RU2719951C2 - Моделирование анатомической структуры методом конечных элементов - Google Patents
Моделирование анатомической структуры методом конечных элементов Download PDFInfo
- Publication number
- RU2719951C2 RU2719951C2 RU2017130359A RU2017130359A RU2719951C2 RU 2719951 C2 RU2719951 C2 RU 2719951C2 RU 2017130359 A RU2017130359 A RU 2017130359A RU 2017130359 A RU2017130359 A RU 2017130359A RU 2719951 C2 RU2719951 C2 RU 2719951C2
- Authority
- RU
- Russia
- Prior art keywords
- model
- segmentation
- anatomical structure
- finite element
- anatomical
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient; User input means
- A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
- A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Generation (AREA)
Abstract
Группа изобретений относится к медицинской технике, а именно к средствам генерирования конечно-элементной модели анатомической структуры. Система для генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания содержит входной интерфейс, выполненный с возможностью приема: i) данных модели, определяющих модель сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры, и ii) данных связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область, подсистему для сегментации, выполненную с возможностью применения модели сегментации к медицинскому изображению субъекта для того, чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области, подсистему для генерирования конечно-элементной модели, при этом генерирование включает построение сетки для части конечно-элементной модели в соответствии со свойством сетки, а часть конечно-элементной модели соответствует заданной исследуемой анатомической области. Второй вариант выполнения системы включает подсистему идентификации, выполненную с возможностью идентификации заданной исследуемой анатомической области на модели сегментации и подсистему для связывания. Рабочая станция и устройство для визуализации содержат систему для генерирования конечно-элементной модели анатомической структуры. Способы генерирования конечно-элементной модели анатомической структуры по первому и второму вариантам осуществляются посредством соответствующих систем и обеспечиваются компьютерочитаемым носителем информации со встроенным в него компьютерочитаемым кодом. Использование изобретений позволяет получить оптимальный баланс между устойчивостью и вычислительными ресурсами моделирования. 7 н. и 7 з.п. ф-лы, 6 ил.
Description
ОБЛАСТЬ ТЕХНИКИ
Настоящее изобретение относится к системе и способу генерирования конечно-элементной модели анатомической структуры. Кроме того, настоящее изобретение относится к системе и способу генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры. Кроме того, настоящее изобретение относится к данным связывания для использования при генерировании конечно-элементной модели. Кроме того, настоящее изобретение относится к рабочей станции и устройству для визуализации, содержащему соответствующую систему, а также к компьютерному программному продукту, содержащему инструкции для обуславливания выполнения соответствующего способа процессорными системами.
УРОВЕНЬ ТЕХНИКИ
Методы конечных элементов (КЭ) представляют собой численные методы аппроксимации решений математических дифференциальных уравнений, описывающих такую область, как структура. Например, дифференциальные уравнения могут описывать физическое или химическое явление в структуре. Моделирование методом КЭ, представляющее собой моделирование структуры на основании методов КЭ, может быть использовано для анализа реакции структуры на изменение, например, физического состояния в структуре. Примером является моделирование структуры методом КЭ для анализа деформаций и механических нагрузок структуры под действием механической нагрузки. Моделирование методом КЭ может быть применено в различных областях. Например, моделирование методом КЭ может представлять интерес в медицине для врача с целью анализа анатомической структуры, показанной на трехмерном (3D) изображении пациента. Такое моделирование методом КЭ может помочь врачу, например, при постановке диагноза или планировании хирургической операции.
В методах КЭ, которые используются при моделировании методом КЭ, решение сложных дифференциальных уравнений может быть упрощено за счет использования аппроксимации, включающей большое количество линейных уравнений. Это может походить на аппроксимацию окружности посредством большого количества небольших прямых линий. Рассматриваемая структура, которая может представлять собой линию, поверхность или объем, может быть разделена на множество подобластей или конечных элементов (для поверхности или объема, данное множество подобластей может называться «сеткой»), а глобальное решение по структуре может быть вычислено путем вычисления решения по каждой из этих подобластей.
При практической реализации методов КЭ приходится учитывать, что поскольку точность решения может увеличиваться с количеством конечных элементов, вычислительная мощность и, следовательно, время или затраты, необходимые для нахождения глобального решения, могут увеличиваться соответствующим образом. Прагматичным подходом может являться разбиение участков, представляющих наибольший интерес, на более мелкие подобласти, а участков, представляющих меньший интерес - на более крупные. Таким образом, области, являющиеся ключевыми по отношению к любой проблеме, и в которых математическое решение быстро меняется, могут быть вычислены с более высокой степенью разбиения, а области по периферии – с более низкой степенью разбиения.
Что касается моделирования анатомических структур на основании метода КЭ, существующие технологии для генерирования КЭ-моделей анатомических структур часто включают многократные итерации и изменения с целью генерирования оптимальной сетки в КЭ-моделях ввиду сложных характеристик анатомических структур. Здесь, сложность может обуславливатья, например, сложными геометрическими характеристиками или граничными условиями. Кроме того, зачастую пользователю может потребоваться произвести оценку требований для получения необходимой сетки в КЭ-моделях вручную, что может быть выполнено с ошибками и/или недостаточной точностью.
РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ
Было бы полезно получить улучшенные систему и способ генерирования КЭ-модели анатомической структуры с необходимой сеткой.
Для нахождения улучшенного решения этой проблемы, согласно первому аспекту настоящего изобретения предусмотрена система для генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания, содержащая:
- входной интерфейс, выполненный с возможностью приема:
i) данных модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры, и
ii) данных связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область;
- подсистему для сегментации, выполненную с возможностью применения модели сегментации к медицинскому изображению субъекта для того, чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области;
- подсистему для генерирования конечно-элементной модели, выполненную с возможностью генерирования конечно-элементной модели на основании подогнанной модели и данных связывания, при этом генерирование включает построение сетки для части конечно-элементной модели в соответствии со свойством сетки, а указанная часть конечно-элементной модели соответствует заданной исследуемой анатомической области. Примеры свойства сетки могут включать разрешающую способность сетки или тип элемента.
Согласно еще одному аспекту настоящего изобретения предусмотрена система для генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры, содержащая:
- входной интерфейс, выполненный с возможностью получения данных модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры;
- подсистему идентификации, выполненную с возможностью идентификации заданной исследуемой анатомической области на модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области;
- подсистему для связывания, выполненную с возможностью генерирования данных связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область.
Вышеуказанные меры включают прием данных модели, определяющих модель сегментации для сегментации анатомической структуры, с моделью сегментации, представляющей эталонную форму анатомической структуры. Модель сегментации может быть предварительно сгенерирована на основании средней величины формы анатомической структуры, взятой по нескольким индивидуумам с использованием, например, статистических методов анализа формы. Однако модель сегментации также может быть получена с использованием других методов и из других источников, например, данных медицинского атласа. Примером модели сегментации является модель на основании поверхности, такая как сеточная модель. Другим примером является объемная модель пациента, как та, которая используется в сегментации на основании атласа.
Кроме того, вышеуказанные меры включают подсистему для идентификации, выполненную с возможностью идентификации заданной исследуемой анатомической области в модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области. Идентификация заданной исследуемой области может быть выполнена на основании, например, геометрических координат, анатомических характеристик или других отличительных характеристик заданной исследуемой области. Подсистема для идентификации может, например, использовать заранее сгенерированный перечень или таблицу соответствия, которая идентифицирует характеристики заданной исследуемой области. Свойство сетки может быть выбрано на основании требований к построению сетки для части конечно-элементной модели. Например, результаты предыдущих моделирований могут предоставлять информацию по требуемой разрешающей способности сетки в конкретной части.
Кроме того, предложена подсистема для связывания, выполненная с возможностью генерирования данных связывания, связывающих часть модели сегментации, которая представляет заданную исследуемую анатомическую область со свойством сетки. Например, в случае, если данные модели содержат метки, идентифицирующие различные части модели сегментации, данные связывания могут содержать или ссылаться на метку, которая соответствует части модели сегментации, которая представляет заданную исследуемую анатомическую область, тем самым связывая свойство сетки с указанной частью модели сегментации.
Подсистема для сегментации предусмотрена для применения модели сегментации к медицинскому изображению субъекта, так чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области. Например, модель сегментации может быть деформируемой моделью, а подогнанная модель может быть получена путем применения деформируемой модели к медицинскому изображению субъекта. Другой пример заключается в том, что в случае, если модель сегментации представляет собой объемную модель пациента, модель может быть трансформирована в медицинское изображение с использованием нежесткой регистрации.
Следует отметить, что при применении модели сегментации к медицинскому изображению субъекта, часть модели сегментации может быть подогнана под соответствующую исследуемую анатомическую область на медицинском изображении, например, представляющем одну и ту же или подобную анатомическую область. В результате, путем подгонки модели сегментации под медицинское изображение, может быть идентифицирована исследуемая анатомическая область на медицинском изображении. Следует также отметить, что путем связывания свойства сетки с частью модели сегментации, данные связывания могут косвенно или очевидно также связывать свойство сетки с частью подогнанной модели. Например, в случае, если данные связывания ссылаются на метку, идентифицирующую часть модели сегментации, та же метка может присутствовать на подогнанной модели. Таким образом, данные связывания могут также связывать свойство сетки с одним из модели сегментации или подогнанной модели, или как с тем, так и с другим.
Следует отметить, что медицинское изображение может представлять собой, например, объемное изображение, или оно может быть составлено из стопы срезов изображения, и может быть получено посредством различных технологий визуализации, таких как компьютерная томография (КТ) и магнитно-резонансная томография (МРТ).
Кроме того, предложена подсистема для генерирования конечно-элементной модели на основании подогнанной модели и данных связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область. Здесь, генерирование включает построение сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области. Следует отметить, что часть конечно-элементной модели соответствует заданной исследуемой анатомической области так, что она может представлять одну и ту же или подобную анатомическую область. Например, свойство сетки может определять желательную разрешающую способность сетки. На основании желательной разрешающей способности сетки, для части конечно-элементной модели может быть построена сетка таким образом, чтобы получить желательную разрешающую способность сетки. Подсистема для генерирования конечно-элементной модели может быть основана на известных технологиях, таких как реализованные в коммерческом программном обеспечении, таком как «Abaqus» или «ANSYS». Для генерирования сетки могут быть использованы различные известные методы, такие как методы, основанные на алгоритме Форчуна или алгоритме Руперта.
Здесь, термин «сетка» известен из области моделирования КЭ-методом и может относиться к набору узлов, соединенных линиями, которые покрывают всю поверхность или весь объем. Для поверхностной сетки составные конечные элементы также могут представлять собой поверхности, тогда как для объемной сетки, конечные элементы также могут представлять собой объемы. Термин «конечные элементы» может относиться к граничным формам, созданным путем формирования сетки.
Что касается моделирования анатомических структур КЭ-методом, существующие технологии включают определение сетки, подлежащей использованию, вручную и, следовательно, применение навыков пользователя для создания надлежащего баланса точности и вычислительных потребностей, или использование автоматизированных технологий. Технологии, включающие определение КЭ-сетки вручную, как правило, занимают много времени и зачастую требуют множественных итераций, каждая из которых имеет продолжительный вычислительный период для тестирования сетки для того, чтобы получить соответствующее решение. Кроме того, поскольку оценка требуемой степени разбиения сетки вручную для получения соответствующего решения может быть сложной, пользователь может быть склонен к использованию слишком детальной сетки для того, чтобы «перестраховаться». Несмотря на то, что это может создавать подходящее математическое решение, это может отнимать больше вычислительной мощности и, следовательно, времени или затрат, чем необходимо. Автоматизированные технологии, существующие в настоящее время, просто учитывают геометрические аспекты, такие как кривизна, которые могут быть не релевантными для поставленной задачи. Таким образом, оценки и итерации сетки, выполняемые пользователем вручную после доступных автоматизированных технологий, зачастую являются неизбежными.
На основании замысла авторов настоящего изобретения, моделирование КЭ-методом может быть основано на модели сегментации, например, для указания местоположения и базовой формы анатомической структуры на медицинском изображении. После этого, моделирование КЭ-методом может использовать модель сегментации в качестве начальной точки, например, в качестве базовой КЭ-сетки, для придания подходящей формы ранее существовавшей КЭ-сетке, и т.д. Желательное свойство сетки часто относится к конкретной анатомической области таким образом, что свойство сетки может быть выбрано для отражения, например, некоторого типа материала анатомической области. Путем связывания свойства сетки с соответствующей частью модели сегментации, моделирование КЭ-методом может генерировать КЭ-модель с частью конечно-элементной модели, которая соответствует заданной исследуемой анатомической области с конкретным свойством сетки, непосредственно из модели сегментации и связанного с ней свойства сетки. Таким образом, пользователю не требуется конкретно указывать желательное свойство сетки в ходе моделирования КЭ-методом, поскольку оно уже связано с моделью сегментации в модели сегментации. По сравнению с автоматическим генерированием сетки на основании простых геометрических свойств КЭ-модели, система(ы) обеспечивает(ют) анатомические конкретные знания для использования при моделировании КЭ-методом. Преимущественно, аспекты настоящего изобретения могут приводить в результате к эффективному генерированию КЭ-модели с меньшим количеством итераций и изменений в модели или в сетке для генерирования оптимального построения сетки КЭ-модели. Кроме того, могут быть минимизированы ошибки, допускаемые пользователем при изменении/корректировке сетки/модели. В дополнение, может быть предотвращена склонность пользователя к использованию слишком детальной сетки для «перестраховки».
В частном случае реализации свойство сетки выбрано на основании по меньшей мере одного из следующего:
(i) тип материала заданной исследуемой анатомической области, (ii) медицинское и/или биологическое состояние заданной исследуемой анатомической области, (iii) механическое граничное условие в заданной исследуемой анатомической области, (iv) анатомическая форма заданной исследуемой анатомической области. Например, при моделировании полости, на стенке для случая вычислительного гидродинамического моделирования (ВГД) может быть использована более высокая разрешающая способность. В другом примере, при моделировании взаимодействия текучих-твердых веществ (ВФТ), использованные, например, для моделирования тока крови в полости, твердая часть и текучая часть могут иметь общие вершины и топологию сетки на границе твердых-жидких веществ. Такой выбор свойства сетки, основанный на различных условиях моделирования, может, в качестве преимущества, обеспечить возможность учета различных первоначальных знаний/информации при генерировании конечно-элементной модели.
В частном случае реализации свойство сетки является одним из следующего: (i) разрешающая способность сетки и (ii) тип элемента. Разрешающая способность сетки представляет особую значимость при моделировании КЭ-методом, но также важен и тип элемента. Примеры типа элемента включают линейные и квадратные четырехгранные, шестигранные или плоские элементы. Преимущественно, это может обеспечить возможность получения оптимального баланса между устойчивостью и вычислительными ресурсами моделирования. Например, квадратные шестигранные элементы могут быть очень устойчивыми, но затратными для вычислений и, следовательно, эти типы элемента могут быть выбраны в конкретных областях в КЭ-модели на основании анатомических конкретных знаний.
В частном случае реализации модель сегментации представляет собой сеточную модель с получением, таким образом, сеточной модели в качестве подогнанной модели, а подсистема для генерирования конечно-элементной модели выполнена с возможностью генерирования конечно-элементной модели путем дополнительного построения сетки для подогнанной сеточной модели на основании данных связывания. Таким образом, подогнанная модель может быть использована в качестве базовой сетки для последующего моделирования КЭ-методом. Методы модификации сетки, такие как перестановка узла вздутия сетки или деформация сетки, могут быть использованы для получения желательного свойства сетки в части конечно-элементной модели.
В частном случае реализации модель сегментации представляет собой модель формы. Таким образом, модель формы может быть использована в качестве базовой геометрической модели для последующего моделирования КЭ-методом. Модель формы может быть получена с использованием статистического метода моделирования формы, являющегося надежным инструментом для сегментации анатомических структур.
В частном случае реализации данные связывания сгенерированы в виде метаданных для данных модели, или кодированы в данных модели. Путем кодирования данных связывания в данных модели, данные связывания явным образом связаны с данными модели. Таким образом, любая передача, сохранение и т.д. данных модели также в результате приводит к передаче, сохранению и т.д. данных связывания.
В частном случае реализации (i) данные модели содержат метки, идентифицирующие различные анатомические области модели сегментации, и (ii) сгенерированные данные связывания содержат или ссылаются на метку, соответствующую заданной исследуемой анатомической области. Анатомические области часто помечены в данных модели. Такое присваивание меток может быть использовано при идентификации и построении сетки исследуемой анатомической области на основании соответствующей метки.
В частном случае реализации модель сегментации представляет собой модель сердца. Это может обеспечить возможность моделирования сердца КЭ-методом, представляющего собой пример сложной анатомической структуры. В данном случае, исследуемой областью может быть, например, левый желудочек, правый желудочек, левое предсердие или правое предсердие. Анализ сердца с использованием предложенных способов и систем может помочь врачу, например, при стратегии диагностирования заболевания сердечно-сосудистой системы или стратегии хирургического вмешательства для лечения сердца.
Согласно еще одному аспекту настоящего изобретения предусмотрена рабочая станция или устройство для визуализации, содержащее одну или обе из описанных выше систем.
Согласно еще одному аспекту настоящего изобретения предусмотрены данные связывания для использования при генерировании конечно-элементной модели анатомической структуры, при этом данные связывания связывают часть модели сегментации со свойством сетки, при этом указанная часть модели сегментации представляет заданную исследуемую анатомическую область, причем модель сегментации представляет эталонную форму анатомической структуры, а свойство сетки является желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области.
В частном случае реализации данные модели определяют модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры, а данные модели содержат данные связывания. Таким образом, данные связывания могут быть кодированы в данных модели, например, в заголовке или в виде одного или более свойств, присвоенных заданной исследуемой области.
Согласно еще одному аспекту настоящего изобретения предусмотрен способ генерирования конечно-элементной модели на основании подогнанной модели анатомической структуры и данных связывания, включающий:
- прием:
i) данных модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры, и
ii) данных связывания, связывающих часть модели сегментации со свойством сетки, при этом указанная часть модели сегментации представляет заданную исследуемую анатомическую область;
- применение модели сегментации к медицинскому изображению субъекта для того, чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области;
- генерирование конечно-элементной модели на основании подогнанной модели и данных связывания, при этом генерирование включает построение сетки для части конечно-элементной модели в соответствии со свойством сетки, а указаннаячасть конечно-элементной модели соответствует заданной исследуемой анатомической области.
Согласно еще одному аспекту настоящего изобретения предусмотрен способ генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры, включающий:
- получение данных модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры;
- идентификацию заданной исследуемой анатомической области в модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области;
- генерирование данных связывания, связывающих часть модели сегментации со свойством сетки, при этом указанная часть модели сегментации представляет заданную исследуемую анатомическую область.
Согласно еще одному аспекту настоящего изобретения предусмотрен компьютерный программный продукт, содержащий инструкции для обуславливания выполнения одного или обоих описанных выше способов процессорной системой.
Специалисту в данной области техники поймет, что два или более из вышеуказанных вариантов реализации, вариантов осуществления и/или аспектов настоящего изобретения могут быть скомбинированы любым образом, считающимся полезным.
Модификации и изменения устройства визуализации, рабочей станции, способа и/или компьютерного программного продукта, которые соответствуют описанным модификациям и вариациям системы, могут быть осуществлены специалистом в данной области техники на основании настоящего описания.
Настоящее изобретение определено в независимых пунктах формулы изобретения. Предпочтительные варианты реализации определены в зависимых пунктах формулы изобретения.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Эти и другие аспекты настоящего изобретения станут очевидны и будут объяснены со ссылкой на вариант(ы) реализации, описанный(е) в представленном ниже описании. На чертежах:
на фиг. 1 изображена первая система для генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры, и вторая система для генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания;
на фиг. 2 изображен первый способ генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры, и второй способ генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания;
на фиг. 3 схематически изображено генерирование конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания;
на фиг. 4a-f изображен пример построения сетки для исследуемой анатомической области на двухмерной (2D) анатомической структуре;
на фиг. 5 изображены данные модели схематического представления и кодированные данные связывания для использования при генерировании конечно-элементной модели анатомической структуры; и
на фиг. 6 изображено схематическое представление компьютерного программного продукта, содержащего инструкции для обуславливания выполнения процессорной системой способа генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания и/или способа генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
На фиг. 1 изображена первая система 100 для генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры. Кроме того, на фиг. 1 изображена вторая система 150 для генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания.
Первая система 100 может содержать входной интерфейс 110, выполненный с возможностью получения данных 012 модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры. Данные модели могут быть получены, например, из базы 010 данных.
Кроме того, первая система 100 может содержать подсистему 120 для идентификации, выполненную с возможностью идентификации заданной исследуемой анатомической области на модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области. С этой целью, подсистема 120 для идентификации может получать данные 012 модели из входного интерфейса и выходные данные 014 идентификации, идентифицирующие заданную исследуемую анатомическую область на модели сегментации.
Кроме того, первая система 100 может содержать подсистему 130 для связывания, выполненную с возможностью генерирования данных 016 связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область. С этой целью, подсистема 130 связывания может использовать данные 014 идентификации.
Вторая система 150 может содержать входной интерфейс 160, выполненный с возможностью приема данных 012 модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры, и данных 016 связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область. Данные 012 модели и данные 016 связывания могут быть приняты из той же базы данных или, как изображено на фиг. 1, из разных баз 010, 015 данных. В зависимости от формы базы(баз) данных 010, 015, входной интерфейс 160 может принимать любую подходящую форму, такую как внешняя память или интерфейс хранения, сетевой интерфейс к локальной сети или глобальной вычислительной сети, и т.д. В частности, база(ы) 010, 015 данных могут представлять собой часть больничной информационной системы (БИС), а входной интерфейс 160 может представлять собой интерфейс сопряжения с БИС. Следует отметить, что база(ы) 010, 015 данных также могут представлять собой внутреннюю(ие) базу(ы) данных. Следовательно, доступ к данным 012 модели и/или данным 016 связывания может быть получен изнутри.
Кроме того, вторая система 150 может содержать подсистему 170 идентификации, выполненную с возможностью применения модели сегментации к медицинскому изображению субъекта для того, чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области. Модель сегментации может быть предварительно сгенерирована на основании средней величины формы анатомической структуры по нескольким индивидуумам. Модель сегментации может быть предварительно получена с использованием других способов и из других источников, таких как данные медицинского атласа. Как изображено на фиг. 1, подсистема 170 сегментации может выводить подогнанную модель, например, в форме данных 024 подогнанной модели.
Кроме того, вторая система 150 может содержать подсистему 180 для генерирования конечно-элементной модели, выполненную с возможностью генерирования конечно-элементной модели на основании подогнанной модели и данных 016 связывания. С этой целью, подсистема 180 генерирования конечно-элементной модели может принимать данные 024 подогнанной модели от подсистемы 170 для сегментации. При генерировании конечно-элементной модели, подсистема 180 для генерирования конечно-элементной модели после этого может построить сетку для части конечно-элементной модели в соответствии со свойством сетки, при этом часть конечно-элементной модели соответствует заданной исследуемой анатомической области.
Следует отметить, что примеры свойства сетки могут включать разрешающую способность сетки или тип элемента. Примеры типа элемента включают линейные и квадратные четырехгранные, шестигранные или плоские элементы.
Модель сегментации может быть предварительно сгенерирована на основании средней величины формы анатомической структуры по нескольким индивидуумам с использованием, например, статистических методов анализа формы. Однако модель сегментации также может быть получена с использованием других способов и из других источников, например, данных медицинского атласа.
Идентификация заданной исследуемой области может быть выполнена на основании, например, геометрических координат, анатомических характеристик или других отличительных характеристик заданной исследуемой области в модели сегментации. Подсистема для идентификации может, например, использовать заранее сгенерированный перечень или таблицу соответствия, которая идентифицирует характеристики заданной исследуемой области в модели сегментации. Свойство сетки может быть выбрано на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области. Например, результаты предыдущих моделирований могут предоставлять информацию по требуемой разрешающей способности сетки в конкретной области.
На фиг. 2 изображен первый способ 200 генерирования данных 016 связывания для использования при генерировании конечно-элементной модели анатомической структуры. Кроме того, на фиг. 2 изображен второй способ 250 генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных 016 связывания.
Первый способ 200 может включать получение 210 данных 012 модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры.
Кроме того, первый способ 200 может включать идентификацию 220 заданной исследуемой анатомической области в модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области.
Кроме того, первый способ 200 может включать генерирование 230 данных 016 связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область.
Второй способ 250 может включать прием 260А данных 012 модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры. Кроме того, второй способ 250 может включать прием 260В данных 016 связывания, связывающих часть модели сегментации со свойством сетки, при этом часть модели сегментации представляет заданную исследуемую анатомическую область.
Кроме того, второй способ 250 может включать применение 270 модели сегментации к медицинскому изображению субъекта для того, чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области.
Кроме того, второй способ 250 может включать генерирование 280 конечно-элементной модели на основании подогнанной модели и данных 016 связывания, при этом указанное генерирование 280 включает построение сетки для части конечно-элементной модели в соответствии со свойством сетки, при этом часть конечно-элементной модели соответствует заданной исследуемой анатомической области.
На фиг. 3 схематически изображен пример первого способа по фиг. 2 для генерирования данных связывания, а также пример второго способа по фиг. 2 для генерирования конечно-элементной модели 350 анатомической структуры 330. В данном примере сначала могут быть получены данные модели, определяющие модель 310 сегментации для сегментации анатомической структуры 330. В примере по фиг. 3, модель 310 сегментации схематически отображена в виде куба, а часть 315 модели 310 сегментации, представляющая заданную исследуемую анатомическую область, схематически отображена в виде дугообразной области. Следует понимать, что на практике, заданная исследуемая анатомическая область может представлять собой любую анатомическую область с исследуемой характеристикой, представляющей собой, например, тип материала, медицинское и/или биологическое состояние, механическую границу или анатомическую форму. Подобным образом, модель 310 сегментации может представлять собой модель любой анатомической структуры различных уровней анатомической сложности, например, модель сердца или модель, представляющая ортопедические особенности, такая как бедро. После этого может быть идентифицирована заданная исследуемая анатомическая области в модели сегментации. Могут быть сгенерированы данные связывания, связывающие часть 315 модели 310 сегментации со свойством сетки, например разрешающей способностью сетки, при этом часть 315 модели сегментации представляет заданную исследуемую анатомическую область. Например, если модель сегментации представляет собой помеченную модель так, что данные модели содержат метки для различных анатомических областей, могут быть сгенерированы данные связывания, содержащие метку части 315 модели сегментации, например метку «А», или ссылающиеся на нее.
Модель 310 сегментации может быть применена к медицинскому изображению 320 субъекта для того, чтобы подогнать модель 310 сегментации под анатомическую структуру 330, имеющуюся на медицинском изображении 320, с получением, таким образом, подогнанной модели 340, обеспечивающей сегментацию анатомической структуры 330, при этом подогнанная модель 340 содержит часть 345 подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области. Как можно увидеть на фиг. 3, подогнанная модель лучше соответствует анатомической структуре.
Следует отметить, что в целом, при применении модели 310 сегментации к медицинскому изображению 320 субъекта для того, чтобы подогнать модель 310 сегментации под анатомическую структуру 330, имеющуюся на медицинском изображении 320, часть 315 модели 310 сегментации может быть подогнана под заданную исследуемую анатомическую область 335 на медицинском изображении 320 для того, чтобы получить подогнанную модель 340, содержащую часть 345 подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области.
Кроме того, следует отметить, что в целом, при применении модели 310 сегментации к медицинскому изображению 320 субъекта для того, чтобы подогнать модель 310 сегментации под анатомическую структуру 330 на медицинском изображении 320, данные связывания могут связывать часть 345 подогнанной модели со свойством сетки. В результате, данные связывания могут связывать как часть 315 модели 310 сегментации, так и часть 345 подогнанной модели 340, со свойством сетки.
Конечно-элементная модель 350 может быть сгенерирована на основании подогнанной модели 340 и данных связывания. Генерирование конечно-элементной модели 350 может включать построение сетки для части конечно-элементной модели в соответствии со свойством сетки, при этом часть конечно-элементной модели соответствует заданной исследуемой анатомической области.
Следует отметить, что для достижения желательной разрешающей способности сетки, связанной с областью, в пределах области могут быть применены, например, способы уменьшения размера изображения до тех пор, пока не будет получена желательная сетка. В случае четырехгранной сетки, например, это может быть выполнено путем взятия всех четырех вершин четырехгранника, а также путем объединения их на барицентре, например, геометрическом центре четырехгранника, как описано в работе «Chopra, P.; Meyer, J., TetFusion: an algorithm for rapid tetrahedral mesh simplification," Visualization, 2002. VIS 2002. IEEE , vol., no., pp.133,140, 1-1 Nov. 2002 doi: 10.1109/VISUAL.2002.1183767».
Кроме того, следует отметить, что для кодирования информации, представляющей свойство сетки в сеточной модели, например, разрешающую способность сетки, может быть использован способ распространения информации, например, информация может быть кодирована в треугольниках сетки сегментации, и кодированная информация может быть распространена в ограниченный объем, например, путем определения весового среднего коэффициента расстояния с созданием в результате карты разрешающей способности объемной сетки. Уменьшение размера может выполняться до тех пор, пока не будет достигнута локальная желательная разрешающая способности сетки. Таким образом, можно избежать внезапных изменений различий разрешающей способности объемной сетки, которые могут быть результатом уменьшения размера отдельных соединенных областей. В некоторых случаях может быть полезным преобразование поверхностей, являющихся результатом сегментации на объемные слои. Информация о желательной толщине слоя может быть закодирована в соответствующие поверхности. После сегментации могут быть использованы технологии растяжения или распространения фронта для построения слоя с желательной толщиной на помеченном изображении.
На фиг. 4a-f изображен пример построения сетки для части 430 конечно-элементной модели, соответствующей заданной исследуемой анатомической области на анатомической структуре 410, на основании конкретного свойства сетки, указывающего на высокую разрешающую способность части 430 конечно-элементной модели на анатомической структуре 410. С целью обеспечения простоты описания, изображена двухмерная (2D) структура, представляющая анатомическую структуру 410. Как изображено на фиг. 4а, может быть создана регулярная матрица 405 узловых точек, а анатомическая структура 410 может быть наложена на регулярную матрицу. Степень разбиения правильного ряда 405 может быть определена из предварительных установок или ввода пользователя. Внешняя граница 415 анатомической структуры 410 может быть модифицирована для сопоставления точек на регулярной матрице 405, как изображено на фиг. 4b. После этого, могут быть созданы горизонтальные и вертикальные линии между точками на регулярной матрице 405, так что в пределах анатомической структуры 410 может быть сформирована внутренняя сетка, как изображено на фиг. 4с. Как показано на фиг. 4d, может быть идентифицирована часть 430 конечно-элементной модели в пределах анатомической структуры 410. На регулярной матрице 405 может быть идентифицирован набор 435 координат, также называемый граничными точками, так что набор 435 координат полностью ограничивает часть 430 конечно-элементной модели и формирует граничную область 440, как изображено на фиг. 4е. Пространство между анатомической структурой 410 и граничными точками может быть определено предварительными установками, пользователем или информацией из базы данных. В данном примере может быть создан набор узловых точек сетки в пределах граничной области 440 для формирования подсетки, так что (i) точки подсетки могут представлять собой равные разделения внутренней сетки 420, (ii) степень разбиения подсетки соответствует конкретной указанной сетке. Подматрица может быть сформирована посредством соединенных вертикальных и горизонтальных точек подсетки, как изображено на фиг. 4f. В результате, используя подсетку, в части 430 конечно-элементной модели в анатомической структуре 410 может быть сгенерирована сетка с желательной разрешающей способностью.
На фиг. 5 изображено схематическое представление данных 510 модели и данных 520 связывания для использования при генерировании конечно-элементной модели анатомической структуры. В примере по фиг. 5, данные 520 связывания изображены в виде части данных 510 модели. Например, данные связывания могут быть закодированы в данных модели, например, в заголовке или в качестве одного или более свойств, присвоенных заданной исследуемой области. Следует понимать, что данные 520 связывания также могут быть сгенерированы отдельно от данных 510 модели, например, в виде метаданных, которые могут быть связаны с данными 510 модели.
Способы 150 и 200 по фиг. 2 могут быть реализованы на компьютере в виде реализованного на компьютере способа, в виде специального аппаратного средства, или в виде их комбинации. Как изображено на фиг. 6, инструкции для компьютера, т.е. исполнимый код, могут храниться в компьютерном программном продукте 610, например, в виде ряда 620 машиночитаемых физических знаков и/или в виде ряда элементов, обладающих различными электрическими, например, магнитными, или оптическими свойствами или величинами. Исполнимый код может храниться кратковременно или некратковременно. Примеры компьютерных программных продуктов включают запоминающие устройства, оптические запоминающие устройства 610, интегральные схемы, серверы, программное обеспечение, работающее в режиме онлайн, и т.д. На фиг. 6 изображен оптический диск.
Следует отметить, что артефакты на медицинском изображении анатомической структуры могут быть использованы для идентификации исследуемой области на анатомической структуре. Здесь, термин «артефакты» может относиться к медицинским артефактам, например, патологиям. С этой целью могут быть использованы анатомические интеллектуальные алгоритмы, которые могут применять одну или более технологий анализа изображений для идентификации, например, поверхности анатомической структуры, артефактов, или исследуемых признаков в пределах анатомической структуры. Например, анатомический интеллектуальный алгоритм может быть использован в подсистеме идентификации, содержащейся в предложенном устройстве, для идентификации исследуемой анатомической области на медицинском изображении на основании идентификации области с конкретной интенсивностью изображения, указывая, например, на ненормальное свойство материала области, а следовательно – на патологию.
Следует понимать, что настоящее изобретение также применимо к компьютерным программам, в частности, к компьютерным программам на или в носителе, которые могут реализовать настоящее изобретение на практике. Программа может быть в форме исходного кода, объектного кода, промежуточного источника кода и объектного кода, такого как в частично компилированной форме, или любой другой форме, подходящей для использования при реализации способа в соответствии с настоящим изобретением. Кроме того, следует понимать, что такая программа может обладать большим количеством различных архитектурных исполнений. Например, программный код, реализующий функционал способа или системы в соответствии с настоящим изобретением, может быть подразделен на одну или более подпрограмм. Специалисту в данной области техники будут понятны многие различные способы распространения функционала по этим подпрограммам. Подпрограммы могут храниться вместе в одном исполнимом файле для формирования независимой программы. Такой исполнимый файл может содержать выполняемые на компьютере инструкции, например, инструкции процессора и/или инструкции интерпретатора (например, инструкции интерпретатора языка Java). В качестве альтернативы, одна или более или все эти подпрограммы могут храниться по меньшей мере в одном внешнем файле библиотеки и связаны с основной программой или статическим или динамическим образом, например, во время запуска. Основная программа содержит по меньшей мере один вызов по меньшей мере одной из подпрограмм. Кроме того, подпрограммы могут содержать вызовы функций друг друга. Вариант реализации, относящийся к компьютерному программному продукту, содержит выполняемые на компьютере инструкции, соответствующие каждой стадии обработки, содержащейся по меньшей мере в одном из способов, изложенных в настоящем документе. Эти инструкции могут быть подразделены на подпрограммы и/или они могут храниться в одном или более файлов, которые могут быть связаны статическим или динамическим образом. Другой вариант реализации, относящийся к компьютерному программному продукту, содержит выполняемые на компьютере инструкции, соответствующие каждому средству, содержащемуся по меньшей мере в одной из подсистем и/или продуктов, изложенных в настоящем документе. Эти инструкции могут быть подразделены на подпрограммы и/или они могут храниться в одном или более файлов, которые могут быть связаны статическим или динамическим образом.
Носитель компьютерной программы может представлять собой любую сущность или устройство, выполненное с возможностью хранения программы. Например, носитель может включать хранилище данных, такое как постоянное запоминающее устройство (ПЗУ), например ПЗУ на компакт-диске или полупроводниковое ПЗУ, или магнитный носитель для записи информации, например жесткий диск. Кроме того, носитель может представлять собой передаваемый носитель, такой как электрический или оптический сигнал, который может быть передан по электрическому или оптическому кабелю, или по радиосвязи, или иным образом. Когда программа реализована в таком сигнале, носитель может быть представлен таким кабелем или другим устройством или средством. В качестве альтернативы, носитель может представлять собой интегральную схему, в которую встроена программа, при этом интегральная схема выполнена с возможностью выполнения релевантного способа, или она используется при его выполнении.
Следует отметить, что вышеуказанные варианты реализации служат в качестве иллюстрации, а не ограничения настоящего изобретения, и специалист в данной области техники сможет разработать широкий ряд альтернативных вариантов реализации без выхода за рамки объема прилагаемой формулы изобретения. В пунктах формулы изобретения, любые ссылочные обозначения, заключенные в скобки, не должны рассматриваться в качестве ограничения пункта формулы изобретения. Использование глагола «содержит» и его производных не исключает наличия элементов или стадий, отличающихся от тех, что указаны в пункте формулы изобретения. Грамматический показатель единственного числа для элемента не исключает наличия множества таких элементов. Настоящее изобретение может быть реализовано посредством аппаратного средства, содержащего несколько различных элементов, и посредством подходящим образом запрограммированного компьютера. В пункте формулы изобретения на устройство, в котором перечислено несколько средств, несколько из этих средств могут быть реализованы одним и тем же элементом аппаратного средства. Сам по себе тот факт, что некоторые меры перечислены во взаимно отличающихся зависимых пунктах формулы изобретения не означает, что комбинация этих мер не может быть с успехом использована.
Claims (40)
1. Система (150) для генерирования конечно-элементной модели (350) анатомической структуры (330) на основании подогнанной модели (340) анатомической структуры (330) и данных связывания, содержащая:
- входной интерфейс (160), выполненный с возможностью приема:
i) данных (012) модели, определяющих модель (310) сегментации для сегментации анатомической структуры (330), при этом модель (310) сегментации представляет эталонную форму анатомической структуры (330), и
ii) данных (016) связывания, связывающих часть (315) модели (310) сегментации со свойством сетки, при этом часть (315) модели сегментации представляет заданную исследуемую анатомическую область;
- подсистему (170) для сегментации, выполненную с возможностью применения модели (310) сегментации к медицинскому изображению (320) субъекта для того, чтобы подогнать модель (310) сегментации под анатомическую структуру (330), имеющуюся на медицинском изображении (320), с получением, таким образом, подогнанной модели (340), обеспечивающей сегментацию анатомической структуры (330), при этом подогнанная модель (340) содержит часть (345) подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области;
- подсистему (180) для генерирования конечно-элементной модели, выполненную с возможностью генерирования конечно-элементной модели (350) на основании подогнанной модели (340) и данных (016) связывания, при этом генерирование включает построение сетки для части конечно-элементной модели в соответствии со свойством сетки, а указанная часть конечно-элементной модели соответствует заданной исследуемой анатомической области.
2. Система (100) для генерирования данных (016) связывания для использования при генерировании конечно-элементной модели анатомической структуры (330), содержащая:
- входной интерфейс (110), выполненный с возможностью получения данных (012) модели, определяющих модель (310) сегментации для сегментации анатомической структуры (330), при этом модель (310) сегментации представляет эталонную форму анатомической структуры (330);
- подсистему (120) идентификации, выполненную с возможностью идентификации заданной исследуемой анатомической области на модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области;
- подсистему (130) для связывания, выполненную с возможностью генерирования данных (016) связывания, связывающих часть модели (310) сегментации со свойством сетки, при этом часть (315) модели сегментации представляет заданную исследуемую анатомическую область.
3. Система (100, 150) по п. 1 или 2, в которой свойство сетки выбрано на основании по меньшей мере одного из следующего:
(i) тип материала заданной исследуемой анатомической области;
(ii) медицинское и/или биологическое состояние заданной исследуемой анатомической области;
(iii) механическое граничное условие в заданной исследуемой анатомической области;
(iv) анатомическая форма заданной исследуемой анатомической области.
4. Система (100, 150) по любому из пп. 1-3, в которой свойство сетки является одним из следующего:
(i) разрешающая способность сетки;
(ii) тип элемента.
5. Система (100) по любому из пп. 1-4 при зависимости от п. 1, в которой
- модель (310) сегментации представляет собой сеточную модель с получением, таким образом, сеточной модели в качестве подогнанной модели (340), а
- подсистема (180) для генерирования конечно-элементной модели выполнена с возможностью генерирования конечно-элементной модели (350) путем дополнительного построения сетки для подогнанной сеточной модели на основании данных (016) связывания.
6. Система (100) по любому из пп. 1-4 при зависимости от п. 1, в которой модель (310) сегментации представляет собой модель формы.
7. Система (100, 150) по любому из пп. 1-6, в которой данные (016) связывания сгенерированы в качестве метаданных для данных (012) модели или закодированы в данных модели.
8. Система (100, 150) по любому из пп. 1-7, в которой:
(i) данные (012) модели содержат метки, идентифицирующие различные анатомические области модели (310) сегментации, а
(ii) данные (016) связывания сгенерированы так, что содержат или ссылаются на метку, соответствующую заданной исследуемой анатомической области.
9. Система (100, 150) по любому из предыдущих пунктов, в которой модель (310) сегментации представляет собой модель сердца.
10. Рабочая станция, содержащая систему (100, 150) по любому из предыдущих пунктов.
11. Устройство для визуализации, содержащее систему (100, 150) по любому из пп.1-9.
12. Способ (250) генерирования конечно-элементной модели анатомической структуры на основании подогнанной модели анатомической структуры и данных связывания, включающий
- прием (260A, 260B):
i) данных модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры, и
ii) данных связывания, связывающих часть модели сегментации со свойством сетки, при этом указанная часть модели сегментации представляет заданную исследуемую анатомическую область;
- применение (270) модели сегментации к медицинскому изображению субъекта для того, чтобы подогнать модель сегментации под анатомическую структуру, имеющуюся на медицинском изображении, с получением, таким образом, подогнанной модели, обеспечивающей сегментацию анатомической структуры, при этом подогнанная модель содержит часть подогнанной модели, обеспечивающую сегментацию заданной исследуемой анатомической области;
- генерирование (280) конечно-элементной модели на основании подогнанной модели и данных связывания, при этом генерирование включает построение сетки для части конечно-элементной модели в соответствии со свойством сетки, а указанная часть конечно-элементной сетки соответствует заданной исследуемой анатомической области.
13. Способ (200) генерирования данных связывания для использования при генерировании конечно-элементной модели анатомической структуры, включающий:
- получение (210) данных модели, определяющих модель сегментации для сегментации анатомической структуры, при этом модель сегментации представляет эталонную форму анатомической структуры;
- идентификацию (220) заданной исследуемой анатомической области на модели сегментации, при этом заданная исследуемая анатомическая область задана на основании свойства сетки, являющегося желательным при построении сетки для части конечно-элементной модели, которая соответствует заданной исследуемой анатомической области;
- генерирование (230) данных связывания, связывающих часть модели сегментации со свойством сетки, при этом указанная часть модели сегментации представляет заданную исследуемую анатомическую область.
14. Компьютерочитаемый носитель информации со встроенным в него компьютерочитаемым кодом, при этом компьютерочитаемый код выполнен с возможностью обуславливания выполнения любого из способов по п. 12 или 13 компьютером или процессором при выполнении кода подходящим компьютером или процессором.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP15152780 | 2015-01-28 | ||
| EP15152780.1 | 2015-01-28 | ||
| PCT/EP2016/051490 WO2016120225A1 (en) | 2015-01-28 | 2016-01-26 | Finite element modeling of anatomical structure |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2017130359A RU2017130359A (ru) | 2019-02-28 |
| RU2017130359A3 RU2017130359A3 (ru) | 2019-07-26 |
| RU2719951C2 true RU2719951C2 (ru) | 2020-04-23 |
Family
ID=52472178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017130359A RU2719951C2 (ru) | 2015-01-28 | 2016-01-26 | Моделирование анатомической структуры методом конечных элементов |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US10762701B2 (ru) |
| EP (1) | EP3251096B1 (ru) |
| JP (1) | JP6762305B2 (ru) |
| CN (1) | CN107209794B (ru) |
| RU (1) | RU2719951C2 (ru) |
| WO (1) | WO2016120225A1 (ru) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10163209B2 (en) * | 2016-11-23 | 2018-12-25 | Toshiba Medical Systems Corporation | Medical image processing apparatus, medical image processing method, and X-ray CT apparatus |
| US11995854B2 (en) * | 2018-12-19 | 2024-05-28 | Nvidia Corporation | Mesh reconstruction using data-driven priors |
| CN113470004A (zh) * | 2021-07-22 | 2021-10-01 | 上海嘉奥信息科技发展有限公司 | 一种基于ct的单个椎体的分割方法、系统及介质 |
| WO2023187623A1 (en) * | 2022-03-28 | 2023-10-05 | Shenzhen Escope Tech Co., Ltd. | A pre-processing method to generate a model for fluid-structure interaction simulation based on image data |
| US12045938B2 (en) | 2022-08-16 | 2024-07-23 | Biosense Webster (Israel) Ltd. | Anatomical modeling with the ball-pivoting algorithm |
| CN116206079B (zh) * | 2023-05-06 | 2023-06-30 | 中南大学 | 基于移动四面体的地质体建模方法及相关设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060072821A1 (en) * | 2004-10-02 | 2006-04-06 | Accuray, Inc. | Direct volume rendering of 4D deformable volume images |
| US20110093243A1 (en) * | 2007-11-14 | 2011-04-21 | Tawhai Merryn H | Method for multi-scale meshing of branching biological structures |
| RU2010136336A (ru) * | 2008-01-31 | 2012-03-10 | Конинклейке Филипс Электроникс Н.В. (Nl) | Автоматическая трехмерная сегментация изображения сердца по короткой оси, полученного методом магнитно-резонансной томографии с отложенным контрастированием |
| US20150294082A1 (en) * | 2014-04-10 | 2015-10-15 | Siemens Aktiengesellschaft | System and method for patient-specific image-based guidance of cardiac arrhythmia therapies |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU4439900A (en) * | 1999-04-21 | 2001-01-22 | Auckland Uniservices Limited | Method and system of measuring characteristics of an organ |
| JP2006506164A (ja) * | 2002-11-20 | 2006-02-23 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ３次元メッシュモデルをオブジェクトの３次元表面に自動的に適応させる画像処理システム |
| US7899516B2 (en) * | 2004-06-23 | 2011-03-01 | M2S, Inc. | Method and apparatus for determining the risk of rupture of a blood vessel using the contiguous element defined area |
| EP1760658B1 (en) * | 2005-08-30 | 2009-01-07 | Agfa HealthCare NV | Method of constructing a gray value model of an anatomic entity in a digital medical image. |
| US20090115796A1 (en) | 2005-09-23 | 2009-05-07 | Koninklijke Philips Electronics, N.V. | Priori information encoding for manual adaptation of geometric models |
| WO2009049681A1 (en) * | 2007-10-19 | 2009-04-23 | Vascops | Automatic geometrical and mechanical analyzing method and system for tubular structures |
| US9767573B2 (en) * | 2010-01-22 | 2017-09-19 | Vanderbilt University | System and method for correcting data for deformations during image-guided surgical procedures |
| KR20140082663A (ko) * | 2011-08-26 | 2014-07-02 | 이비엠 가부시키가이샤 | 혈류성상 진단을 위한 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램 |
| JP5850380B2 (ja) * | 2012-07-23 | 2016-02-03 | 富士通株式会社 | 形状データ生成方法及び装置 |
| US9675301B2 (en) * | 2012-10-19 | 2017-06-13 | Heartflow, Inc. | Systems and methods for numerically evaluating vasculature |
| US20140324400A1 (en) * | 2013-04-30 | 2014-10-30 | Marquette University | Gesture-Based Visualization System for Biomedical Imaging and Scientific Datasets |
| EP3052018B1 (en) * | 2013-10-04 | 2020-04-15 | SenTec AG | An electrical impedance tomography system |
| US20170360578A1 (en) * | 2014-12-04 | 2017-12-21 | James Shin | System and method for producing clinical models and prostheses |
-
2016
- 2016-01-26 RU RU2017130359A patent/RU2719951C2/ru active
- 2016-01-26 EP EP16701619.5A patent/EP3251096B1/en active Active
- 2016-01-26 JP JP2017538622A patent/JP6762305B2/ja active Active
- 2016-01-26 CN CN201680007712.3A patent/CN107209794B/zh active Active
- 2016-01-26 WO PCT/EP2016/051490 patent/WO2016120225A1/en not_active Ceased
- 2016-01-26 US US15/546,097 patent/US10762701B2/en not_active Expired - Fee Related
-
2020
- 2020-07-22 US US16/935,731 patent/US11151785B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060072821A1 (en) * | 2004-10-02 | 2006-04-06 | Accuray, Inc. | Direct volume rendering of 4D deformable volume images |
| US20110093243A1 (en) * | 2007-11-14 | 2011-04-21 | Tawhai Merryn H | Method for multi-scale meshing of branching biological structures |
| RU2010136336A (ru) * | 2008-01-31 | 2012-03-10 | Конинклейке Филипс Электроникс Н.В. (Nl) | Автоматическая трехмерная сегментация изображения сердца по короткой оси, полученного методом магнитно-резонансной томографии с отложенным контрастированием |
| US20150294082A1 (en) * | 2014-04-10 | 2015-10-15 | Siemens Aktiengesellschaft | System and method for patient-specific image-based guidance of cardiac arrhythmia therapies |
Non-Patent Citations (1)
| Title |
|---|
| Marina Piccinelli et al. 4D Imge-based CFD simulation of a compliant blood vessel - International journal for numerical methods in biomedical engineering 27.03.2010, pp.1-26. * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20180012402A1 (en) | 2018-01-11 |
| US20200349762A1 (en) | 2020-11-05 |
| WO2016120225A1 (en) | 2016-08-04 |
| US11151785B2 (en) | 2021-10-19 |
| RU2017130359A3 (ru) | 2019-07-26 |
| US10762701B2 (en) | 2020-09-01 |
| JP6762305B2 (ja) | 2020-09-30 |
| EP3251096B1 (en) | 2024-07-10 |
| CN107209794B (zh) | 2022-02-08 |
| EP3251096A1 (en) | 2017-12-06 |
| JP2018508873A (ja) | 2018-03-29 |
| CN107209794A (zh) | 2017-09-26 |
| RU2017130359A (ru) | 2019-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2719951C2 (ru) | Моделирование анатомической структуры методом конечных элементов | |
| Niederer et al. | Creation and application of virtual patient cohorts of heart models | |
| EP3547252B1 (en) | Multi-modal image processing system and method | |
| Eder et al. | Comparison of different material models to simulate 3-D breast deformations using finite element analysis | |
| CN106887000B (zh) | 医学图像的网格化处理方法及其系统 | |
| CN113811956B (zh) | 用于使用响应表面和降阶建模来估计血液流动的系统和方法 | |
| US9984311B2 (en) | Method and system for image segmentation using a directed graph | |
| JP2022167972A (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
| Mousavi et al. | Statistical finite element method for real-time tissue mechanics analysis | |
| US11393099B2 (en) | Image segmentation and prediction of segmentation | |
| Li et al. | Biomechanical model for computing deformations for whole‐body image registration: A meshless approach | |
| US20140032180A1 (en) | Method and apparatus for computing deformation of an object | |
| CN101152104A (zh) | 半自动主动脉瘤分析用的系统和方法 | |
| EP3528263A1 (en) | Providing a trained virtual tissue atlas and a synthetic image | |
| CN119919434A (zh) | 基于深度学习的肝胆部位分割方法、装置、设备及介质 | |
| Ayari et al. | Analysis of regional deformation of the heart left ventricle | |
| Kehl et al. | Calibration of parameters for cardiovascular models with application to arterial growth | |
| EP3270308B1 (en) | Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product | |
| Drakopoulos et al. | Image-to-mesh conversion method for multi-tissue medical image computing simulations | |
| Bakic et al. | Optimization of the simulation parameters for improving realism in anthropomorphic breast phantoms | |
| Ayari et al. | Analysis of regional deformation of the heart's left ventricle using invariant SPHARM descriptors | |
| Affane et al. | The R-Vessel-X Project | |
| Veress et al. | The direct incorporation of perfusion defect information to define ischemia and infarction in a finite element model of the left ventricle | |
| Salinas et al. | Transforming body composition of computational phantoms based on form‐finding dynamics | |
| Manack | Microstructural non-linear finite-element analysis of rat myocardium with hydrogel biomaterial inclusions |