[发明专利]使用自适应判别学习和测量融合的导管跟踪的方法和系统

说明书

本申请要求2011年3月14日提交的美国临时申请No.61/452,263以及2011年7月7日提交的美国临时申请No.61/505,131的权益，所述美国临时申请的公开内容在此通过引用结合于此。

技术领域

本发明涉及医学成像，并且更特别地涉及对荧光透视(fluoroscopic)图像序列中的导管运动的自动跟踪。

背景技术

主动脉瓣疾病在全球影响了大量人口并且在发达国家是最普遍类型的瓣膜病。常常有必要植入人造主动脉瓣来替代被严重损坏的自体瓣膜。尽管开胸瓣膜手术是成熟的过程，但是微创经导管主动脉瓣植入(TAVI)是一种新兴技术，尤其是针对高危患者的新兴技术，以最小化外科手术创伤。介入式外科手术(诸如TAVI)通常是在实时荧光透视(X射线)图像的导引下来执行的。随着微创TAVI技术正在兴起，医生越来越集中于将风险最小化以及使外科手术更少地侵入，以便使创伤最小化，尤其是对于高危患者来说使创伤最小化。例如，希望减少暴露(exposure to)次数以及注射到患者血液中的潜在有毒造影剂的数量。大多数这样的造影用于突出荧光透视图像中的主动脉和冠状动脉，以便在视觉上引导医生。例如，当造影剂被注射到TAVI中时，主动脉将是可见的并且环空管道(annulus line)也可以在2D荧光透视图像中被标识出。当没有造影注射时，主动脉和环空管道将不可见。因此，希望在非造影增强的荧光透视图像中跟踪主动脉的运动，以便减少患者暴露于造影剂。

发明内容

本发明提供了一种用于在荧光透视图像序列中自动跟踪对象(诸如导管)的方法和系统。本发明的实施例利用自适应判别学习和测量融合，用以基于图像的导管跟踪。本发明的实施例可以用于在经导管主动脉瓣植入(TAVI)中跟踪猪尾导管。因为猪尾导管具有与主动脉相同的运动，所以可能通过跟踪猪尾导管来跟踪主动脉的运动。

在本发明的一个实施例中，基于在荧光透视图像序列的至少一个在前帧中的所跟踪的对象(诸如猪尾导管尖端)而在线训练自适应判别模型。在荧光透视图像序列的当前帧中至少基于在线训练的自适应判别模型跟踪对象。在当前帧中可以基于三种类型的测量模型的融合来跟踪对象，其中所述三种类型测量模型包括在线训练的自适应判别模型、离线训练的对象检测模型以及在线表象模型。

附图说明

对本领域的普通技术人员来说，本发明的这些以及其它优点通过参考下面的详细描述以及附图而将变得显而易见。

图1图示了通过跟踪猪尾导管而对主动脉瓣植入进行运动补偿的实例；

图2图示了不同荧光透视图像序列中的猪尾导管的实例；

图3图示了其中由另一装置来封闭(occlude)猪尾导管的荧光透视图像序列；

图4图示了用于检测荧光透视图像序列中的猪尾导管的自适应判别学习的实例；

图5图示了根据本发明的实施例的用于跟踪医学图像序列中的对象的方法；

图6图示了根据本发明的实施例的用于执行自适应判别学习的算法；

图7图示了示例性猪尾导管跟踪结果；以及

图8是能够实施本发明的计算机的高级框图。

具体实施方式

本发明涉及一种用于在荧光透视图像序列中自动跟踪对象(诸如导管)的方法和系统。数字图像常常包括一个或多个对象(或形状)的数字表示。在此常常在标识和操纵对象方面来描述对象的数字表示。这样的操纵是在计算机系统的内存或其它电路/硬件中完成的虚拟操纵。因此，应理解的是，本发明的实施例可以使用存储在计算机系统内的数据而在该计算机系统之内被执行。

本发明的实施例提供了用于通过自适应判别学习和测量融合来稳健地(robustly)跟踪对象的计算框架。这样的跟踪框架可以被应用于经导管主动脉瓣植入(TAVI)，以便跟踪猪尾导管。医疗装置(诸如猪尾导管)可以在TAVI过程中被跟踪，以提供用于2D/3D叠加(overlay)的运动补偿以及减少患者暴露于造影剂。图1图示了通过跟踪猪尾导管来对主动脉瓣植入进行运动补偿的实例。猪尾导管是被插入到主动脉中用于心脏外科手术导引的一类医疗装置。本发明的实施例跟踪猪尾导管尖端的运动，其在猪尾导管的远端是松散的圆。图1中的图像(a)示出了在荧光透视图像序列的帧中检测到的猪尾导管尖端102。