[发明专利]用于对三维(3D)图像数据体积中的横截平面进行采样的成像方法

说明书

本发明涉及分析三维数据集中的管状对象的领域，确切地说，本发明涉及自动血管分析(AVA)的领域。自动血管分析向用户提供关于血管病理学(诸如狭窄)的定性反馈和定量反馈，并且具有最少的用户输入。然而，现有的算法可能不适合于大的数据集，特别是由于预处理时间相当长。本发明可能对血管狭窄的微创介入治疗很有用，因为对狭窄的长度和堵塞的血管的直径进行准确评估在临床上非常重要。此外，本发明可用于血管树的高分辨率重建。还可能将该方法用于在CT或MR体积上对支架和支架移植物进行规划和建模。自然在预处理/(复查)观察站执行建模。此外，本发明的主题能够用于介入X射线血管造影过程中。可以期望在灰度或彩色光栅图像中提供感兴趣对象的增加的能见度。

介入X射线血管造影过程是基于通过人体血管中的血管内材料的实时2D微创图像引导的。针对导丝和导管的交互式跟踪的成像模态选择是X射线C型臂。3D旋转血管造影(3DRA)技术通过增加第三成像维度可以显著改进标准的2D血管造影成像，并且，就其本身而言，允许对血管形态学以及血管病理学和周围分支的相互关系的更好的理解。

自动血管分析是能够在3DRA数据集上执行的更重要的功能之一。自动血管分析向用户提供关于血管病理学(诸如狭窄)的定性反馈和定量反馈，并且具有最少的用户输入。标准的AVA功能包括将两个探针放在血管结构上的功能和追踪功能。探针利用关于横截面处的血管的直径的定量反馈来提供探针所放置的血管部分上的横截面图。该方法还可以应用于除血管以外的其他结构，特别是像管一样的结构。

AVA功能背后的技术由Jan Bruijns记载，参见J.Bruijns，Semi-AutomaticShape Extraction from Tube-like Geometry，In Proceedings Vision Modelingand Visualization(VMV)2000，Saarbruecken，Germany，第347-355页，2000年11月，或J.Bruijns，Fully-Automatic Branch Labelling of Voxel VesselStructures，In Proceedings Vision Modeling and Visualization(VMV)2001，Stuttgart，Germany，2001年11月，或者J.Bruijns，Verification of theSelf-adjusting Probe：Shape Extraction from Cerebral Vasculature，InProceedings Vision Modeling and Visualization(VMV)2003，Munich，Germany，第159-166页，2003年11月。

目前已知的AVA方法可能具有两个主要缺陷：消耗大量内存，并且，在AVA功能可得到之前要求预处理步骤。该预处理步骤花费相当长的时间(在介入治疗期间时间很宝贵)。对于256MB数据集(512³体素)，预处理可能花费超过5分钟。由于这些缺陷，对于最高分辨率数据集，不可得到AVA功能。

这些缺点可能更加严重，因为更快的重建速度和更大的硬盘空间导致这样的大数据集的利用率增加。

此外，整个3DRA(实时链路输入、快速重建、快速可视化、低等待时间、快速AVA)期间的高分辨率重建(例如512³体素)的交互式使用能够形成以后的应用的关键点。

本发明的一个目的在于提供一种要求更少的处理时间的方法。

在此，提出了一种用于将探针放置在血管树上的方法，该方法可能根本不要求任何预处理时间，并且，就速度和内存消耗这两者而言，该方法在(非常)大的数据集上执行得很好。该技术解决方案可以使得在根本不需要任何预处理时间的情况下探针的瞬时放置和横截面的可视化成为可能。此外，所主张的方法需要非常低的内存消耗。