineMehrzahl von Orten bestimmt. Die Randrichtung wird für einenAnfangsrand, Bildpositionen innerhalb der Region, die von Interesseist, oder fürandere Bildorte ermittelt. Gemäß einemAusführungsbeispielwird die Randrichtung als Tangente zu der Bildgradientenrichtung anjedem der Mehrzahl von Orten bestimmt. Die Tangente wird als Funktionder geometrischen Form für einenumschlossenen Anfangsrand bestimmt, oder als Funktion des Liniensegmentsfür einenAnfangsrand offener Form. Die Tangente ist eine Linie senkrechtzu der Richtung des Bildgradienten für jeden Ort der Mehrzahl vonOrten entlang des Liniensegments. Mehrere mögliche Tangenten für irgendeinen gegebenenOrt könnenbestimmt werden. Gemäß alternativerAusführungsbeispieleist die verwendete Randrichtung eine Normale (Lotsenkrechte) zueiner Oberflächeoder einer anderen Richtungsangabe.In step 30 an edge direction relative to the image gradient direction is determined for a plurality of locations. The edge direction is determined for a starting edge, image positions within the region of interest, or for other image locations. In one embodiment, the edge direction is determined as a tangent to the image gradient direction at each of the plurality of locations. The tangent is determined as a function of the geometric shape for an enclosed starting edge, or as a function of the line segment for an opening edge of an open shape. The tangent is a line perpendicular to the direction of the image gradient for each location of the plurality of locations along the line segment. Several possible tangents for any given location can be determined. In accordance with alternative exemplary embodiments, the edge direction used is a normal (perpendicular to the surface) to a surface or another direction.
[0042] DieAnfangsbegrenzung wird verfeinert als Funktion der Bildgradientenrichtungund der möglichenRandrichtungen. Das Ermitteln der Randrichtungen und die Detektiondes Randes gemäß den Schritten 30 und 32 können gleichzeitigdurchgeführt werden,Teil einer gleichen Funktion oder Berechnung sein, oder getrennterfolgen. Gemäß einem Ausführungsbeispielwird die Tangente des Randes berechnet, indem entweder die parametrisiertegeschlossene Form verwendet wird, die den Rand darstellt, oder indemdiskrete Punkte des Randes verwendet werden. Der Rand ist definiertan Orten, wo die Tangente der Anfangsbegrenzung oder eine Tangenteeiner vorherigen Begrenzung senkrecht zu der Bildgradientenrichtungist. Beispielsweise ist das Vektorprodukt des Tangentenvektors zueiner Kurve oder Begrenzung mit der Bildgradientenrichtung minimiert,um sich einem Nullwert zu nähern.Die minimale Aufwandfunktion wird für jeden der Mehrzahl von Ortenberechnet. Die minimale Aufwandfunktion ist eine Funktion der Tangentean dem Ort und der Richtung des Bildgradienten für den gleichen Ort. Durch Minimierender Aufwandfunktion als Funktion der Bildgradientenrichtung undder Randrichtung für jedeneiner Mehrzahl von Orten innerhalb einer Region entlang einer Anfangsbegrenzungoder fürandere Orte, wird ein genauerer Rand detektiert. Die senkrechteBeziehung der Tangente des Randes und der Bildgradientenrichtungwird durch Minimierung der Aufwandfunktion angenähert.The initial limitation is refined as a function of the image gradient direction and the possible edge directions. The determination of the edge directions and the detection of the edge according to the steps 30 and 32 can be performed simultaneously, be part of the same function or calculation, or can be done separately. According to one embodiment, the tangent of the edge is calculated using either the parameterized closed shape that represents the edge or by using discrete points on the edge. The border is defined in places where the tangent of the initial boundary or a tangent of a previous boundary is perpendicular to the image gradient direction. For example, the vector product of the tangent vector to a curve or boundary with the image gradient direction is minimized to approach a zero value. The minimum expense function is calculated for each of the plurality of locations. The minimum effort function is a function of the tangent to the location and the direction of the image gradient for the same location. By minimizing the effort function as a function of the image gradient direction and the edge direction for each of a plurality of locations within a region along an initial boundary or for other locations, a more accurate edge is detected. The perpendicular relationship of the tangent of the edge and the image gradient direction is approximated by minimizing the effort function.
[0043] 2B zeigt den Zweig A gemäß 2A, um eine Randrichtungzu bestimmen und einen Rand zu detektieren, indem eine geschlossenegeometrische Form gemäß einem Ausführungsbeispielverwendet wird. Beispielsweise weist das medizinische Bild eineQuerschnittsform eines Gefäßes auf. 3 zeigt eine graphischeDarstellung eines Gefäßes. Die Ellipse 50 stellteine Anfangsbegrenzung dar, eine nachfolgend berechnete Begrenzungoder eine minimale Aufwandbegrenzung. Das Fadenkreuz 52 stellt eineAuswahl eines Benutzers dar, der einen Ort innerhalb einer gewünschtenRegion zur Analyse bestimmt. Die Ellipse 50 repräsentiertbeispielsweise eine Anfangsbegrenzung, die bestimmt ist, um eine Breiteeines Gefäßes für eine Endothelial-Funktionsmessungzu berechnen. Die Bildgradientenberechnung wird für jedeneiner Mehrzahl von Orten entlang eines Randes der geometrischenForm bestimmt, die den Gefäßquerschnittannähert.Verschiedene geometrische Formen können verwendet werden, beispielsweiseein Ellipsoid. Die Randrichtung wird dann als Tangente zu der geometrischenForm an jedem der Mehrzahl von Orten entlang des Randes bestimmt.Der Rand wird als Funktion der Anfangsbegrenzung detektiert. 2 B shows branch A according to 2A to determine an edge direction and to detect an edge using a closed geometric shape according to an embodiment. For example, the medical image has a cross-sectional shape of a vessel. 3 shows a graphic representation of a vessel. The ellipse 50 represents a start limit, a limit calculated below or a minimum effort limit. The crosshair 52 represents a selection of a user who is a location within a desired region for analysis Right. The ellipse 50 represents, for example, an initial limitation determined to calculate a width of a vessel for an endothelial function measurement. The image gradient computation is determined for each of a plurality of locations along an edge of the geometric shape that approximates the vessel cross-section. Different geometric shapes can be used, for example an ellipsoid. The edge direction is then determined as a tangent to the geometric shape at each of the plurality of locations along the edge. The margin is detected as a function of the initial limit.
[0044] ImSchritt 34 wird die geometrische Form als Iteration (iterativ)geändert.In dem Beispiel der Ellipsenform wird der Parametersatz [x₀, y₀, a, b, α] geändert, umeine Ellipse zu bestimmen, die dem minimalen Aufwand entspricht.Verschiedene Kombinationen des Ändernsder Parameter könnenverwendet werden, beispielsweise das Ändern des x₀-und y₀-Wert, um den minimalen Aufwand zuermitteln, und dann Ändernder a- und b-Achswerte basierend auf dem vorher ermittelten x₀- und y₀-Werten,und letztendlich Änderndes α-Werts.Irgendwelche Gruppierungen von Parametern und Reihenfolgen des Suchensund Ermittelns von Parametern, die mit der Minimumkostenfunktionin Zusammenhang stehen, könnenverwendet werden. Ein iterativer Prozess, der Änderungen aller Parameterwerteeinschließt, kanngemäß anderenAusführungsbeispielenverwendet werden. Die Änderungder Parameter der geometrischen Form hat eine Aktualisierung derTangentenwerte jedes Punkts in der Form zur Folge.In step 34 the geometric shape is changed as an iteration (iterative). In the example of the ellipse shape, the parameter set [x ₀ , y ₀ , a, b, α] is changed in order to determine an ellipse that corresponds to the minimum effort. Various combinations of changing the parameters can be used, for example changing the x ₀ and y ₀ values to determine the minimum effort, and then changing the a and b axis values based on the previously determined x ₀ and y ₀ values, and ultimately changing the α value. Any groupings of parameters and order of searching and determining parameters related to the minimum cost function can be used. An iterative process that includes changes to all parameter values can be used in accordance with other embodiments. Changing the parameters of the geometric shape results in an update of the tangent values of each point in the shape.
[0045] InSchritt 36 wird die Aufwandfunktion basierend auf augenblicklichausgewähltenParameterwerten fürdie geometrische Form berechnet. Die Aufwandfunktion reagiert aufdie Bildgradientenrichtung und die Tangente für irgendeinen gegebenen Ortx, y auf der geometrischen Form. In einer generischen Form der Aufwandfunktionkann der Aufwand C dargestellt werden als C = E + D, wobei E irgendein geeigneterAufwandausdruck ist, der in existierenden oder später entwickeltenverformbaren Modell-Verfahren verwendet wird. E ist beispielsweisedie zweite Ableitung des Bildes entsprechend der Marr-Theorie, dieerste Ableitung entsprechend dem Canny-Verfahren, oder ein andererabgeleiteter Wert des Bildes.In step 36 the effort function is calculated based on currently selected parameter values for the geometric shape. The effort function responds to the image gradient direction and the tangent for any given location x, y on the geometric shape. In a generic form of the effort function, the effort C can be represented as C = E + D, where E is any suitable effort expression that is used in existing or later developed deformable model methods. E is, for example, the second derivative of the image according to the Marr theory, the first derivative according to the Canny method, or another derived value of the image.
[0046] DerD-Ausdruck stellt die orthogonale Eigenschaft des Bildgradientenund der Tangente der Begrenzung dar. Ein Beispiel der Aufwandfunktionist gegeben durch C = –⨐|G(x,y)|dθ +D wobei in einer idealen Situation |G(x, y)| der Betrag des Bildgradientenund D ⨐|T_curve × G_image|dθ ≡ 0 ist.Das Vektorprodukt des Tangentenvektors mit der Bildgradientenrichtungnähertsich Null an, je senkrechter die Tangente zur Bildgradientenrichtungwird. Durch das Integrieren überalle Werte von θ,werden die Kosten, die mit der geometrischen Form für verschiedenex- und y-Orte entlang der geometrischen Form in Zusammenhang stehen,bestimmt. Andere Aufwandsfunktionen können verwendet werden, beispielsweisewird das negative Vorzeichen vor dem Betrag des Gradientenintegralsweggelassen, um den maximalen Aufwand zu bestimmen.The D-expression represents the orthogonal property of the image gradient and the tangent of the boundary. An example of the effort function is given by C = –⨐ | G (x, y) | dθ + D where in an ideal situation | G (x, y ) | is the magnitude of the image gradient and D ⨐ | T _curve × G _image | dθ ≡ 0. The vector product of the tangent vector with the image gradient direction approaches zero, the more perpendicular the tangent to the image gradient direction becomes. By integrating over all values of θ, the costs associated with the geometric shape for different x and y locations along the geometric shape are determined. Other expense functions can be used, for example the negative sign before the amount of the gradient integral is omitted in order to determine the maximum effort.
[0047] InSchritt 38 erfolgt eine Suche, um einen Wechsel oder eine Änderungin einem oder in mehreren Parametern der geometrischen Form zu bestimmen,beispielsweise eines der Parameter, wie oben für die Ellipse diskutiert. Gemäß einemAusführungsbeispielwerden ein oder mehrere Parameter inkrementiert oder dekrementiert.Gemäß einemanderen Ausführungsbeispielwird eine Suchrichtung mathematisch berechnet, um die unterschiedlichen Parameterfür diegeometrisch Form zu bestimmen. Beispielsweise ist die Suchrichtungs gegeben durch
[0048] InSchritt 40 erfolgt ein Schwellenwertverfahren, um zu bestimmen,ob das Ändernder geometrischen Form fürdie Parameter fortgesetzt werden soll. Beispielsweise ist der absoluteWert der Aufwandfunktion kleiner als 0,001 oder ein anderer Wert, derabsolute Wert einer der Parameteränderungen ist kleiner als 0,0001oder ein anderer Wert, oder die Anzahl an Iterationen erreicht 50oder einen anderen Wert. Die augenblicklichen Parameterwerte sindder Endwert. Gemäß alternativerAusführungsbeispielen werdendie Ergebnisse der Aufwandfunktionsrechnung in Schritt 36 miteinem Schwellenwert verglichen, um zu bestimmen, ob das Ändern einesoder mehrerer Parametern fortgesetzt wird.In step 40 a threshold procedure is performed to determine whether to continue changing the geometric shape for the parameters. For example, the absolute value of the effort function is less than 0.001 or another value, the absolute value of one of the parameter changes is less than 0.0001 or another value, or the number of iterations reaches 50 or another value. The current parameter values are the final value. According to alternative exemplary embodiments, the results of the cost function calculation are in step 36 compared to a threshold to determine whether changing one or several parameters is continued.
[0049] InSchritt 42 wird bestimmt, ob alle Parameter vollständig abgeschlossen(abgearbeitet) sind. Wenn ein zusätzlicher Parameter einzustellenist, kehrt das Verfahren zu Schritt 34 zurück. Für jeden verschiedenenParameter oder jeden verschiedenen Satz an Parametern wird in Schritt 36 derAufwand berechnet und in Schritt 38 die Änderungeines Parameters oder von mehreren Parametern bestimmt. Nach demVergleich mit dem Schwellenwert in Schritt 40 wird einEndparameter bestimmt, irgendwelche zusätzlichen Parameter können geändert unddas Verfahren wiederholt werden. Sobald alle Parameter als endgültig bestimmtsind, stellt die resultierende geometrische Form die minimalen Kostendar, oder die beste passende geometrische Form für das Gefäß oder eine andere Region,die von Interesse ist. Die geometrische Beziehung der Randrichtungund der Bildgradientenrichtung bestimmt die beste Anpassung. Dieendgültigegeometrische Form wird aus verschiedenen geometrischen Formen ausgewählt. Diegeometrische Form mit Parametern, die dem minimalen Aufwand entsprechen,werden ausgewählt.In step 42 it is determined whether all parameters have been completely completed (processed). If an additional parameter is to be set, the procedure returns to step 34 back. For each different parameter or each different set of parameters is in step 36 the effort calculated and in step 38 determines the change of one or more parameters. After comparison with the threshold in step 40 an end parameter is determined, any additional parameters can be changed and the process repeated. Once all parameters are determined to be final, the resulting geometric shape represents the minimum cost, or the best fitting geometric shape for the vessel or other region of interest. The geometric relationship of the edge direction and the image gradient direction determines the best fit. The final geometric shape is selected from various geometric shapes. The geometric shape with parameters that correspond to the minimum effort are selected.
[0050] Diekleine Achse der Ellipse stellt eine Breite des Gefäßes daroder eine Breite einer anderen Struktur. Dort, wo die Winkelbeziehungzwischen der abgetasteten Ebene und dem Gefäß bekannt ist, kann die Hauptachseebenfalls zur Berechnung einer Breite verwendet werden. Eine Ellipsewurde in dem oben genannten Beispiel verwendet, jedoch können anderegeometrische Formen verwendet werden. Die Aufwandfunktion umfassteinen Tangentenausdruck, kann jedoch andere Randrichtungsangaben aufweisen,beispielsweise eine Normale. Durch Einfügen einer Suchdeterminationwird eine Anzahl von Iterationen verwendet, um die Aufwandfunktionzu minimieren, um die endgültigegeometrische Form oder den minimalen Aufwand zu bestimmen. Die endgültige geometrischeForm ist der detektierte Rand.Thethe small axis of the ellipse represents the width of the vesselor a width of another structure. Where the angular relationshipbetween the scanned plane and the vessel is known, the major axiscan also be used to calculate a width. An ellipsewas used in the example above, but others cangeometric shapes are used. The expense function includesa tangent expression, but can have other edge direction information,for example a normal. By inserting a search destinationa number of iterations are used to perform the expense functionminimize to the finaldetermine geometric shape or the minimum effort. The final geometricShape is the detected edge.
[0051] 2C zeigt die Bestimmungder Randrichtung und die Detektion des Randes in den Schritten 30 und 32 für eine offeneForm oder ein Liniensegment. 4 zeigtbeispielsweise zwei Liniensegmentränder 54 und 56 für eine Lumen-Intima-Begrenzungund eine Media-Adventitia-Begrenzung. DasBild gemäß 4 zeigt eine Längsansichteines Gefäßes. DieRänder 54 und 56 stehenim allgemeinen in Zusammenhang mit einer Gradientenänderungvon einem hellreflektierendem Gewebe zu einem irgendwie reflektierendemGewebe, und letztendlich zu einem weniger reflektierendem Fluid,beispielsweise Blut in einem Gewebe. 2C shows the determination of the edge direction and the detection of the edge in the steps 30 and 32 for an open shape or a line segment. 4 shows, for example, two line segment edges 54 and 56 for a lumen intima limitation and a media adventitia limitation. The picture according 4 shows a longitudinal view of a vessel. The edges 54 and 56 are generally associated with a gradient change from a light reflective tissue to some reflective tissue, and ultimately to a less reflective fluid such as blood in a tissue.
[0052] Wiein 2C gezeigt, wirddie Bildgradientenrichtung fürjeden einer Mehrzahl von Orten innerhalb einer Region, die von Interesseist, bestimmt, die ausgewähltist, um die Anfangsbegrenzungen oder Liniensegmente 54 und 56 zuumschließen,beispielsweise eine 1 cm × 0,5cm großeRegion, die von Interesse ist. Ein einzelner Anfangsrand oder Liniensegmente,die mit einem anderen Objekt in Zusammenhang stehen, können verwendetwerden und/oder verschiedene, zusätzliche oder weniger Schrittekönnenverwendet werden.As in 2C shown, the image gradient direction is determined for each of a plurality of locations within a region of interest that is selected around the initial boundaries or line segments 54 and 56 to enclose, for example a 1 cm × 0.5 cm region of interest. A single start margin or line segments associated with another object can be used and / or different, additional or fewer steps can be used.
[0053] InSchritt 44 wird ein möglicherund potentieller Rand, bestehend aus verbundenen Pixeln, ausgewählt. Anstelleder Verwendung einer geometrischen Form wird der Rand als ein Liniensegmentfreier Form angesehen. Gemäß einemAusführungsbeispielwird eine diskrete Variable r eingeführt, um eine Richtung darzustellen,in die alle Orte in dem Rand projizieren können. Gemäß einigen Ausführungenist der Bereich des Liniensegments in r fixiert. Beispielsweisewird im Interesse der Messung nur 1 cm des Gewebes verwendet. Wenndie horizontale Richtung (x) des Bildes als r verwendet wird, dannist x innerhalb eines bestimmten Bereichs, beispielsweise [100,300] in der Pixeleinheit. Entsprechend der Variablen θ, als dienächstliegendsteFormpositionsvariabel wird die Randsuche in der offenen Form inr segmentiert. Das dynamische Programmierverfahren (DP-Verfahren)ist am geeignetsten zur Suche der minimalen Aufwandfunktion, diemit der Variablen r in Zusammenhang steht. Andere Verfahren können verwendetwerden, um die Aufwandfunktion zu minimieren. DP summiert alle dengesamten Aufwand für jedenOrt. Fürjeden Ort wird die Tangente geschätzt, indem die Nachbarpixelentlang des Randes verwendet werden. Für jeden möglichen Rand wird in Schritt 46 derAufwand berechnet. Die Aufwandfunktion kann beispielsweise modifiziertwerden in
[0054] InSchritt 48 wird x oder y oder beide Werte inkrementiertoder dekrementiert. Das Verfahren wiederholt sich, bis der mögliche Aufwandfür jedender Orte innerhalb einer Region, die von Interesse ist, berechnetworden sind.In step 48 x or y or both values are incremented or decremented. The process repeats until the potential effort has been calculated for each of the locations within a region of interest.
[0055] InSchritt 49 wird der minimale Aufwand, der mit jedem Ortinnerhalb der Region, die von Interesse ist, in Zusammenhang stehen,ausgewählt.Die Randrichtung fürjeden der Mehrzahl von Orten innerhalb der Region von Interessewird durch das Auswählen ermittelt.Die Randrichtung ist eine Funktion von möglichen Aufwandberechnungen(also die Mehrzahl der möglichenRandrichtungen fürjeden Ort). Der Rand wird aus dieser zweidimensionalen Matrix desminimalen Aufwands ausgewählt.Die Kombination der verbundenen Orte oder das Liniensegment mitden minimalen Aufwand wird als Rand verwendet.In step 49 the minimum effort associated with each location within the region of interest is selected. The edge direction for each of the plurality of locations within the region of interest is determined by the selection determined. The edge direction is a function of possible effort calculations (i.e. the majority of the possible edge directions for each location). The border is selected from this two-dimensional matrix of minimal effort. The combination of the connected locations or the line segment with the minimum effort is used as a border.
[0056] In 2A wird der Rand in Schritt 32 detektiert.Der Rand wird als verbundene Orte innerhalb des Bildes detektiertals Funktion der Bildgradientenrichtung und der Randrichtung. Für das Beispieleiner geschlossenen Form, wie oben beschrieben, wird der Rand alsendgültiggeschlossene Form detektiert, die mit der minimalen Aufwandfunktionin Zusammenhang steht. Die Tangenten der geschlossenen Form – Form sindder Senkrechten zu der Bildgradientenrichtung entlang des Randesam besten angenähert.Für dieoffene Form, wie oben beschrieben, wird der Rand als ein Liniensegmentdetektiert, von verbundenen oder benachbarten Orten mit einer minimalenKostenfunktion. Andere Algorithmen können verwendet werden zur Auswahlbenachbarter oder verbundener Orte, die mit der minimalen Aufwandfunktionin Zusammenhang stehen. Gemäß einemAusführungsbeispielwird der Ort, der mit dem minimalen Aufwand in Zusammenhang steht,ausgewählt.Zwei benachbarte Orte, die mit dem minimalen Aufwand von umgebendenOrten in Zusammenhang stehen, werden dann ausgewählt. Für jedes Ende des Liniensegmentswird ein anderer benachbarter Ort mit dem minimalen Aufwand alsein verbundener Ort ausgewählt.Das Verfahren wiederholt sich, um das Liniensegment oder den detektiertenRand zu bilden. Gemäß einemAusführungsbeispielwird das Verfahren füreinen zweiten Rand wiederholt. Gemäß diesem Ausführungsbeispielerfolgt eine Überprüfung, umsicherzustellen, dass die Rändersich nicht kreuzen. Alternativ sind die Regionen, die von Interessesind, dahingehend definiert, dass sie sich nicht überlappenund separate unterschiedliche Ränder aufweisen.In 2A becomes the edge in step 32 detected. The edge is detected as connected locations within the image as a function of the image gradient direction and the edge direction. For the example of a closed shape, as described above, the edge is detected as a finally closed shape, which is related to the minimal effort function. The tangents of the closed shape - shape are best approximated to the perpendicular to the image gradient direction along the edge. For the open shape, as described above, the edge is detected as a line segment from connected or neighboring locations with a minimal cost function. Other algorithms can be used to select neighboring or connected locations related to the minimal effort function. According to one embodiment, the location that is related to the minimal effort is selected. Two neighboring locations that are related to the minimal effort of surrounding locations are then selected. For each end of the line segment, another neighboring location is selected as a connected location with minimal effort. The process repeats to form the line segment or the detected edge. In one embodiment, the process is repeated for a second edge. According to this embodiment, a check is made to ensure that the edges do not cross. Alternatively, the regions of interest are defined so that they do not overlap and have separate different edges.
[0057] Gemäß einemAusführungsbeispielwird ein Rand in drei Dimensionen detektiert. Die Detektion ist eineFunktion eines Bildgradienten und einer Normalen zu einer Oberfläche. Dadie Normale als Randrichtung verwendet wird, anstelle einer Tangente,nähertsich das Vektorprodukt der Normalen mit dem Bildgradienten in einemdreidimensionalen Raum einem Eins-Wert an für einen gewünschten Rand. ÄhnlicheAufwandfunktionen und dreidimensionale Integrationen werden verwendet,um einen gewünschten dreidimensionalenRand zu bestimmen. Beispielsweise wird eine Zylindernäherung ineiner geschlossenen Form verwendet. Alternativ wird eine Oberfläche alsoffene Form detektiert. Die Bilddaten, die für ein dreidimensionales Volumenverwendet werden, enthalten eine Mehrzahl von Bildebenen, die ineinem dreidimensionalen Volumen rekonstruiert sind. Der Rand wirddetektiert an verbundenen Orten auf einer Oberfläche der dreidimensionalen geometrischenForm basierend auf der Normalen zur Oberfläche und den Bildgradientenrichtungenan jedem einer Mehrzahl von Orten innerhalb des dreidimensionalenVolumens. Andere Randrichtungen als die Normale können inalternativen Ausführungsbeispielen verwendetwerden.According to oneembodimentan edge is detected in three dimensions. The detection is oneFunction of an image gradient and a normal to a surface. Therethe normal is used as the edge direction instead of a tangent,approachesthe vector product of the normal with the image gradient in onethree-dimensional space to a one value for a desired edge. SimilarEffort functions and three-dimensional integrations are usedto a desired three-dimensionalEdge to determine. For example, a cylinder approximation ina closed form used. Alternatively, a surface is calledopen form detected. The image data required for a three-dimensional volumeused contain a plurality of image planes that are ina three-dimensional volume are reconstructed. The edge willdetects at connected locations on a surface of the three-dimensional geometricShape based on the normal to the surface and the image gradient directionsat any of a plurality of locations within the three-dimensionalVolume. Edge directions other than the normal can be inalternative embodiments are usedbecome.
[0058] Dieoben beschriebenen Verfahren ermitteln einen Rand in einem gegebenenBild. Füreine Folge von Bildern wird jeder Rand separat in jedem sequentiellenBild bestimmt. Alternativ könnendie Parameter oder der Rand, der in einem vorherigen Bild bestimmtworden ist, als Anfangsbegrenzung für jedes nachfolgende Bild verwendetwerden. Die Dicke zwischen zwei Rändern, beispielsweise für IMT, der Durchmessereines Gefäßes odereine andere Eigenschaft, die als Funktion des detektierten Randes berechnetwird, wird überdie Zeit gemäß einemAusführungsbeispielangezeigt. Beispielsweise treten Endothelialfunktionsmessungen typischerweise über eineZeitperiode, als Gefäßerweiterungauf. Der Gefäßdurchmesserwird überdie Zeit angezeigt. Der maximale Durchmesser, der auftritt, dieZeit, um den maximalen Durchmesser zu erreichen, die Änderung desDurchmessers überdie Zeit in Prozent verglichen mit einem Basisliniendurchmesseroder einer anderen hergeleiteten Matrix, die eine endotheliale Endothelial-Funktionsstörung kennzeichnet,werden berechnet und angezeigt. Während im vorangegangenen eineEndothelial-Funktionsanalysebeschrieben wurde, indem eine geschlossene Form verwendet wurde,könnenDurchmessermessungen erhalten werden, indem unterschiedliche Liniensegmentein einer Randdetektion offener Form erhalten werden, basierend aufeiner Längsansichtdes Gefäßes.TheThe methods described above determine an edge in a givenImage. Fora sequence of images, each edge is separate in each sequentialImage determined. Alternatively, you canthe parameters or the margin that determines in a previous imagehas been used as the initial limit for each subsequent imagebecome. The thickness between two edges, for example for IMT, the diametera vessel oranother property that is calculated as a function of the detected edgewill be overthe time according to oneembodimentdisplayed. For example, endothelial function measurements typically occur over onePeriod of time, as vasodilationon. The vessel diameteris aboutthe time is displayed. The maximum diameter that occursTime to reach the maximum diameter, the change ofDiameter overthe time in percent compared to a baseline diameteror another derived matrix that characterizes endothelial endothelial dysfunction,are calculated and displayed. While in the previous oneEndothelial function analysiswas described using a closed formcanDiameter measurements are obtained by using different line segmentscan be obtained in an open edge detection based ona longitudinal viewof the vessel.
[0059] Obwohldie Erfindung im vorangegangenen unter Bezugnahme auf verschiedeneAusführungsbeispielebeschrieben wurde, ist es füreinen Fachmann auf diesem Gebiet selbstverständlich, dass Änderungenund Modifikationen durchgeführtwerden können,ohne den Schutzbereich der Erfindung zu verlassen. Beispielsweisekönnenverschiedene mathematische Beziehungen, Suchrichtungsberechnungenoder andere Algorithmen verwendet werden, um einen Rand, basierendauf einer Randrichtung und einer Bildgradientenrichtung zu detektieren.Verschiedene geometrische Formen können verwendet werden, geschlosseneFormen und/offene Formen könnenverwendet werden.Even thoughthe invention in the foregoing with reference to variousembodimentsit has been described fora specialist in this field, of course, that changesand modifications carried outcan bewithout leaving the scope of the invention. For examplecanvarious mathematical relationships, search direction calculationsor other algorithms are used to base an edgeto detect on an edge direction and an image gradient direction.Different geometric shapes can be used, closed onesShapes and / open shapes canbe used.
[0060] Dieim vorangegangenen gegebene detaillierte Beschreibung soll folglichnur beispielhaft sein und den Schutzbereich der beigefügten Ansprüche nichteinschränken.Thethe foregoing detailed description is therefore intendedonly be exemplary and not the scope of the appended claimslimit.

权利要求:
Claims (23)
[1]
Verfahren zur Detektion eines Randes in einemmedizinischen Bild, mit den Schritten: (a) Bestimmen (28)einer Gradientenrichtung fürjeden einer Mehrzahl von Orten in dem medizinischen Bild; (b)Identifizieren potentieller Randpixel; (c) Bestimmen (26)eines Satzes von potentiellen Rändernals Funktion verbundener Orte der potentiellen Randpixel; und (d)Detektieren (32) des Randes, wobei das Detektieren eineFunktion der Gradientenrichtung und des Satzes potentieller Ränder ist.Method for detecting an edge in a medical image, comprising the steps: (a) determining ( 28 ) a gradient direction for each of a plurality of locations in the medical image; (b) identifying potential edge pixels; (c) Determine ( 26 ) a set of potential edges as a function of connected locations of the potential edge pixels; and (d) detecting ( 32 ) of the edge, wherein the detection is a function of the gradient direction and the set of potential edges.
[2]
Verfahren nach Anspruch 1, bei dem die Funktion vonSchritt (d) eine Minimierung einer Aufwandfunktion ist, in Abhängigkeitvon dem Gradienten und einer Normalen zum Rand.The method of claim 1, wherein the function ofStep (d) is a minimization of an expense function, dependingfrom the gradient and a normal to the edge.
[3]
Verfahren nach Anspruch 2, bei dem die Aufwandfunktionnur überausgewählteRändervon potentiellen Rändernberechnet wird, fürdie reduzierter Aufwand vorhergesagt sind.The method of claim 2, wherein the expense functiononly overselectedmarginsof potential marginsis calculated forthe reduced effort is predicted.
[4]
Verfahren zum Detektieren eines Randes in einem medizinischenBild, mit den Schritten: (a) Bestimmen (28) einerGradientenrichtung fürjeden einer Mehrzahl von Orten in dem Bild: (b) Identifizieren(30) einer Randrichtung relativ zu der Gradientenrichtungfür dieMehrzahl der Orte; und (c) Detektieren (32) des Randesals verbundene Orte der Mehrzahl von Orten, wobei das Detektiereneine Funktion der Gradientenrichtung und der Randrichtung ist.A method of detecting an edge in a medical image, comprising the steps: (a) determining ( 28 ) a gradient direction for each of a plurality of locations in the image: (b) identifying ( 30 ) an edge direction relative to the gradient direction for the plurality of locations; and (c) detecting ( 32 ) of the edge as connected locations of the plurality of locations, wherein the detection is a function of the gradient direction and the edge direction.
[5]
Verfahren nach Anspruch 4, bei dem der Schritt (b)ein Identifizieren (30) einer Tangente in Gradientenrichtungan jedem der Mehrzahl von Orten aufweist.The method of claim 4, wherein step (b) identifying ( 30 ) has a tangent in the gradient direction at each of the plurality of locations.
[6]
Verfahren nach Anspruch 4 oder 5, bei dem der Schritt(c) das Detektieren (32) des Randes als die verbundenenOrte aufweist, wo die Tangenten ungefähr senkrecht zu den Gradientenrichtungenentlang des Randes sind.The method of claim 4 or 5, wherein step (c) the detection ( 32 ) of the edge as the connected locations where the tangents are approximately perpendicular to the gradient directions along the edge.
[7]
Verfahren nach einem der Ansprüche 4 bis 6, ferner mit: (d)Empfangen (24) einer Angabe einer Region von Interesse;und (e) Bestimmen einer Anfangsbegrenzung als Funktion derBildintensitätund der Angabe; wobei der Schritt (c) als Funktion der Anfangsbegrenzungausgeführtwird.The method of any one of claims 4 to 6, further comprising: (d) receiving ( 24 ) an indication of a region of interest; and (e) determining an initial limit as a function of image intensity and indication; wherein step (c) is performed as a function of the initial limitation.
[8]
Verfahren nach einem der Ansprüche 4 bis 7, ferner mit: (f)Minimieren des Aufwands einer Aufwandfunktion als Funktion der Gradientenrichtungund der Randrichtung fürjeden der Mehrzahl von Orten; wobei der Schritt (c) ein Auswählen derverbundenen Orte entsprechend dem minimalen Aufwand aufweist.Method according to one of claims 4 to 7, further comprising:(F)Minimize the effort of an effort function as a function of the gradient directionand the edge direction foreach of the plurality of locations; wherein step (c) is selecting theconnected places according to the minimum effort.
[9]
Verfahren nach Anspruch 8, bei dem der Schritt (f)eine Aufwandberechnung zu mehreren Zeitpunkten für jeden der Mehrzahl von Ortenaufweist, wobei das Berechnen fürjeden der mehreren Zeitpunkte eine Funktion unterschiedlicher möglicher Randrichtungenist; wobei der Aufwand fürjeden der Mehrzahl von Orten als das Minimum der Mehrfachberechnungenfür einengegebenen Ort ausgewählt wird.The method of claim 8, wherein step (f)an expense calculation at several points in time for each of the plurality of locations, the calculation foreach of the several points in time a function of different possible edge directionsis; being the effort foreach of the plurality of locations as the minimum of the multiple calculationsfor onegiven location is selected.
[10]
Verfahren nach einem der Ansprüche 4 bis 9, bei dem das medizinischeBild einer Gefäßlängsansichtaufweist, der Schritt (a) ein Bestimmen (28) der Gradientenrichtungfür jedeneiner Mehrzahl von Orten in einer Region von Interesse aufweist,und der Schritt (b) ein Identifizieren (30) einer Randrichtung für jedender Mehrzahl von Orten in der Region von Interesse aufweist, wobeidie Randrichtung als Funktion der Berechnungen für eine Mehrzahl von möglichenRandrichtungen fürjeden Ort ausgewähltwird.Method according to one of Claims 4 to 9, in which the medical image has a longitudinal view of the vessel, step (a) determining ( 28 ) has the gradient direction for each of a plurality of locations in a region of interest, and step (b) identifying ( 30 ) has an edge direction for each of the plurality of locations in the region of interest, the edge direction being selected as a function of the calculations for a plurality of possible edge directions for each location.
[11]
Verfahren nach einem der Ansprüche 4 bis 10, bei dem das medizinischeBild eine Gefäßquerschnittsansichtaufweist, der Schritt (a) ein Bestimmen (28) der Gradientenrichtungfür jedeneiner Mehrzahl von Orten entlang eines Randes einer geometrischenForm aufweist, die den Querschnitt des Gefäßes annähert, der Schritt (b) ein Ermitteln(30) der Randrichtung als die Tangente zu der geometrischenForm an jedem der Mehrzahl von Orten aufweist.Method according to one of claims 4 to 10, wherein the medical image has a cross-sectional vascular view, the step (a) determining ( 28 ) the gradient direction for each of a plurality of locations along an edge of a geometric shape approximating the cross-section of the vessel, the step (b) determining ( 30 ) has the edge direction as the tangent to the geometric shape at each of the plurality of locations.
[12]
Verfahren nach einem der Ansprüche 4 bis 11, ferner mit: (g)Minimieren des Aufwands einer Aufwandfunktion in Antwort auf unterschiedlicheParameter, die die geometrische Form definieren, wobei die Aufwandfunktioneine Funktion der Gradientenrichtung und der Tangente für jedender Mehrzahl von Orten ist; und (h) Bestimmen eines anderenParameters der geometrischen Form für die Minimierung gemäß Schritt (g)als Funktion der Bildintensität;wobei der Schritt (c) ein Auswähleneiner geometrischen Endform als Funktion der Parameter aufweist,die dem minimalen Aufwand entsprechen.The method of any one of claims 4 to 11, further comprising:(G)Minimize the effort of an effort function in response to different onesParameters that define the geometric shape, with the effort functiona function of the gradient direction and tangent for everyonethe plurality of locations; and(h) designate anotherGeometric shape parameters for minimization according to step (g)as a function of image intensity;wherein step (c) is a selectiona geometric final shape as a function of the parameters,that correspond to the minimum effort.
[13]
Verfahren nach einem der Ansprüche 4 bis 12, bei dem der Schritt(c) aufweist: (c1) Ändern(34) der geometrischen Form als Funktion der Tangente undder Gradientenrichtung; und (c2) Auswählen einer geometrischen Endformaus den geändertengeometrischen Formen, ferner mit Bestimmen eines Gefäßdurchmessersals Funktion der geometrischen Endform.Method according to one of Claims 4 to 12, in which step (c) comprises: (c1) changing ( 34 ) the geometric shape as a function of the tangent and the gradient direction; and (c2) selecting a final geometric shape from the changed geometric shapes, further comprising determining a vessel diameter as a function of the final geometric shape.
[14]
Verfahren nach einem der Ansprüche 1 bis 3, bei dem der Schritt(a) ein Bestimmen (28) der Gradientenrichtung für jedender Mehrzahl von Orten in einem dreidimensionalen Raum aufweist,wobei das Bild, das mit einer Ebene innerhalb des Raums in Zusammenhangsteht und/oder einem Rendering des Raums, der Schritt (c) eine Bestimmeneiner Normalen zu einer Oberflächean jeder der Mehrzahl von Orten aufweist, und der Schritt (d) einDetektieren (32) des Randes als verbundene Orte aufweist,basierend auf der Normalen und der Gradientenrichtung an jedem derMehrzahl von Orten.Method according to one of Claims 1 to 3, in which step (a) comprises determining ( 28 ) of the gradient direction for each of the plurality of locations in a three-dimensional space, the image associated with a plane within the space and / or a rendering of the space, step (c) indicating a normal to a surface each of the plurality of locations, and step (d) comprises detecting ( 32 ) of the edge as connected locations based on the normal and the gradient direction at each of the plurality of locations.
[15]
Verfahren zum Detektieren eines Randes in einemmedizinischen Bild, mit den Schritten: (a) Bestimmen (28)eines Gradienten füreine Mehrzahl von Orten in dem Bild; und (b) Identifizieren(30) mindestens eines Liniensegments in Antwort auf eineTangente zu dem Liniensegment im wesentlichen senkrecht zu einerRichtung des Gradienten fürjeden Ort der Mehrzahl von Orten entlang des Liniensegments.A method of detecting an edge in a medical image, comprising the steps: (a) determining ( 28 ) a gradient for a plurality of locations in the image; and (b) identify ( 30 ) at least one line segment in response to a tangent to the line segment substantially perpendicular to a direction of the gradient for each location of the plurality of locations along the line segment.
[16]
Verfahren nach Anspruch 15, bei dem der Schritt(b) aufweist: (b1) Berechnen (36, 46) desminimalen Aufwands jedes der Mehrzahl von Orten, wobei der minimaleAufwand fürjeden Ort eine Funktion der Tangente an dem Ort und der Richtungdes Gradienten fürden Ort sind; und (b2) Auswählendes Liniensegments als benachbarte Orte mit einer minimalen Summedes minimalen Aufwands.The method of claim 15, wherein step (b) comprises: (b1) computing ( 36 . 46 ) the minimum effort of each of the plurality of locations, the minimum effort for each location being a function of the tangent to the location and the direction of the gradient for the location; and (b2) selecting the line segment as adjacent locations with a minimum sum of the minimum effort.
[17]
Verfahren nach Anspruch 15 oder 16, bei dem derSchritt (b) ein Ermitteln einer geschlossenen geometrischen Formaufweist.The method of claim 15 or 16, wherein theStep (b) determining a closed geometric shapehaving.
[18]
Verfahren nach einem der Ansprüche 15 bis 17, bei dem derSchritt (b) ein Ermitteln einer Linie ohne verbundene Enden aufweist.Method according to one of claims 15 to 17, wherein theStep (b) comprises determining a line without connected ends.
[19]
System zum Detektieren eines Randes in einem medizinischenBild, mit: einem Speicher (14) zum Speichern des medizinischenBildes; und einem Prozessor (16), der betreibbar istzum Bestimmen einer Gradientenrichtung für jeden einer Mehrzahl vonOrten in dem Bild, Identifizieren einer Randrichtung relativ zuder Gradientenrichtung fürdie Mehrzahl der Orte, und Detektieren des Randes als verbundeneOrte der Mehrzahl von Orten, wobei das Detektieren eine Funktionder Gradientenrichtung und der Randrichtung ist.A system for detecting an edge in a medical image, comprising: a memory ( 14 ) to save the medical image; and a processor ( 16 ) operable to determine a gradient direction for each of a plurality of locations in the image, identify an edge direction relative to the gradient direction for the plurality of locations, and detect the edge as connected locations of the plurality of locations, the detection being a function of Gradient direction and the edge direction is.
[20]
System nach Anspruch 19, ferner mit: einerBenutzereingabevorrichtung (20), wobei der Prozessor (16)betreibbar ist zum Bestimmen einer Anfangsbegrenzung in Antwortauf eine Benutzereingabe mit der Benutzereingabevorrichtung (20).The system of claim 19, further comprising: a user input device ( 20 ), the processor ( 16 ) is operable to determine an initial limit in response to user input with the user input device ( 20 ).
[21]
System nach Anspruch 19 oder 20, bei dem der Prozessor(16) betreibbar ist zum Minimieren des Aufwands einer Aufwandfunktionals Funktion der Gradientenrichtung und der Randrichtung für jeden derMehrzahl von Orten und zum Auswählender verbundenen Orte entsprechend den minimalen Aufwandfunktionen.The system of claim 19 or 20, wherein the processor ( 16 ) is operable to minimize the effort of an expense function as a function of the gradient direction and the edge direction for each of the plurality of locations and to select the connected locations according to the minimum expense functions.
[22]
System nach einem der Ansprüche 19 bis 21, bei dem derProzessor (16) betreibbar ist zum Ermitteln einer geschlossenengeometrischen Form als den Rand.System according to one of Claims 19 to 21, in which the processor ( 16 ) is operable to determine a closed geometric shape as the edge.
[23]
System nach einem der Ansprüche 19 bis 22, bei dem derProzessor (16) betreibbar ist zum Ermitteln einer Linieohne verbundene Enden, als den Rand.System according to one of Claims 19 to 22, in which the processor ( 16 ) is operable to determine a line without connected ends as the edge.

类似技术:

---

公开号 | 公开日 | 专利标题

---

DE102015221998B4|2019-01-17|A method of assisting a finder in locating a target structure in a breast, apparatus and computer program

---

Du et al.2016|Union Laplacian pyramid with multiple features for medical image fusion

---

Yang et al.2016|Multimodal sensor medical image fusion based on type-2 fuzzy logic in NSCT domain

---

Gao et al.2017|Classification of CT brain images based on deep learning networks

---

Jog et al.2017|Random forest regression for magnetic resonance image synthesis

---

Yang et al.2012|Automatic centerline extraction of coronary arteries in coronary computed tomographic angiography

---

Dahab et al.2012|Automated brain tumor detection and identification using image processing and probabilistic neural network techniques

---

Van Ginneken et al.2006|Segmentation of anatomical structures in chest radiographs using supervised methods: a comparative study on a public database

---

Baddeley1992|An error metric for binary images

---

Wu et al.2011|Learning-based super resolution using kernel partial least squares

---

Li et al.2007|Vessels as 4-D curves: Global minimal 4-D paths to extract 3-D tubular surfaces and centerlines

---

DE102005028746B4|2018-02-22|Method for determining the position and orientation of an object, in particular a catheter, from two-dimensional x-ray images

---

Tesař et al.2008|Medical image analysis of 3D CT images based on extension of Haralick texture features

---

US6909794B2|2005-06-21|Automated registration of 3-D medical scans of similar anatomical structures

---

US7945080B2|2011-05-17|Method for visualizing damage in the myocardium

---

US8437579B2|2013-05-07|Image processing system for automatic adaptation of a 3-D mesh model onto a 3-D surface of an object

---

DE102004022902B4|2006-07-06|Medical imaging and processing method, computed tomography device, workstation and computer program product

---

DE10311319B4|2013-02-21|Method, system and computer product for planning a cardiac intervention procedure

---

US8023734B2|2011-09-20|3D general lesion segmentation in CT

---

DE19828947B4|2008-10-02|System and method for three-dimensional | ultrasound imaging and motion estimation

---

Piella2003|A general framework for multiresolution image fusion: from pixels to regions

---

Ng et al.2010|Maximum likelihood estimation of vessel parameters from scale space analysis

---

US7158692B2|2007-01-02|System and method for mining quantitive information from medical images

---

Macke et al.2008|Contour-propagation algorithms for semi-automated reconstruction of neural processes

---

US20070116332A1|2007-05-24|Vessel segmentation using vesselness and edgeness

同族专利:

---

公开号 | 公开日

---

US20040197015A1|2004-10-07|

---

US7022073B2|2006-04-04|

引用文献:

---

公开号 | 申请日 | 公开日 | 申请人 | 专利标题

---

法律状态:
2004-10-28| OP8| Request for examination as to paragraph 44 patent law|

---

2007-12-13| 8139| Disposal/non-payment of the annual fee|

优先权:

---

申请号 | 申请日 | 专利标题

---