针对血液动力学模拟的最相关的X射线图像选择

技术领域

本发明涉及一种用于图像选择的方法、对应的装置和计算机程序。特别地，本发明涉及一种采用使用适合度评分的用途从一组候选图像中自动选择一幅或多幅图像的方法，其中，适合度评分取决于选定的图像的后续使用，特别是取决于要基于所述选定的图像执行的图像的流体动力学模拟的种类。

背景技术

使用X射线血管造影所采集的诊断图像提供了用于获得关于冠状动脉的信息的重要的工具。这些图像允许借助于各种不同方法来准确评价冠状动脉疾病。

一种这样的方法是血液动力学量度的基于图像的“虚拟”确定，例如血流储备分数(FFR)或瞬时无波速比(iFR)。FFR和iFR两者是血液沿感兴趣血管的压降(例如由于所述感兴趣血管中的狭窄)的量度。其可以被确定为狭窄的远端的压力(P

在过去，FFR和/或iFR测量通常通过使用包括压力传感器的相应的血管内测量设备测量病变的远端的位置和病变的近端的位置处的压力侵入性地被执行。对于FFR而言，这些侵入性测量必须在最大血流期间(即在充血的情况下)被执行，这能够导致患者的不适。相反，可以在舒张期的特定时段期间在静止时执行iFR测量，从而避免了在患者内诱发充血的必要性。

近年来，已经努力借助于上述虚拟方法非侵入地确定FFR和/或iFR值。根据虚拟方法，基于生理模型来模拟患者的冠状动脉中的流体动力学，该生理模型包括表示通过感兴趣血管的血流的流体动力学模型。

发明内容

本发明的目的是提供一种图像选择方法，其允许在减少的时间量内以最少的用户交互来选择最适合于这种生理建模的一幅或多幅图像。

更具体地，本发明的目的是提供一种方法和装置，其允许从一个或多个诊断图像系列中自动预选一组候选图像以呈现给用户，特别是医师，使得用户必须查看减少数量的图像。甚至更具体地，本发明的目的是提供一种方法和装置，其允许用户快速确定一组候选图像对于特定种类的流体动力学模拟的适合度。

该目的是通过一种选择一幅或多幅诊断图像以生成生理模型的方法来实现的，该方法是计算机实施的方法，其包括以下步骤：获得目标结构的多幅诊断图像，导出包括针对多幅诊断图像中的每幅的至少一个相应目标量度的多个目标量度，分析所述多个目标量度以选择一组候选图像，并且向所述一组候选图像中的每幅候选图像分配适合度评分，所述适合度评分指示用于生成生理模型的相应候选图像的适合度。

特别地，这些步骤中的一个或多个可以被实现为对应的装置的单元。在示例中，可以借助于输入单元来实现获取步骤，可以通过计算单元来实现导出步骤，可以借助于分析单元来实现分析步骤，可以借助于选择单元来实现选择步骤和分配适合度评分的步骤。

可以基于已经在X射线血管造影期间采集的冠状动脉脉管系统的多幅诊断图像来生成生理模型。优选地，不是使用已经采集的所有诊断图像，而是使用其选择。特别地，执行选择使得最合适的诊断图像被用于生成生理模型。因此，哪幅诊断图像和多少诊断图像最适合特定的生理模型，很大程度上取决于流体动力学模拟的期望结果。

多幅诊断图像可以特别地指的是已经借助于医学成像模态采集的一系列诊断图像。在一些实施例中，多幅诊断图像可以指代为一个患者采集的多个诊断图像系列，使得在多个系列之中执行选择过程。这允许组合在不同的诊断图像系列中提供的信息，并可以导致提高的准确性。可以使用任何医学成像模态来采集一个或多个诊断图像系列，只要其允许可视化并识别目标结构。作为合适的医学成像模态的示例，提到了计算机断层摄影、磁共振成像、超声成像等。

在一些实施例中，一个或多个诊断图像系列可以特别是指包括多幅X射线血管造影图像，特别是二维X射线血管造影图像的一个或多个系列。对于X射线血管造影，可以将造影剂引入到目标结构中。然后可以在造影剂流入和造影剂流出期间在目标结构上执行X射线血管造影成像。即，一系列X射线血管造影图像可以包括表示造影剂流入的诊断图像的子集、表示造影剂填充的目标结构的诊断图像的子集和表示造影剂流出的诊断图像的子集。在这种情况下，将诊断图像选择为具有低缩短程度和低交叠的候选图像可能是有益的。此外，在任何情况下，造影剂填充应该足以提供合适的对比度。

所选择的一幅或多幅诊断图像可以用于生成生理模型。在这种背景下，术语生理模型可以特别是指目标结构的模型，包括表示目标结构的几何结构的几何模型和/或表示通过所述目标结构的流体动力学的流体动力学模型。

目标结构可以特别是指应当针对特定患者进行评价的感兴趣血管或多个感兴趣血管。在一些实施例中，目标结构可以特别是指患者的冠状动脉脉管系统，所述冠状动脉脉管系统包括一个或多个感兴趣血管。

在这种情况下，可以通过分割在选定的诊断图像中表示的一个或多个感兴趣血管，并生成表示感兴趣血管的血管几何结构的几何模型和/或表示通过感兴趣血管的流体动力学的流体动力学模型，来从一幅或多幅选定的诊断图像中生成生理模型。在一些实施例中，几何模型可以特别地对应于二维几何模型或其中第三维被近似的准三维几何模型。

在一些实施例中，流体动力学模型可以特别地对应于集总参数流体动力学模型。在这样的集总参数流体动力学模型中，通过离散实体的拓扑来近似血管的流体动力学。作为示例，血管树可以由各自具有特定电阻的电阻器元件的拓扑表示。因此，在血管的远端端部处的出口也由特定的电阻器元件表示。然后将该电阻器元件接地，诸如以表示血管与静脉系统的连接。类似地，相应的电阻器元件可以连接到表示感兴趣血管的一系列电阻器元件，诸如以表示在某些分叉处从感兴趣血管的流出。这些电阻器元件通常也可以接地。与诸如Navier-Stokes的其他方法相比，集总参数流体动力学模型减少了维数。因此，使用集总参数流体动力学模型可以允许简化血管内部的流体动力学的计算，并且因此在处理时间方面特别有益。

术语目标量度可以特别地指的是如至少一幅诊断图像中所表示的目标结构的一种或多种特性。在该背景下，术语目标量度尤其可以指目标结构密度量度，即指示在相应的诊断图像中可见多少目标结构的定量量度、指示目标结构的运动(例如在两幅连续的诊断图像之间)的运动量度、指示目标结构的诊断图像中的交叠量的交叠量度、指示目标结构的可见性(例如边缘的可见性)的可见性量度和/或指示特定诊断图像的期望目标采集时间的偏离的偏离特征。这些目标量度中的每个可能影响特定诊断图像用于生成生理模型的适合度。如所指示的，可以针对诊断图像中的每幅导出一个或多个这样的目标量度。随后，可以分析目标量度以从多幅诊断图像中选择可以用于生成生理模型的一组适当的候选。由此，应理解，目标量度中的每个对适合度的影响可以根据要生成的生理模型的种类而变化。

作为示例，在一些实施例中，生理模型被用于提取目标结构的几何参数，例如脉管系统中的血管尺寸。在这种情况下，单幅诊断图像可能足以进行建模。因此，为了使几何建模特别准确，例如在由于心动相位而形成冠状动脉目标结构的情况下，诸如分割准确度和目标结构的运动的因子是重要的要求。也就是说，该方法将执行适合度评分，其考虑因子，例如目标结构中的交叠、造影剂填充、目标结构的个体特征的清晰度、相关分叉的可见性以及运动相(例如心动相位)。

基于该适合度评分，该方法可以输出被认为特别适合于几何建模的一幅或多幅候选图像。在一些实施例中，可以将输出提供给用户，并且然后用户可以查看这些输出并确定要用于建模的候选图像。在一些实施例中，可以将输出直接提供给能够执行建模的处理器。处理器可以然后随机地使用任何合适的候选，或者可以基于适合度评分来选择候选之一。

在一些实施例中，包括流体动力学模型的生理模型被用于更复杂的血液动力学模拟。在这些情况下，可能需要多幅诊断图像才能生成生理模型。在一些实施例中，可能需要表示造影剂流入到目标结构中的至少一幅诊断图像、表示造影剂从目标结构流出的至少一幅诊断图像和表示完全填充造影剂的目标结构的至少一幅诊断图像。在这三个不同相处的这三幅(或更多)特定诊断图像可以特别用于确定造影剂流入和流出速度的量度(来自表示所有三个相的诊断图像)，以及在冠状动脉脉管系统作为目标结构的情况下可以用作血流动力学模拟的边界条件的心肌灌注的量度(来自表示流出相的诊断图像)。此外，表示完全填充相的诊断图像可以特别地允许最准确地查看目标结构的细节。在脉管系统的情况下，即要建模的感兴趣血管的情况下，这允许从感兴趣血管中识别和确定可能的分支，并且因此将相应的出口整合到生理模型中。这总体上提高了血液动力学模拟的准确性。同样需要考虑上述对合适的候选图像的要求，例如交叠、造影剂填充、目标结构的个体特征的清晰度以及运动相。

因此，根据生理模型的要求以及因此的血液动力学模拟的复杂性，从目标量度的分析中识别出候选图像。

为此目的，术语候选图像可以指已经被选择为用于进一步的生理建模的可能候选的诊断图像。在一些实施例中，通常识别一组候选图像，用户或处理器可以从中选择期望的候选。在一些实施例中，可以仅识别单幅候选图像。

然后，为每幅识别出的候选图像分配相应的适合度评分。术语适合度评分在此尤其可以指指示相应候选图像对于目标结构的生理建模的适合度的定量值。应当理解，适合度评分可能不一定被可视化，并且还可以指仅出于由实现生理建模的处理器的内部处理的目的而确定的评分。

在一些实施例中，适合度评分可以特别地指的是根据在造影剂流入、造影剂流出期间或在完全填充相期间表示目标结构的候选图像的分类以及诸如在该特定图像中为目标结构识别的交叠量度、在所述图像中为目标结构确定的运动量度等的一个或多个分别加权的目标量度而分配的评分。根据所述特征对生理模型的影响来调节这些量度中的每个的加权，即，可以根据相应的生理模型的特定要求来调节加权。

基于相应的生理模型的要求而提供适合度评分因此可以被用于实现直接且耗时较少的图像选择，其允许用户从大量图像中识别出合适的图像，而无需大量的用户交互。

在一些实施例中，多个目标量度的导出包括针对多幅诊断图像中的每幅生成相应的经处理的图像，所述生成包括：将多个定量值分配给相应诊断图像的多个像素，定量值指示像素表示目标结构的概率；并基于多个定量值为多幅诊断图像中的每幅导出目标结构密度量度。在一些实施例中，基于多个定量值的总和来导出多幅图像中的每幅图像的目标结构密度量度。

在一些实施例中，导出目标量度包括导出目标结构密度量度。因此，术语目标结构密度量度可以特别地指指示在相应的诊断图像中可见多少目标结构的定量量度。即，表示造影剂填充度高的目标结构的诊断图像的目标结构密度量度值将较高，表示造影剂填充度低的目标结构的诊断图像的目标结构密度量度值将较低。

应当理解，在从造影剂流入到造影剂流出采集的一系列诊断图像的情况下，表示完全造影剂填充的目标结构的诊断图像将具有比表示流入和流出相期间的目标结构的诊断图像更高的目标结构密度量度值。因此，应当理解，每幅诊断图像可以特别地有一个目标结构密度量度。在目标结构对应于冠状动脉脉管系统的情况下，目标结构密度量度可以具体指示在每幅特定诊断图像中可见的血管的量。

通过使用针对目标结构专门调谐的图像处理算法处理多幅诊断图像中的每幅，实现目标结构密度量度的导出。该处理步骤的输出是经处理的图像，即，为每幅诊断图像生成一幅经处理的图像。

在一些实施例中，可以为相应诊断图像的每个像素分配在0和1之间的定量值，其指示所述像素属于目标结构的机会或概率，以生成经处理的图像。即，诊断图像中具有属于目标结构的高概率的像素将被分配接近于1的值，而具有属于背景的高概率的像素将被分配接近于0的值。因此，经处理的图像对应于值在0和1之间的像素图。

然后可以通过考虑分配给该像素中的每个的定量值，基于该像素图导出目标结构密度量度。在一些实施例中，这可以通过将目标结构密度量度确定为一幅经处理的图像内所有定量值的总和来实现。鉴于表示目标结构的像素具有比表示背景的像素更高的值，并且鉴于目标结构变得更可见，在目标结构中提供更多的造影剂填充，将定量值相加以获得目标结构密度量度将产生具有针对造影剂填充的目标结构的较高值的目标结构密度量度。因此，目标结构密度量度的高值直接与其中目标结构清晰可见的诊断图像成比例。此外，鉴于较少的造影剂将导致更多的背景，因此在造影剂流入和造影剂流出相中以及在由于其他原因目标结构是很差可见的情况下，作为来自像素图的定量值的总和获得的目标结构密度量度将较低。

鉴于经处理的图像是从诊断图像中导出的，则由此确定的目标结构密度量度值可以直接与对应的诊断图像相关。作为结果，可以通过首先对诊断图像进行图像处理以获得包括像素图的经处理的图像，并且随后对每个像素的定量值求和以获得目标量度，来确定针对每幅诊断图像的目标结构密度量度获得的值。

根据一些实施例，选择一组候选图像包括：根据测量时间来分析导出的目标结构密度量度；并且基于所述分析来获得表示造影剂流入相的候选图像的第一子集，表示造影剂完全填充相的候选图像的第二子集，以及表示造影剂流出相的候选图像的第三子集。

在一些实施例中，候选图像的选择可以包括根据测量时间对目标结构密度量度进行分析。由此，术语测量时间尤其可以指的是造影剂流入开始与造影剂流出之间的时间，在此期间采集多幅诊断图像。用于该分析的数据点的量取决于诊断成像的定时，即，存在一个数据点，其指示针对所采集的每幅诊断图像的目标结构密度量度。

目标结构密度量度随时间的所得曲线允许针对诊断图像中的每一幅确定是否所述诊断图像表示造影剂流入相、完全填充相还是造影剂流出相。即，在选择这些图像中的任何作为候选时，可以将如此选择的候选图像细分为与三个相相对应的三个子集。

如上所述，为生成生理模型而需要选择的图像的量可以取决于应生成的生理模型的种类，即取决于要从所述生理模型导出的信息的种类和量。

在生理模型更为复杂的情况下，可能有必要至少选择三幅-或更多-诊断图像。在一些实施例中，这至少三幅诊断图像中的每幅应该对应于造影剂流的不同相，即，在造影剂流入期间已经获得了一幅诊断图像，由于目标结构已经完全填充了造影剂，因此已经获得了一幅图像，并且在造影剂流出期间已获得一幅诊断图像。即，在一些实施例中，一组候选对象，即被选择为合适的一组诊断图像，可以被细分为三个子集，其中，每个子集对应于上述造影剂时间相，即指定的造影剂流入相、完全填充相和造影剂流出相中的一个。

因此，造影剂流入相对应于从注射造影剂直到造影剂完全流入目标结构的时间。完全填充相对应于造影剂保留在目标结构中的时间。造影剂流出相对应于从造影剂注射结束到造影剂已经完全离开目标结构的时间。

特别地，可以通过考虑表示多个目标结构密度量度的曲线作为覆盖所有三个相位的测量时间的函数，来执行特定的诊断图像-即，潜在的候选图像-是否对应于特定的相位的识别。因此，属于造影剂流入相的图像通常具有低到中等的目标结构密度量度，其随着增加的测量时间而增加。属于完全填充相的图像对应于具有曲线的峰值的目标结构密度量度。最后，属于造影剂流出相的图像对应于具有从低到中间的值的目标结构密度量度，该值随着增加的测量时间而减小。

应当理解，表示根据测量时间的目标结构密度量度的曲线可以显示给用户，但是也可以对应于在装置中内部地处理的仅用于分析目的的“虚拟”曲线。

在上述实施例中，被选择为用于生成生理模型的候选的至少三幅诊断图像各自对应于流入目标结构中的造影剂的不同填充相。但是，应当理解，在其他实施例中，可以不同地选择候选。在一些实施例中，例如在目标结构对应于冠状动脉脉管系统的情况下，可以选择表示不同心脏相位的至少三幅诊断图像。这也可以通过根据测量时间分析目标结构密度量度来实现。

特别地，在冠状动脉脉管系统的情况下，表示根据测量时间的目标结构密度量度的曲线可以根据由冠状动脉收缩和扩张引起的周期性变化而随时间变化。这些周期性变化还允许为所有诊断图像确定(一致的)心脏相位，并且这样一来，允许基于所确定的心脏相位来选择诊断图像作为候选。鉴于心脏相位可能是生理建模准确性的重要因子，可以在针对每幅候选图像的适合度评分中考虑分别确定的心脏相位。但是，应当理解，尽管在一些实施例中，心脏相位可以仅从目标结构密度量度随时间的周期性变化中导出，但在其他实施例中，可以由心电图(ECG)或冠状动脉内压力数据支持该导出。

在一些实施例中，该方法还可以包括分析候选图像的第一子集，和/或分析候选图像的第三集合，以及针对候选图像的第一子集和/或候选图像的第三子集中的每一个确定指示目标结构的可见性的可见性量度。

在一些实施例中，选择至少三幅连续图像或在非常短的时间帧内获得的表示造影剂流入相或造影剂流出相的图像作为可能的候选是有益的，即，进一步分析属于到第一子集和第三子集的潜在的候选图像。因此，应执行分析以识别三幅或更多候选图像，其具有低的透视收缩和低的交叠，即，相对于目标结构的可见性而言是合适的。由此，目标结构的这种可见性尤其可以根据所谓的可见性量度来表达。

从造影剂的流入和/或流出相确定图像的这种可见性量度允许选择特别适合于执行通过目标结构的流速评估的候选图像，从而允许导出进行流体动力学建模的重要的边界条件，例如流速、血管壁阻力等。与上述情况类似，这可以通过根据测量时间分析目标结构密度量度(指示目标结构内部的造影剂的量)来特别地实现。

在一些实施例中，导出多个目标量度包括针对多幅诊断图像中的每幅来识别指示目标结构的运动的运动量度。在一些实施例中，通过针对多幅诊断图像中的每幅确定对应的经处理的图像，并根据测量时间来分析经处理的图像，来识别运动量度，其中，分析包括将两幅连续的经处理的图像彼此相减以确定运动特征。

在一些实施例中，经处理的图像还可用于确定目标结构的运动程度。这允许避免选择表示目标结构的大运动的候选图像，并且因此甚至可以包括运动模糊。出于此目的，将经处理的图像视为测量时间的函数。这通过将每幅经处理的图像映射到在特定测量时间点获得的对应的诊断图像而是可能的。因此，基于经处理的图像的测量时间对其进行排序，即获得一系列经处理的图像。然后，可以将相邻(连续)的经处理的图像中表示的像素图彼此相减。因此，大的平均绝对差异可以指示在两幅对应的诊断图像之间已经发生大的运动。该大的平均绝对差异可以用作指示所述目标结构的运动的运动量度。运动量度的值越大，预期的运动就越多。

在冠状动脉目标结构的情况下，该概念特别重要。心动周期在冠状动脉血管中引入冠状动脉运动，这可能影响特定诊断图像对生理模型的适合度。因此，就运动而言，被识别为属于心动周期的特定相(通常为舒张末期)的诊断图像可能优于其他诊断图像。

根据一些实施例，多个目标量度的导出包括针对多幅诊断图像中的每幅识别指示目标结构中的交叠的交叠量度。

可能影响生理建模的准确性的另一个因子是目标结构的交叠。作为示例，在目标结构属于(冠状动脉)脉管系统的情况下，由于从获取诊断图像的特定方向的血管交叠，在(二维)诊断图像中可见的多个血管可能仅部分可见。

因此，在特定的诊断图像中的交叠量也可以根据所谓的交叠量度在适合度评分中被考虑。交叠可以通过使用目标结构特异性算法的图像处理自动检测，和/或手动检测。在(冠状动脉)脉管系统作为目标结构的情况下，例如可以通过检测在经处理的图像中表示的像素图中的闭环来检测交叠。这是情况，因为像素图仅区分背景和结构。指示结构的存在的较高的定量值的闭环允许得出结论：存在至少有两个血管交叠(因为血管通常具有流入和流出)。在一些实施例中，特别地，可以通过在经处理的图像中的目标结构图内执行轮廓跟踪来识别最接近的环。在一些实施例中，取向评分可用于直接从诊断图像确定最接近的环。

在一些实施例中，导出多个目标量度包括针对多幅诊断图像中的每幅，接收额外的程序信息。额外程序信息可以包括可能影响诊断图像或生理建模的给药药物的信息。这样的药物的示例是腺苷、硝酸甘油或乙酰胆碱。额外的程序信息还可以包括传感器读出，例如，关于压力、(血液)流量、ECG的信息，或者可以连同诊断图像一起被采集、在采集诊断图像之前或者之后的一些时间处采集的其他信息。基于额外的程序信息，可以导出其他目标量度，如心脏相位、冠状动脉静息状态、冠状动脉的充血状态或其他。

应当理解，额外程序信息自身也可以被视为额外目标量度。作为示例，由于冠状动脉的扩张有限并且可能不一致，因此在不施用硝酸甘油的情况下或者在所述施用之后太长时间所采集的诊断图像可能基于此而降低其适合度评分。在一些实施例中，如果在冠状动脉内腺苷注射后直接采集诊断图像，则诊断图像仅可以接收高于0的适合度评分，因为这可能是对应的生理建模的必要要求。

在一些实施例中，多个目标量度的导出包括针对多幅诊断图像中的每幅识别指示与期望的目标采集时间的偏离的偏离量度。

在一些实施例中，选择在特定目标采集时间处已经采集的诊断图像可能是有益的，特别是当目标结构示出随时间变化的运动时。作为示例，如果目标结构包括冠状动脉脉管系统，则心动周期在脉管系统的运动中引起周期性变化。在这种情况下，可以确定考虑该周期性变化的特定目标采集时间。即，应优先于在该目标采集时间采集的诊断图像，而不是在不同测量时间采集的诊断图像。

目标采集时间因此可以对应于心动周期中的最佳相位。在一些特定的实施例中，最佳相位可以例如对应于舒张末期。在其他实施例中，也可以使用其他相位，特别是当先前使用的诊断图像已经用于与舒张末期不同的相位时。在这种情况下，要用于诊断图像的相位应与先前使用的相位相对应。即，应保持所有图像的相位一致性。

为此目的，在目标采集时间未获得的诊断图像不必一定较不适合于生理建模。作为示例，它们可以呈现更好的对比度等，其使得它们比在目标采集时间获得的诊断图像更适合。这样一来，将用于偏离量度的相应图像特异性值引入适合度评分中。偏离量度是关于距选定的最佳相位的距离的指示符，即达到最佳相位的一个或多个目标采集时间。在冠状动脉生理的情况下，偏离量度是距心动周期中的最佳阶段的距离的指示符。

根据一些实施例，适合度评分基于一个或多个目标量度的加权和。在一些特定实施例中，适合度评分可以特别地基于运动量度和/或交叠量度和/或偏离量度的加权和。在一些实施例中，基于要使用生理模型来建模的一个或多个血液动力学参数来调节相应的加权因子，所述生理模型要基于要从一组候选图像中选择的一幅或多幅图像来生成。

在一些实施例中，指示候选图像是否特别适合于生成生理模型的适合度评分可以从上述量度中的一些或所有的加权和中导出。在一些实施例中，适合度评分可以根据下式来确定：

S

因此，项χ∈(0,1)对应于基于目标结构密度量度确定的指示符，由此该指示符指示目标结构密度量度是否已将对应的诊断图像识别为表示造影剂流入相的第一子集的图像、表示造影剂完全填充相的第二子集的图像或表示造影剂流出相的第三子集的图像。术语w

在一些实施例中，根据生理模型的要求，即应使用生理模型的目的来调节加权因子w

在一些实施例中，可以将通过该方法选择的(预先)选择的候选图像呈现给用户，特别是医师，以进行最终选择。为了简化选择，可以特别地将候选图像连同其适合度评分的图形表示一起呈现。应当理解，所呈现的适合度评分总是特定于相应的生理模型。即，如果生理模型被用于不同的目的，则适合度评分可能改变。

合适性评分可以对应于在相应候选图像中或旁边示出的数值的图形表示。在一些实施例中，适合度评分也可以对应于指示适合度的颜色编码标度。也可以设想表示每幅诊断图像的不同适合度评分的其他方式。通过以视觉方式呈现评分，用户可以更容易地从候选图像中选择图像。

在另一方面中，一种用于选择一幅或多幅诊断图像以生成流体动力学模型的装置，包括：输入单元，其被配置为获得目标结构的多幅诊断图像；计算单元，其被配置为导出包括针对多幅诊断图像中的每幅的至少一个相应目标量度的多个目标量度；被配置为分析多个目标量度的分析单元；以及被配置为基于对多个目标量度的分析来选择一组候选图像并向该组候选图像中的每幅候选图像分配适合度评分的选择单元，适合度评分指示相应候选图像用于生成流体动力学模型的适合度。根据又一实施例，选择单元包括已经使用训练数据集训练的分类器，所述训练数据集将一幅或多幅诊断图像与相应地测量的血液动力学参数数据相关。

在一些实施例中，提供了一种装置，其被配置为执行如上所述的方法。为此目的，该装置可以包括：输入单元、计算单元、分析单元和选择单元。此外，在一些实施例中，该装置可以包括显示单元，诸如液晶显示器等，以向用户显示候选图像和/或它们相应的适合度评分的图形表示。在一些实施例中，该装置还可以包括建模单元或通信地连接到建模单元，所述建模单元用于从一幅或多幅诊断图像生成生理模型，该诊断图像已经被呈现为特别适合于生理模型的候选图像并且因此已经由用户选择。基于生理模型，可以模拟，即建模一个或多个血液动力学参数，例如压力、流速等，以执行虚拟FFR或iFR。

为此目的，建模单元可以通过分割在选定的诊断图像中表示的一个或多个感兴趣血管，并生成表示感兴趣血管的血管几何结构的几何模型和表示通过感兴趣血管的流体动力学的流体动力学模型来生成生理模型。

此外，除了使用编程算法来选择候选图像之外，还能够为装置，并且特别是选择单元提供经训练的分类器，并且将机器学习用于图像选择。为此目的，实现机器学习算法的分类器可以根据用户行为来训练，即可以通过跟踪候选图像的优选用户选择来训练。

备选地或额外地，可以使用训练数据集来训练分类器。训练数据集由此可以特别地包括与相应的诊断图像相关的针对测量的血液动力学参数数据的一个或多个值，例如压力值或FFR值等。诊断图像和对应的血液动力学参数值的这种组合允许相对于造影剂填充、心脏相位等训练最佳的诊断图像。即，可以通过对着测量数据进行训练来训练这些因子。

在一些实施例中，还可以基于对着测量的数据集训练来训练分类器以导出目标结构密度量度和/或运动量度和/或交叠量度和/或偏离量度。在一些实施例中，可以基于模拟的训练数据集特别地训练经训练的分类器以进行交叠检测，从而确定交叠量度。

在另一方面中，提供了一种用于执行上述方法的计算机程序，所述计算机程序当由处理单元执行时，适于控制如上所述的装置。在又另外的方面中，提供了一种计算机可读介质，在其上存储有上述计算机程序。

应当理解，根据权利要求1所述的方法、根据权利要求12所述的装置、根据权利要求14所述的计算机程序和根据权利要求15所述的计算机可读介质具有相似和/或相同的优选实施例，特别是如从属权利要求中所定义的。

应当理解，本发明的优选实施例也可以是从属权利要求或以上实施例与相应的独立权利要求的任何组合。

参考下文描述的实施例，本发明的这些和其他方面将显而易见并得到阐述。

附图说明

在以下附图中：

图1示意性地图示了根据示例性实施例的用于图像选择的装置。

图2图示了根据实施例的根据时间的对目标量度的分析的示例性图形表示。

图3图示了根据实施例的示例性选择方法。

具体实施方式

附图中的图示是示意性的。在不同的附图中，相似或相同的元件被提供有相同的附图标记。

图1示意性地表示用于执行从多幅诊断图像的图像选择以获得用于生成生理模型的一幅或多幅候选图像的装置1的示例性实施例。装置1包括输入单元100、计算单元200、分析单元300和选择单元400。另外，装置1通信地被连接到显示单元500。显示单元500被连接到输入模块501并且还与建模单元2通信。

在根据图1的示例性实施例中，输入单元100被配置为接收多幅诊断图像10并将诊断图像10提供给计算单元200。诊断图像10对应于X射线血管造影图像。然而，应当理解，也可以使用不同的成像模态来采集诊断图像10。

然后，计算单元200被配置为对诊断图像10执行图像处理。由此，针对目标结构特别地调谐由计算单元200所使用的图像处理算法，所述目标结构在根据图1的示例性实施例中对应于冠状动脉脉管系统。经处理的图像包括突出显示血管结构的冠状动脉脉管系统的血管图。这通过将指示所述像素属于血管的概率的像素值分配给诊断图像中的每个像素来实现。也就是说，高像素值(接近于1)指示像素最有可能属于血管表示，并且低像素值(接近于0)指示像素最有可能属于背景像素。

在根据图1的示例性实施例中，计算单元200然后通过确定每幅经处理的图像的像素值的总和来分析接收到的经处理的图像。该总和对应于目标结构密度量度。因此，具有许多具有较高值的像素(即，属于血管表示的许多像素)的经处理的图像比其余像素具有更高的目标结构密度量度。通常，较高的目标结构密度量度也对应于较高的造影剂填充度，因为在较低的造影剂填充度处，许多血管结构将不可见。相应地，具有血管的较低的造影剂填充度的图像的目标结构密度量度将较低。

然后，在根据图1的示例性实施例中，计算单元200可以将目标结构密度量度，任选地连同诊断图像和/或经处理的图像一起，提供给分析单元300。

然后，分析单元300根据测量时间来分析目标结构密度量度。换句话说，分析单元300针对每幅诊断图像确定获得特定诊断图像的时间点，并且将所述时间点与特定诊断图像的对应的目标结构密度量度相关。在这种背景下，术语测量时间尤其是对应于从造影剂早期流入到后期造影剂从脉管系统流出的时间。

然后，基于目标结构密度量度的曲线，分析单元300可以将诊断图像分布成图像的三个子集，即，可以识别出属于早期造影剂流入相的图像、属于造影剂完全填充相的图像和属于造影剂流出相的图像。

为此目的，图2示意性地图示了根据测量时间t的目标结构密度量度D的曲线图20。在图2的下面，示出了多幅诊断图像10，多幅诊断图像10包括诊断图像11、12、13和14。在根据图2的特定实施例中，诊断图像11、12、13和14对应于二维X射线血管造影图像。目标结构密度量度D对应于指示诊断图像中的每幅中的血管密度的密度量度。

在曲线图20中，用于诊断图像11的目标结构密度量度D被指示为21，用于诊断图像12的目标结构密度量度D被指示为22，用于诊断图像13的目标结构密度量度D被指示为23，并且用于诊断图像14的目标结构密度量度D被指示为24。基于这些目标结构密度量度，诊断图像11、12、13和14可以被分配给本文上面指示的三个不同相之一。

在根据图2的示例性实施例中，用于诊断图像11的目标结构密度量度21在低到中间范围内并且在增加。因此，诊断图像11属于早期造影剂流入相。类似地，目标结构密度量度22表现为指示用于诊断图像12的造影剂流入相。目标结构密度量度23和24处于高范围内。因此，可以将对应的诊断图像13和14视为属于造影剂完全填充相。

从曲线图20还可以意识到，目标结构密度量度D的值示出了随时间的周期性变化。这是由于心动相位。在一些实施例中，分析单元300可以使用所述周期性变化来导出心脏相位。这允许为所有候选图像确定一致的心脏相位。

返回到图1，分析单元300因此可以使用表示根据时间t的目标结构密度量度D的曲线，以对于诊断图像10确定相应的图像是否属于造影剂流入相、造影剂完全填充相或造影剂流出相。此外，分析单元300可以使用曲线的周期性变化来为所有诊断图像确定一个一致的心脏相位。

在根据图1的示例性实施例中，分析单元300还可以被配置为确定运动量度M。为此目的，分析单元300可以被配置为通过将两个相邻的血管图相减，即在从两幅连续获得的诊断图像导出的两幅经处理的图像中表示的血管图，来使用包括血管映射的经处理的图像。借助于将两幅相邻的图像相减，可以确定相邻的血管图的平均绝对差异，所述平均绝对差异可以被用作运动量度M。如果平均绝对差异的值大，则(冠状动脉)运动大，而如果该值较小，则还可以假定运动小。即，运动量度M的较高值指示大于较小的值的更多运动。

分析单元300还可以被配置为确定交叠量度O。在根据图1的示例性实施例中，分析单元300可以被配置为在如在经处理的图像中所表示的每个图中识别闭环。这些闭环可被认为指示交叠的血管。基于这些闭环，分析单元300然后可以针对每幅经处理的图像确定交叠量度O，该交叠量度指示对应的诊断图像10中的交叠量。

然后，在根据图1的示例性实施例中，分析单元300可以提供多幅诊断图像，其对应的目标结构密度量度和运动以及交叠量度以及任选地将多幅经处理的图像提供给选择单元400。选择单元400可以接收多幅诊断图像、目标量度、运动量度和交叠量度以及多幅经处理的图像(如果提供的话)，并且可以使用这些信息来针对多幅诊断图像中的每幅诊断图像确定相应的适合度评分，其指示诊断图像对特定目的的适合度。在根据图1的实施例中，那些诊断图像应该由选择单元400选择，所述诊断图像出于导出作为目标结构的所述冠状动脉脉管系统的一个或多个血液动力学参数的目的最适合于生成包括冠状动脉脉管系统的几何模型和流体动力学模型的生理模型。

在根据图1的示例性实施例中，选择单元400根据下等式来计算适合度评分S

S＝χ·(1-w

其中，项χ∈(0,1)对应于基于目标结构密度量度确定的指示符，所述指示符指示目标结构密度量度是否已将对应的诊断图像识别为表示造影剂流入相的第一子集的图像、表示造影剂完全填充相的第二子集的图像或表示造影剂流出相的第三子集的图像。w

在根据图1的示例性实施例中，其中，目标结构是冠状动脉脉管系统，还考虑了术语w

在根据图1的实施例中，根据基于图像的生理模型的要求来调节加权因子w

因此，适合度评分S可以被确定为目标结构密度量度的指示符乘以被确定为1的因子减去运动量度、交叠量度和偏离量度的加权和的乘积。因此，所述特征的影响越小，得到的评分越高。因此，高适合度评分指示诊断图像可能会造成有希望的结果的高机会。

在根据图1的实施例中，计算单元400确定适合度评分S以导出一组候选图像，并将这些候选图像连同它们相应的适合度评分一起提供给显示单元500。显示单元500生成接收到的候选图像中的每幅的图形表示，并向用户显示所述图形表示。任选地，可以在相应的候选图像旁边显示适合度评分。

用户因此可以浏览基于其对生理建模的适合度而自动预选择的一组候选图像。这允许用户仅查看这些候选图片，因为它们客观上是可用的最佳图像。

然后，用户可以经由用户界面501，选择一幅或多幅诊断图像(基于视觉检查和/或适合度评分)，并提示显示设备将(最终)选择的诊断图像提供给建模单元2。建模单元2然后使用一幅或多幅选择的图像来生成包括几何模型和流体动力学模型的生理模型。然后可以将所生成的模型再次提供给显示设备500，并且可以将其图形表示呈现给用户。

图2示意性地表示根据实施例的用于图像选择的方法的流程图。在步骤S101中，在输入单元100处接收多幅诊断图像10。在步骤S102中，输入单元100将这些诊断图像10提供给计算单元200。

在步骤S201中，在计算单元200处接收诊断图像10。在步骤S202中，计算单元200使用针对目标结构专门调谐的图像处理算法来处理诊断图像，该目标结构在本文提出的示例性实施例中对应于冠状动脉脉管系统。借助于所述处理，经处理的图像针对每幅诊断图像获得，其包括用于冠状动脉脉管系统的血管图。这通过将指示所述像素属于血管的概率的像素值分配给诊断图像中的每个像素来实现。在步骤S203中，计算每幅经处理的图像中的像素的像素值之和以确定目标结构密度量度。在步骤S204中，将针对每幅图像、从多幅诊断图像导出的多幅经处理的图像和多幅诊断图像的目标结构密度量度提供给分析单元300。

在步骤S301中，分析单元接收多幅经处理的图像、多幅诊断图像和目标结构密度量度。在步骤S302中，分析单元300绘制根据测量时间的目标结构密度量度，以进行进一步分析。在步骤S303中，分析单元300分析根据时间的目标结构密度量度的曲线，并且基于所述分析来识别相应的图像是否属于早期造影剂流入相，属于造影剂完全填充相还是属于造影剂流出相，如相对于图2所述的。

在步骤S304中，分析单元300还使用目标结构密度量度的曲线来确定获得每幅诊断图像的心脏相位。这允许为可能建议给用户的所有候选图像提供一致的心脏相位。

在步骤S305中，分析单元300确定运动量度M。在根据图3的示例性实施例中，这是通过将两幅相邻处理图像的血管映射相减以获得相邻血管映射的平均绝对差异来实现的。然后可以将平均绝对差异用作运动量度M，其中，较大的值指示大的冠状动脉运动，并且较小的值指示较小的冠状动脉运动。应当理解，步骤S305的输出应该包括针对已经考虑的每幅诊断图像的运动量度值。

在步骤S306中，分析单元300还通过识别出现在如在多幅经处理的图像中的每幅中所示的相应的血管图中的闭环来确定交叠量度O。根据针对每幅经处理的图像识别多少个闭环，交叠量度O被设置为指示一幅特定诊断图像中与相应的经处理的图像相对应的交叠量。应当理解，步骤S306的输出通常包括针对已经考虑的每幅诊断图像的交叠量度值。

在步骤S307中，分析单元300将多幅诊断图像、它们的目标结构密度量度以及它们的所确定的运动和交叠量度以及任选地经处理的图像提供给选择单元400。

在步骤S401中，选择单元400接收多幅诊断图像、它们的相应的的目标结构密度量度、运动量度和交叠量度以及多幅经处理的图像(如果提供的话)。

在步骤S402中，选择单元400考虑需要图像的处理的要求。在图2的特定实施例中，诊断图像应该被用于生成包括几何模型和流体动力学模型的生理模型。基于这些要求，选择单元400为运动量度和交叠量度中的每个设置相应的加权因子。此外，选择单元针对每幅诊断图像导出偏离量度，所述偏离量度指示距心动周期中的最佳相位的距离，以及对应的加权因子，所述加权因子也取决于由建模过程对诊断图像提出的要求。

在步骤S403中，选择单元400确定如上文相对于图1在本文中所描述的适合度评分S，以便(预先)选择一组候选图像。在步骤S404中，选择单元400将这些候选图像连同它们的相应的适合度评分一起提供给显示单元500。

在步骤S501中，显示单元500接收已经被预先选择的一组候选图像及其相应的适合度评分，并且在步骤S502中，生成该组候选图像中的每幅候选图像的图形表示。在步骤S503中，显示单元500向用户显示来自该组候选图像中的每幅的图形表示，其可以任选地包括对应的适合度评分。

在步骤S504中，用户查看所呈现的一组候选图像，并选择该组候选图像中所表示的一个或多个诊断。该选择提示在步骤S601中将选择的一幅或多幅诊断图像提供给建模单元2。响应于接收到一幅或多幅选择的诊断图像，建模单元2生成包括用于血液动力学模拟的几何模型和流体动力学模型的生理模型。因此，启用了一种方法，其允许以高效且快速的方式选择诊断图像，而无需许多的用户交互。

尽管在上述实施例中，已经使用X射线血管造影采集了诊断图像，但是应当理解，同样可以使用其他成像模态，例如计算机断层摄影、超声成像、磁共振成像等。

此外，尽管在以上实施例中，该方法被应用于冠状动脉脉管系统，但是应当理解，该方法可以等同地被用于不同目标结构的图像的图像选择，特别是表示人类和/或动物身体的不同部位的目标结构的图像的图像选择。

而且，尽管在上述实施例中，选择已经基于目标结构密度量度和(加权)运动量度、交叠特征和偏离量度，但是应当理解，其他因子可以包括到选择中，例如C型臂角度，主动脉压力值，没有血管内设备(例如IVUS或导丝)，和/或帧速率。

另外，尽管在上述实施例中，选择已经通过手工算法执行，但应理解，基于机器学习的方法也可用于图像选择。

通过研究附图、公开内容和所附权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开的实施例的其他变型。

在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。

单个单元或设备可以履行权利要求中记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。

由一个单元或若干单元或设备执行的流程，如生成经处理的图像，导出多个目标量度，分析多个目标量度，选择候选图像和/或确定和分配适合度评分等，可以由任意其他数量的单元或设备执行。因此，根据本发明的这些流程可以被实施为计算机程序的程序代码模块和/或被实施为专用硬件。

计算机程序可以存储/分布在适当的介质上，例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质，但计算机程序也可以以其他形式分布，例如经由因特网或其他有线或无线电信系统分布。

权利要求中的任何附图标记都不应被解释为对范围的限制。

本发明涉及一种选择一幅或多幅诊断图像以生成流体动力学模型的方法，所述方法包括以下步骤：获得目标结构的多幅诊断图像，导出包括针对多幅诊断图像中的每幅的至少一个相应目标量度的多个目标量度，分析多个目标量度以选择一组候选图像，并为该组候选图像中的每幅候选图像分配适合度评分，该适合度评分指示相应候选图像用于生成流体动力学模型的适合度。

借助于用于图像选择的方法和装置，可以建立自动图像选择过程，以允许预先选择一组候选图像，使得用户可以更快地并且以减少的用户交互量找到最合适的诊断图像。