一种心室外膜配准方法(60)涉及三个阶段。第一阶段(P62)是识别心脏(10)的心室外膜的超声图像(41)之内不可见的一个或多个解剖特征。第二阶段(P61)是表示心脏(10)的心室外膜的X射线图像(31)之内可见的解剖特征。第三阶段(P63)是基于所述超声图像(41)之内不可见的解剖特征的表示和所述X射线图像(31)之内可见的解剖特征的识别配准所述心脏的心室外膜的所述超声图像(41)和所述X射线图像(31)。解剖特征的示例包括但不限于心外膜表面(11，12)和冠状窦静脉(13)的部分或全部。
生成所述心室外膜的超声图像（41），所述超声图像包括超声可见特征和所述超声图像之内不可见的至少一个解剖特征作为超声不可见特征，并且所述超声图像之内不可见的所述至少一个解剖特征在所述X射线图像之内是可见的；
从心脏数据集的库生成统计模型，以为所述超声不可见特征相对于所述超声可见特征的位置限定三维概率图；
使用所述统计模型，推断所述超声图像之内不可见的所述至少一个解剖特征的位置并得出（P61）所述超声不可见特征的表示；
（P62）识别所述X射线图像（31）之内可见的所述至少一个解剖特征；
（P63）基于所述超声图像（41）之内不可见的所述至少一个解剖特征的表示和所述X射线图像（31）之内可见的所述至少一个解剖特征的识别配准所述心脏（10）的心室外膜的所述X射线图像（31）和所述超声图像（41）。
2.根据权利要求1所述的心室外膜配准方法（60），其中，所述至少一个解剖特征包括所述心脏（10）的心外膜表面（11,12）和冠状窦静脉（13）中的至少一个。
3.根据权利要求1所述的心室外膜配准方法（60），其中，（P61）表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征还包括：（S73）在所述超声图像（41）之内映射不可见的第一解剖特征的统计模型。
4.根据权利要求1所述的心室外膜配准方法（60），其中，至少心脏数据集的所述库包括计算机断层摄影数据集和磁共振数据集中的至少一个。
5.根据权利要求1所述的心室外膜配准方法（60），其中，（P61）表示在心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征包括：（S101）将所述超声图像（41）之内可识别的至少一个基准点和至少一个心脏数据集的所述库映射到公共参考空间中。
6.根据权利要求5所述的心室外膜配准方法（60），其中，（P61）表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征还包括：（S102）计算所述公共参考空间中超声图像(41)之内不可见的第一解剖特征相对于所述至少一个基准点的平均位置。
7.根据权利要求6所述的心室外膜配准方法（60），其中，（P61）表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征还包括：（S73）在所述超声图像（41）之内识别不可见的所述第一解剖特征。
8.根据权利要求7所述的心室外膜配准方法（60），其中，（S73）所述超声图像（41）之内不可见的所述第一解剖特征的统计模型的映射还包括：（S103）配准所述超声图像（41）之内不可见的所述第一解剖特征的平均位置。
用于生成心脏（10）的心室外膜的X射线图像（31）的模块；
用于生成所述心室外膜的超声图像（41）的模块，所述超声图像包括超声可见特征和所述超声图像之内不可见的至少一个解剖特征作为超声不可见特征，并且所述超声图像之内不可见的所述至少一个解剖特征在所述X射线图像之内是可见的；
用于从心脏数据集的库生成统计模型，以为所述超声不可见特征相对于所述超声可见特征的位置限定三维概率图的模块；
用于使用所述统计模型，推断所述超声图像之内不可见的所述至少一个解剖特征的位置的模块以及用于得出所述超声不可见特征的表示的模块；
用于识别所述X射线图像（31）之内可见的至少一个解剖特征的模块；
用于基于所述超声图像（41）之内不可见的所述至少一个解剖特征的表示和所述X射线图像（31）之内可见的所述至少一个解剖特征的识别配准所述心脏（10）的心室外膜的所述X射线图像（31）和所述超声图像（41）的模块。
10.根据权利要求9所述的心室外膜配准设备，其中，所述至少一个解剖特征包括所述心脏（10）的心外膜表面（11，12）和冠状窦静脉（13）中的至少一个。
11.根据权利要求9所述的心室外膜配准设备，其中，表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征还包括：在所述超声图像（41）之内映射不可见的第一解剖特征的统计模型。
12.根据权利要求9所述的心室外膜配准设备，其中，至少心脏数据集的所述库包括计算机断层摄影数据集和磁共振数据集中的至少一个。
13.根据权利要求9所述的心室外膜配准设备，其中，表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征包括：将所述超声图像（41）之内可识别的至少一个基准点和至少一个心脏数据集的所述库映射到公共参考空间中。
14.根据权利要求13所述的心室外膜配准设备，其中，表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征还包括：计算所述公共参考空间中超声图像（41）中不可见的第一解剖特征相对于所述至少一个基准点的平均位置。
15.根据权利要求14所述的心室外膜配准设备，其中，表示心脏（10）的心室外膜的超声图像（41）之内不可见的至少一个解剖特征还包括：在所述超声图像（41）之内映射不可见的所述第一解剖特征的统计模型。
16.根据权利要求15所述的心室外膜配准设备，其中，所述超声图像（41）之内不可见的所述第一解剖特征的统计模型映射还包括：配准所述超声图像（41）之内不可见的所述第一解剖特征的平均位置。
用于基于解剖学统计模型多模态融合成像数据的系统
[0001] 申请人要求享有2007年12月18日提交的美国临时申请No.61/014,451的权益。相关申请是2007年12月18日提交的美国临时申请No.61/014,455和2008年9月24日提交的美国临时申请No.61/099637。
[0002] 本发明涉及用于基于心脏心室外膜的X射线和超声图像之内的解剖特征(例如心外膜表面和界标)整合心脏三维X射线和超声信息的方法和系统。
[0003] 进行心脏介入术的患者通常极其虚弱且处于心力衰竭之中。他们常常不能忍受大体积造影剂注射，而这对于诸如心室造影的程序而言是典型的。在这些情形中的一些情形中，需要心室造影的基于多模态图像的配准在伦理上是不能进行的。
[0004] 例如，心脏重新同步治疗依赖于左右心腔中的双心室起搏器导联的植入。为了使心脏收缩同步，在冠状静脉解剖结构之内操控左心室导联位置以在最大机械延迟的区域之内定位电极尖端。从旋转静脉图导出的三维静脉模型帮助医生识别出有希望用于导联导航的静脉分支，而基于三维超声成像的同步失调评估帮助识别用于放置电极尖端的目标位置。为了有效利用来自X射线和超声的信息，必须计算X射线和超声图像之间的配准(即，空间对准)。一种用于配准X射线和超声图像的心内膜图像技术使用从心室造影导出的LV心腔解剖结构，并结合用超声成像的同一心腔进行配准。然而，进行心脏重新同步治疗的患者通常极其虚弱且处于心力衰竭中，因此常常不能忍受诸如心室造影的流程通常需要的大体积造影剂注射。因此，对于心脏和肾脏功能不良的CRT患者而言，基于心室造影的X射线和超声图像配准是有问题的。
[0005] 本发明的方法完全避免了心室造影，并且在患者不能忍受大体积造影剂浑浊化的情况下在临床上更加可行。
[0006] 本发明的一种形式是一种心室外膜配准方法，其涉及(1)表示心脏的心室外膜的超声图像之内不可见的一个或多个解剖特征，(2)识别所述心脏的心室外膜的X射线图像之内可见的解剖特征，以及(3)基于所述超声图像之内不可见的解剖特征的表示和所述X射线图像之内可见的解剖特征的识别配准所述心室外膜的所述超声图像和所述X射线图像。解剖特征的示例包括但不限于心外膜表面和冠状窦静脉的部分或全部。
[0007] 本发明的第二种形式是一种多模态配准系统，其包括处理器和与该处理器通信的存储器，其中所述存储器存储可以由处理器执行的编程指令，以(1)表示心脏的心室外膜的超声图像之内不可见的一个或多个解剖特征，(2)识别心脏的心室外膜的X射线图像之内可见的解剖特征，以及(3)基于所述超声图像之内不可见的解剖特征的表示和所述X射线图像之内可见的解剖特征的识别配准心脏的心室外膜的超声图像和X射线图像。
[0008] 根据结合附图阅读的本发明各实施例的以下详细描述，本发明的前述形式和其他形式以及本发明的各种特征和优点将变得更加显而易见。详细描述和附图仅仅例示本发明而不是加以限制，本发明的范围由所附权利要求及其等价要件限定。
[0009] 图1示出了根据本发明的整合心外膜壳/冠状静脉模型的示例性实施例；
[0010] 图2示出了X射线和超声数据集的示例性配准；
[0011] 图3示出了用于实施根据本发明的心室外膜配准方法的根据本发明的各系统的方框图；
[0012] 图4示出了表示根据本发明的心室外膜配准方法的示例性实施例的流程图；
[0013] 图5示出了表示根据本发明的超声成像阶段的示例性实施例的流程图；
[0014] 图6示出了表示根据本发明的X射线成像阶段的示例性实施例的流程图；
[0015] 图7示出了表示根据本发明的成像配准阶段的示例性实施例的流程图；
[0016] 图8示出了表示根据本发明的统计模型生成/映射方法的示例性实施例的流程图；
[0017] 图9示出了根据本发明的示例性统计模型生成和映射；
[0018] 图10示出了根据本发明的示例性成像配准。
[0019] 本发明的前提在于如下认识：可以使用心室外膜来定位心脏的左和/或右心室，而不是使用心室造影来描绘心脏的左和/或右心室的心内膜表面。具体而言，可以对心室外膜的X射线图像进行自动、半自动或手动分割以生成表面模型，可以在该表面模型上标注由X射线图像可视化的活体解剖特征的位置。此外，对于三维超声而言，可以实现大体积成像或可以融合多个较小体积以获取整个心室外膜的形状，由此常常放大活体解剖特征，并可能在超声成像中可见。如果在超声图像中可见，解剖特征的位置可以被自动、半自动或手动标注到超声图像上。
[0020] 如上所述，本发明的X射线/超声整合策略基于共享特征的配准。例如，如图2所示，变换从超声数据识别的右心室(RV)导联尖端位置25和冠状静脉中心线位置26，以匹配从旋转X射线导出的冠状静脉模型中心线的位置。在一些情况下，在超声数据中可能不容易辨别这些特征。本发明的另一前提在于：推导和使用统计模型来为不可见的解剖特征的位置相对于所获得的超声数据中可见的其他结构限定三维概率图。具体而言，可以从心脏计算机局部解剖学数据集库导出感兴趣解剖结构的统计模型，其中每个统计模型用于推断同一特征在超声空间中的位置，然后进行配准，以将所推断的特征位置转换成X射线数据集中可见的实际特征位置。在这个过程之后，尽管没有用于在超声数据中配准的实际解剖特征，还将实现超声和X射线数据的成功融合。
[0021] 例如，参考图1，可以对心脏10的心室外膜的X射线图像进行分割以生成表面模型，可以向该表面模型上标注由X图像在心脏10的后视图中可视化的心脏10的左心室的心外膜表面11的位置、心脏10的右心室的心外膜表面12的位置和/或冠状窦静脉13的位置。此外，对于三维超声而言，可以实现大体积成像或可以融合多个较小体积以获取心脏10的整个心室外膜的形状，由此冠状窦静脉13在超声成像中不可见，但能够被本发明的统计模型化表示。这样一来，可以向超声图像上自动、半自动或手动标注心脏10的左心室的心外膜表面11的位置、心脏10的右心室的心外膜表面12的位置和/或冠状窦静脉13的位置。
[0022] 本发明的最终结果是配准超声图像和X射线图像以获得用于手术目的的心外膜表面/冠状静脉整合，例如如图1所示的整合的心外膜表面/冠状静脉整合体20。在本示例中，整合体20包括心内膜表面21以及与表面21相关的界标23和24(例如，导管尖端)，其中心内膜表面21具有与表面21间隔开的冠状窦静脉22。
[0023] 为了便于进一步理解本发明，图3示出了X射线系统30、超声系统40以及新的独特的多模态配准系统50，系统50具有处理器51和存储可由处理器51执行以实施图4所示的流程图60所表示的心室外膜配准方法的指令的存储器51。
[0024] 参考图3，X射线系统30是任何X射线系统，在结构上配置该X射线系统以生成X射线图像31用于为心脏10进行血管成像，并向系统50发送指示X射线图像31的X射线成像数据32。作为补充，超声系统40是任何超声系统，在结构上配置该超声系统以生成心脏10的全体积三维或多体积三维超声成像的三维超声图像41，并向系统50发送指示超声图像41的超声成像数据42。利用指令在结构上配置多模态配准系统50，该指令存储于存储器52中并可以由处理器51执行以处理X射线静脉造影数据32和超声数据42，以实施流程图60。
[0025] 具体而言，流程图60的超声成像阶段P61涉及处理器51执行用于表示超声图像41中缺失的一个或多个解剖特征的指令。流程图60的X射线成像阶段P62涉及处理器51执行用于识别X射线图像31中示出的一个或多个解剖特征的指令。而且，流程图60的图像配准阶段P63涉及处理器51执行用于基于解剖特征的X射线识别和超声表示来映射图像31和41的指令。同样，解剖特征的示例包括但不限于如图1和2所示的心外膜表面11和12以及冠状窦静脉13。
[0026] 在实践中，通常将超声成像阶段P61执行为手术前事件，而将X射线成像阶段P62和图像配准阶段P63执行为手术事件。尽管如此，出于本发明的目的，根据需要可以实践阶段P61-P63以执行任何可应用的心血管程序。
[0027] 图5所示的流程图70是考虑到心外膜表面11和12以及冠状窦静脉13充当解剖特征时超声成像阶段P61的示例性实施例。参考图5，流程图70的阶段S71涉及处理器51从超声数据42生成三维心外膜壳，由此，从超声图像41可能不可见一个或多个解剖特征(即，解剖特征不可探测或不能被肯定地识别)。这样一来，流程图70的任选阶段S72涉及处理器51生成不可见解剖特征的统计模型，而流程图70的任选阶段S73涉及处理器51将不可见解剖特征的统计模型映射到三维心外膜壳上。阶段S72的统计模型生成源自于具有X个任意类型(例如，计算机断层摄影和磁共振)的心脏数据集的库，其中X≥1。此外，阶段S74的统计模型映射在三维心外膜壳上推断不可见解剖特征的位置。
[0028] 在完成阶段S72和S73后，如果可应用的话，流程图70的阶段S74涉及处理器51定义可用于匹配在流程图80的阶段S83中定义的凸包段的三维心外膜壳的一个或多个段，流程图70的阶段S75涉及处理器51在三维心外膜壳上标注冠状窦静脉13的位置。同样，冠状窦静脉13的位置包括冠状窦静脉13的空间位置坐标和/或冠状窦静脉13的角取向坐标。
[0029] 图6所示的流程图80是考虑到心外膜表面11和12以及冠状窦静脉13充当解剖特征时X射线成像阶段P62的示例性实施例。参考图6，流程图80的阶段S81涉及处理器51从X射线静脉造影数据32生成三维静脉模型，流程图80的阶段S82涉及处理器51从三维静脉模型生成三维凸包以近似心脏10的整个心室外膜。考虑到在心外膜表面11和12的有限部分上三维凸包可能是精确的(例如，顶点包形状可能是不精确的)这一事实，流程图
80的阶段S83涉及处理器51定义精确反映心脏10的心室外膜的三维凸包的一个或多个段，由此可以使用这些凸包段匹配心脏10的心室外膜的超声成像，在这里将进一步解释这一点。流程图80的阶段S84涉及处理器51在三维凸包上标注冠状窦静脉13的位置。该位置包括冠状窦静脉13的空间位置坐标和/或冠状窦静脉13的角取向坐标。
[0030] 图7所示的流程图90是考虑到心外膜表面11和12以及冠状窦静脉13充当解剖特征时图像配准阶段P63的示例性实施例。参考图7，流程图90的阶段S91涉及处理器91根据需要估计一个或多个配准参数，由此在流程图90的阶段S92期间获得凸包和心外膜表面段之间的最小总距离，并由此在流程图90的阶段S93期间获得三维凸包中的冠状窦静脉13的位置和三维心外膜表面壳之间的最小总距离。在获得这种最小总距离后，流程图90的阶段S94涉及处理器51基于阶段S92和S93的最小总距离度量映射X射线图像31和超声图像41。或者，流程图90的阶段S94可以涉及处理器51基于如虚线所指示的阶段S92或阶段S93的最小总距离确定来映射X射线图像31和超声图像41。
[0031] 在另一备选实施例中，可以使用额外的内在界标(例如图2中所示的解剖学界标21)和/或外来界标(例如图2中所示的导管/电极尖端22)来标注和/或使X射线和超声图像之间的距离最小化。此外，在阶段S92和/或S93期间可以使用总距离度量或任何其他适当的拟合优度参数技术。
[0032] 结果是心室壳/冠状静脉模型整合(例如，图1和2所示的心内膜壳/冠状静脉模型整合体20)，以便执行可应用的心血管程序，例如，介入式X射线/EP领域的程序，尤其是心脏重新同步治疗。
[0033] 图8示出了流程图100，以便于进一步理解本发明的统计模型生成/映射。参考图8，流程图100的阶段S101涉及处理器51在统计模型中映射超声图像41所示的一个或多个基准点，流程图100的阶段S102涉及处理器51计算不可见解剖特征的平均位置。
[0034] 例如，图9示出了基于相对于心脏计算机断层摄影和超声中可见的四(4)个二尖瓣基准点的邻近3cm的冠状静脉中心线的描绘的统计模型生成100。从十二个(12)心脏计算机断层摄影体积的多平面重定格式切片确定四个(4)二尖瓣基准点(左下图中的112)的三维位置。还针对每个患者定义113邻近3cm的冠状静脉的中心线位置。将这些标记全部映射到公共参考空间中并计算三维冠状静脉中心线114的平均位置。中心线114表示相对于可在三维超声数据集中容易识别的二尖瓣基准的推断邻近静脉中心线位置。
[0035] 再次参考图8，在完成阶段S101和S102时，阶段S103涉及处理器51识别超声数据集42中的基准点，流程图100中的阶段S104涉及处理器51配准超声数据集42之中不可见解剖特征的计算的平均位置。
[0036] 例如，参考图9，统计模态映射101使用在心脏计算机断层摄影体积中测量的并可在超声体数据42中容易识别的同样二尖瓣基准，由此，使用二尖瓣基准来配准来自心脏回波的左心室壳和邻近冠状静脉的统计模型。同样，对来自12名患者的冠状静脉测量值求平均以构建所示的模型。静脉模型中心线(左图中的绿色虚线，右侧三维绘制中的红色曲线段)是12名患者的平均三维位置，而模型直径表示每个段位置处中心线位置的一个标准偏差。图10示出了基于将超声空间中的邻近静脉模型空间变换到X射线空间中存在的冠状静脉对应段来配准超声和X射线空间，最终结果示出了底部左侧的旋转X射线投影以及底部右侧的对应融合LV壳(来自3DUS)和静脉模型(来自旋转X射线)。
[0037] 参考图1-10，本领域的普通技术人员将认识到，本发明的各种益处包括但不限于减少或消除了外部跟踪系统，这使得临床开销低并允许/需要非常小的造影剂推注。此外，在实践中，根据正在执行的具体心脏程序以及正被用于执行心脏程序的具体设备，可以使用用于本发明的标注、分割和配准要求的各种技术。优选地，(1)从Elco Oost等人在IEEE Trans MedImaging，2006年9月的文章“Automated contour detection in X-ray leftventricular angiograms using multiview active appearance models anddynamic programming”导出三维凸包的分割，(2)从Alison Noble等人在IEEE Trans Med Imaging，2006年8月的文章“Ultrasound imagesegmentation：a survey”导出三维心外膜表面壳的分割，(3)从Audette等人在Medical Image Analysis，2000年中的文章导出X射线和超声图像的配准。
[0038] 尽管目前将这里公开的本发明的实施例视为优选的，但可以做出各种变化和修改而不脱离本发明的精神和范围。在所附权利要求中指示出了本发明的范围，意在将处于等价要件含义和范围之内的所有变化包括在其中。
