用于改善功能狭窄分析的局部FFR估计和可视化

摘要

一种用于流量储备分数FFR模仿的系统(IPS)和相关方法。针对脉管系统部分的FFR值范围的模仿基于复合转移函数，根据全局效应转移函数he的加权和来组合所述复合转移函数，每个全局效应转移函数表示引起压降的不同物理效应。相对与各自的脉管系统几何结构相关联的压力pi与流率fi样本测量，从先前的训练阶分割获得权重we。根据在各自的间隔内的压力值和流率值，所模拟的FFR值的范围在图形显示器(GD)中被可视化。

说明书

技术领域

本发明涉及一种图像处理方法、图像处理系统、计算机程序元件以及计算机可读介质。

背景技术

世界上的群体受到心血管疾病的严重影响。心血管疾病仍是世界范围内导致死亡的主要原因。缺乏锻炼、不健康的饮食和其它因素例如可能导致狭窄，即，一部分心血管系统收缩的状况。狭窄可能引起狭窄下游的组织供给不足。尽管可以对狭窄进行处置，但是这些处置大部分是介入性的且具有风险。例如，一种介入性过程是经由导管将支架引入到脉管系统中。然后支架将导航到狭窄部位，并在该位置处扩张以便放大，从而恢复丢失的血管横截面。但是这些类型的介入性处置具有风险，并且它们给已经缺乏现金的国民医疗制度带来压力(有时甚至是不必要的)。例如，如果狭窄发生在血管供应已经垂死的组织的部分，则介入是否将实际导致任何积极的健康效果是值得怀疑的。垂死的组织不能复活，并且因为狭窄受限的血流在一些情况下仍是刚好足够的。在此FFR(流量储备分数)技术确定是有帮助的，因为其允许依据分数(即，数字)来评估狭窄的严重性。FFR是对除冠状动脉几何结构之外的狭窄严重性的度量，因为其包括狭窄对血流的影响。在导管插入过程期间有创式FFR测量的临床关联已经在临床研究中得以证明。随后，医疗人员可以更好地判断在所述情况下的介入是否是有保证的。一种建立这种数字的方法是采取原位测量，其包括跨狭窄部位的压差和通过狭窄的血液流率。为此使用一种特殊的导管，其装备了合适的探头以获得所述测量结果。导管被放置在远端，然后接近狭窄部位以特别建立压差。但是，同样地，这是有风险的，因为导管需要强制通过狭窄部位。另外，介入性工具本身是复杂的且昂贵的，通常需要给予潜在的有害物质，例如腺苷，以增加心脏区域的充血。

因此，过去已经提出用于导管插入实验室应用的无创局部FFR估计方法，以避免使用昂贵的原位压力测量设备。这些方法的变型基于根据CT投影重建的体积数据。该方法的另一变型一般基于根据一组血管造影投影(3D冠状动脉造影(3DCA))生成的冠状动脉的体积模型。两种变型都基于计算流体力学(CFD)模拟。

这些已知的方法被认为有时是计算量大和/或倾向于招致针对患者相对高的剂量。

发明内容

因此需要有一种替代方式来更有效地确定流量储备分数值，并为患者减少麻烦。

本发明的目的是通过独立权利要求的主题来解决的，其中，其它的实施例被并入到从属权利要求中。应该注意的是，本发明以下描述的方面同样应用于图像处理方法、计算机程序元件和计算机可读介质上。

根据本发明的第一方面，提供一种图像处理系统，包括：

输入端口，其用于接收包括感兴趣对象的投影视图的至少一幅图像；

分割器，其被配置为分割所述图像，以依据所述投影视图获得针对所述对象的对象分割；

划分器，其被配置为将所述分割划分为部分；

适配单元，其被配置为将多个局部效应转移函数中的一个或多个适配到在各个所述部分中记录的所述对象的局部几何结构中，以获得多个全局效应转移函数；

组合器，其被配置为将所述多个全局效应转移函数组合为针对所述对象的复合转移函数；

评估器，其被配置为根据所述复合转移函数计算针对流经所述对象的流体的FFR估计。

例如，当使用提出的系统来模拟狭窄部位周围的冠状的相关部分的FFR时，局部效应转移函数描述基本单独归因于特定物理效应的局部压降，而全局效应转移函数描述由跨整个成像的血管树或者至少在狭窄周围的整个感兴趣区上的各自的效应所引起的压降。复合转移函数则描述跨对象的整体压降，同时解释在各个效应之间的相关性和相互作用。换言之，提出一种“集中”参数模型，在这里是由用于模拟考虑中的流体行为的几何导出转移函数定义的，例如，在一个实施例中，人或动物的血液循环。

根据一个实施例，评估器被配置为通过改变至少一个物理或生理参数来计算FFR估计的范围。

换言之，评估器对由在物理或生理参数之间的功能关系定义的FFR表面进行采样。

根据一个实施例，所述图像处理系统还包括可视化器，其被配置为在显示单元上绘制以显示根据至少一个物理或生理参数的FFR估计的范围。在一个实施例中，然后可以在显示单元上以FFR估计的函数依赖来显示FFT估计的范围。对血管中的生理状态的范围的FFR值进行可视化允许解释估计FFR计算的边界条件的解剖知识是有限的事实，从而使得计算更简单并因此更快。

根据一个实施例，所述参数是压力和流率中的至少一个，并且其中，根据压力和流率中的至少一个来显示FFR估计的范围。所显示的FFR估计还可以基于改变用于计算FFR的其它变量/参数。例如，在一些实施例中，替代或除了流率/压力变化外，可以改变以下中的任何一个(或以下的任何组合)：血比容水平、血液粘度或血液密度。在一个实施例中，用户可以选择改变哪些变量。

根据一个实施例，使用先前从压力与流率采样测量结果/模拟学习的权重，对局部效应转移函数进行线性组合。换言之，本发明管理先前原位压力/流率测量和/或冠状动脉CFD计算的数据语料库，以学习各种物理效应(例如，Bernoulli和/或(Poiseuille)摩擦等)对跨冠状动脉的整体或净压降的(由所述权重测量的)相对贡献。在将权重训练到足够大的数据语料库之后，提出的系统准备好以供使用。当使用提出的系统时，可以避免需要为将来FFR模拟进行原位测量和/或运行计算量大的CFD模拟。

根据一个实施例，通过C型臂类型的平面X射线装置采集所述图像。特别地，没有必要向提出的装置馈送重建的CT体积图像。尽管使用来自不同投影的投影越多，则模拟的保真度越好，投影视图的若干离散角度样本是足够的。在一个实施例中，所述适配基于由3D血管中心线和CSA(横截面积)总结的几何结构，这两者例如都可以根据来自沿着不同视角采集的一幅或多幅2D血管造影片的旋转X射线采集(圆形或其它)而生成。这里设想用于投影图像的采集的多个不同成像模式，例如CT、旋转C型臂、MRI及其它。在这里还可以设想相衬成像或光谱图像。在一个实施例中，相衬成像在没有造影剂注射的情况下使用。

尽管提出的方法可以用于管理先前的原位(即，介入性)压力测量以训练用于组合复合函数的权重，但是一旦获得了权重就不再依靠或没有必要为了压力测量目的而进行介入，尽管这种原位压力测量仍在此使用。换言之，不要求用于采取压力测量的冠状动脉介入来获得给定患者的FFR信息。

提出的系统允许在CathLab(导管实验室)中使用关于血管几何结构的3D信息来生成虚拟FFR信息，并将所述信息呈现给介入性心脏病学家。

另外，已经观察到，CT冠状动脉造影(CTCA)和CFD依赖于边界条件扩展集合的易于误差估计。例如，基于CTCA的虚拟FFR要求评估在血管系统的流入或流出处的边界条件。但是难以估计与向血管系统供应压力的心肌相关的边界条件。因此，在一个实施例中，这里提出的针对边界条件的范围的一组FFR值的相对快速计算是有利的。另外，不需要给予对充血最大化物质。

尽管在一个实施例中，提出的系统用于FFR模拟以调查在狭窄冠状动脉中的血流行为，但该系统的益处还在于在人(或动物)脉管系统中的其它部分中使用。另外，所述系统的用途不限于医疗环境。例如，在此还可以想到检查土木工程中不可访问的复杂管道系统，或检查生产设备或交通工具(例如飞机或轮船)的水利管网。

附图说明

现在将参考附图描述本发明的示例性实施例，其中：

图1示出了用于模拟FFR信息的图像处理系统的示意性框图；

图2A、2B示出了图示血管中心线和横截面积估计的人类脉管系统的投影视图；

图3示出了3D中心线点的对极几何估计；

图4示出了用于显示FFR值的范围的图形显示；

图5示出了图像处理方法的流程图；

图6示出了用于适配局部转移函数的几何相关参数的表格。

具体实施方式

参考图1，示出了允许FFR模拟的图像处理系统IPS。该系统允许根据图像Ai计算FFR值，所述图像Ai编码图像对比度足以识别患者PAT的血管树形式的冠状动脉的各自的投影视图(“足迹”)。

通过成像器IM采集图像Ai，例如平面X射线放射线照相装置或旋转X射线C型臂系统或者其它适当的成像模态。成像器IM包括X射线源XR和探测器D。患者在相关感兴趣区域(例如，心脏区域)处暴露于从X射线源XR发出的辐射。辐射与感兴趣区域(在该情况下是心脏区域)中的物质相互作用，然后在探测器D处被探测到。在探测器D处探测到的辐射被转换为所述数字图像Ai，所述数字图像由图像处理系统IPS在其输入端口IN处输出并接收。

在一个实施例中，供应图像Ai的成像器IM是C型臂X射线荧光透视系统。尽管原则上FFR模拟基于所采集的感兴趣冠状动脉的单个图像Ai，但是优选实施例使用至少两幅图像(在一些实施例中，恰好2幅图像)。在一个实施例中，使用双平面X射线C型臂系统，并且在不同的(例如，正交)投影方向上采集两幅图像A1、A2，并且已经发现这样的图像对A1、A2供应关于血管树的3D结构的足够的图像信息以达到该目的。由于脉管系统组织的低辐射吸收属性，在一个实施例中，所述图像是血管造影片，即，它们是在造影剂驻留在患者的脉管系统中的同时采集的X射线图像。然而，这只是在一个实施例中，使用具有启用相衬成像设备的成像器，在此也设想为这些类型的成像系统在一些情况下能够提供足够的对比，即使在脉管系统中没有驻留造影剂。在一个实施例中，相衬成像器包括被布置在X射线管与探测器D之间的一系列干涉光栅。

广义上，本系统IPS为特定患者提供计算FFR值，而在计算或模拟时不采取原位压力测量，并不运行扩展的CFD模拟。与这些方法相反，所述系统使用在过去已经获得的测量结果的数据语料库。更具体地，训练模块TR以血流和压降样本对<f_i,Δp_i>形式利用该知识。从该数据语料库中学习一组权重w_e。通过组合多个局部适配的局部效应转移函数或基础函数模板，权重w_e能够被用于“构成”复合转移函数。每个局部效应转移函数独立表示每个可以引起某个压降的不同的个体物理效应。那些基本函数的模板被保存在库或数据库DB中，并被适配到接收到的实际患者的图像A1、A2中的图像信息。现在将之前仅独立考虑的个体物理效应组合考虑，以便对那些效应之间的各种相互作用进行更好的建模。这允许达成复合转移函数，该函数已经被发现以合理的计算成本提供对狭窄区域周围流体动力学的非常现实的建模。已经发现，由于本发明的系统与计算量大的CFD相比相对简单，所提出的系统高度响应。当处理图像时，近乎实时地递送FFR估计以识别(例如，经由分割)血管树，这在忙碌的导管实验室环境中是有益的，在该环境中需要快速决定是否进行介入。在将复合函数适配或“裁剪”到即时患者的图像信息之后，复合函数用于计算FFR值的范围，然后由可视化器VS在屏幕MT上进行可视化，以便更好处理剩余的不确定性，并由此向用户提供狭窄部位的FFR情形的现实的高保真图片。然后，医生可以更好地评估狭窄的严重性。现在将更详细地解释图像处理系统的操作。下述描述的第一部分将集中于计算方面，而第二部分将集中于可视化方面。

下文总结了在不同实施例中使用不同的成像模式来采集一幅或多幅投影图像。如上所述，在一个实施例中，经由通过导管的局部造影剂注射而生成血管造影投影。

根据一个实施例，通过平面X射线成像器采集单个血管造影投影。

根据备选实施例，使用具有单个造影剂团注的双平面系统，以及时采集在相同点处的两个投影，这允许生成更准确的3D血管模型。

根据备选实施例，使用具有两次采集以及两个或更多造影剂注射的单个平面C型臂系统，来根据不同的投影生成更准确的模型。在一个实施例中，人们采集ECG(心电图)，同时组合相同心脏相位的投影。

人们能够使用具有单个造影剂注射的单个平面C型臂系统，并操作C型臂系统以获取旋转采集，然后从该序列中选择ECG相位对应的血管造影片以到达不同的采集角度，以生成更准确的模型树血管模型。

根据一个实施例，使用CT扫描器来提供投影图像。

最后，人们可以使用CT或MR扫描器，并对来自体积数据集的3D冠状动脉进行分割，从而确定中心线和横截面，尽管操作并不必然依赖于体积图像数据。

在优选实施例中，接收到恰好两幅血管造影图像A1、A2，优选但不是必要地在正交投影方向采集，并且将参考这两幅图像解释以下实施例，但是可以理解的是，在备选实施例中(如上所列出的)使用单个图像，或者在又一实施例中使用多于两幅图像，例如三幅或四幅图像。

以任何速率，不管成像模态，对于本发明目的，投影图像输入的数量应该在足够的程度上允许计算在感兴趣区域处血管树的局部横截面面积的近似。换言之，如果只使用单个图像，这里涉及的计算(在下文中将更详细地解释)是固有的近似，并将最终依赖于合理的假设，因为血管沿着未在单个图像中记录的维度延伸。

然而，当处理血管时，假设圆形或至少是椭圆形的横截面是合理的，因此两幅图像通常足以估计短轴和长轴，利用足够细节来估计横截面面积，以达到本发明的目的。

当接收仅在感兴趣区域周围的几个离散“采样”投影方向上采集的投影图像作为输入时，所提出的系统能够给出令人满意的结果。体积(即，重建的CT图像数据)不是必要的，但是这里也设想其在备选实施例中的使用。

操作

在一个非限制性实施例中，在输入端口IN处接收两幅图像A1、A2。

图像A1、A2然后被传递到分割器SEG。分割器SEG操作以针对在每个视图内的血管树足迹分割两幅图像。在一个实施例中，分割整个血管树，但是在其它实施例中，仅分割在实际狭窄周围由半径(ROI半径)限定的感兴趣区域，这通常是容易识别的。在一个实施例中，狭窄部位周围的ROI半径是可调整的，并延伸到狭窄每侧的大约2到5cm处，但这仅仅是非限制性示例，在其它使用场景中还可以使用有益的其它ROI半径定义。

随后在所述ROI中分割的血管足迹的图像坐标被传递给划分器PAR。然后划分器PAR沿着分割的血管树部分行进以按步长将其划分到部分(section)中，所述步长在实施例中被设置为大约5到10mm。在一些实施例中，所述步长是用户可调整的。由于在图像采集期间成像器的几何结构是已知的，所需的步长可以被转换为像素单位，划分器PAR然后可以在所述像素单位上操作以针对每幅输入图像A1、A2定义多个图像部分，后文称作“血管树分割”j。每个血管树分割j在各自的投影视图中记录特定的几何参数，所述几何参数定义对应的血管树部分的局部几何结构。在一个实施例中，几何参数包括以下中的任意一个(或其任意组合)：一部分血管中心线、血管的局部横截面面积A、局部中心线曲率κ、血管分割的长度l、局部血管周长P以及局部血管半径r。

然后将每幅图像A1、A2的血管树分割j传递给适配器ADP。适配器ADP被通信耦合到数据库DB上，在所述数据库中保存有“基本”函数h_e(f)的库。每个基本函数对应于局部转移函数的模板。每个转移函数定义针对将引起流体动力学行为改变的特定物理效应的专用流体动力学模型。更具体地，并且在一个实施例中，在给定流率f和给定感兴趣管状结构的特定局部几何结构的情况下，库中的每个局部效应转移函数描述由一个特定物理效应单独引起的特定压降Δp。

局部效应转移函数h_e(f)的个体模板被建模为具有次数d的奇次多项式：h_e(f)＝α_esign(f)|f|^d(1)

从包括表示为与各自的效应e相关联的局部几何系数α_e的参数化的意义而言，该函数是模板。在一些情况下，血液的某些流体属性、局部几何系数α_e单独取决于局部血管几何结构，即，取决于血管的分割轮廓或内腔以及由每个血管树分割j所捕获到的其中心线(根据其可以计算系数)。符号函数sign(f)表示流f的方向(“+”/“-”)。

根据一个实施例，依据局部几何系数α_e，图6中的表格包括保存在库DB中的不同局部效应转移函数模板的示例。

在该表格中，局部几何参数A、κ、l、P和r如前所定义的，并且ρ和μ表示感兴趣流体的属性。在一个实施例中，ρ和μ表示生理参数，特别地，分别表示血液密度和血液粘度。

数据库保存集中参数模型，其能够被用于模拟人类血液循环，如本文更详细描述的。换言之，图6中的表格总结各个局部转移函数模板如何能被适配到血管的局部几何结构(如局部几何系数α_e所表示的)，以便单独(即，独立地)为在最左列中命名的各个压力效应计数。例如，第一行描述了如何对仅由伯努利(Bernoulli)效应引起的压降进行建模。即，如果血管在血管部分处局部具有如最右列示出的“哑铃”形状的局部几何结构，以及如果只有伯努利效应是压力变化的唯一原因，则在对局部几何参数A_输入、A_输出适用了等式(1)之后，可以根据等式(1)对所述血管部分计算所述压力改变。

但是，局部压降通常是由多于一个效应引起的。因此，为了增强本文提出的FFR模拟的保真度，适配器ADP操作以为每个血管树分割j对(来自两幅图像A1、A2)不仅针对特定效应计算一个局部效应转移函数，而且为在所述分割j处的每个效应计算专用局部转移函数。可以理解的是，通常不是每个部分j针对每个效应e引起非零局部效应转移函数贡献。例如，相对直的血管分割将对博尔达-卡诺扩张效应返回基本为零的贡献。对在图像A1、A2的对中记录的每个血管部分j进行同样处理。对于每个血管树分割j，输出是多个局部效应转移函数，对不同效应一个函数。换言之，对于每个血管树分割j，计算不同的效应依赖系数α_e,j。在以这种方式处理所有的血管树部分j之后，可以跨血管树部分j将属于同一效应的系数α_e,j相加，以为各个效应计算整体的全局(即，为整个血管或血管ROI)系数α_e＝∑_jα_e,j。使用通过该相加构造的全局系数，允许为整个血管或血管ROI的每个效应依据(1)用公式表达全局效应转移函数。结果是将来自每个血管部分j的关于个体、局部效应特定压降的信息依据等式(1)联合为各自的全局效应转移函数h_e(f)＝∑_jα_e,jsign(f)|f|^d。

可以依据图6的表格，根据如在血管树分割j中记录的局部几何参数来计算局部系数。例如，适配器ADP可以被配置为使用冠状动脉建模技术来确定泊肃叶(Poiseuille)摩擦系数α_P以及曲率效应系数α_C。更具体地，可以基于根据两个A1、A2(或更多的投影)建模的3D血管中心线，使用如图3所示的对极采集几何结构来确定两个系数，其中表示在采集两幅投影图像A1、A2时在成像器的X射线源XR中各个焦点位置。由于已知两幅投影A1、A2之间的几何关系，3D中心线点可以被确定为如图3所示。可以以对极几何方式逐点构造在每幅图像A1、A2中的中心线。可以从图像头部中的DICOM元数据检索关于焦点位置的空间信息，或者可以在采集期间从成像器的几何结构的记录中检索该信息。

可以基于在两幅血管造影投影图像A1、A2中对应的血管位置确定出的至少两个半径计算所有其它效应。换言之，可以通过沿着3D血管中心线所取的横截面面积CSA，来总结基底血管几何结构。因此，为了计算这些效应，并不要求生成血管的完全的体积数据集(体素元数据集)或3D表面模型。最小的要求是根据两幅或更多投影以及采集几何结构的知识来确定3D中心线。总之，使用3D中心线和采集几何结构，对于中心线上的一个3D点，可以基于相关的投影来确定对应的血管和血管半径，并且可以依据图6的表格来确定相关的几何参数，例如A、P或r。

图2A图示了A1或A2作为血管造影投影，以粗体示出了血管中心线。图2B图示了A1或A2作为血管造影投影，示出了跨中心线所取的局部血管半径。对几何参数的图像内测量能够基于灰度值阈值。如可以在图2B中看出的，对于中心线的例子，几何参数通常是从如在两幅投影A1、A2中的对应树部分对j中记录的集体图像信息导出的。

现在返回到在图1中提出的图像处理系统IPS中的过程流，然后将多个全局效应转移函数(即，每个效应e一个)传递到组合器∑，以通过各种全局效应转移函数的线性组合来形成复合转移函数Δp＝∑_ew_eh_e(f)。这允许用公式表达简化的模型来计算在狭窄周围的血管ROI中的流体行为。现在将在给定体积流率f处的狭窄血管分割上的压降Δp建模为不同全局压降效应h_e(f)的加权和，以说明由于以下中任一个或其组合引起的压力变化：i)伯努利原理，ii)由于血管椭圆度和/或曲率和/或横截面几何的变化(例如，扩张和收缩)引起的摩擦力造成的压力损失。

在形成复合转移函数时，从所述(或不同的)数据库DB中检索权重w_e。在一个实施例中，先前通过训练模块TR在学习阶分割通过统计训练学习过程来计算效应权重。具体地，给定一组例子，沿着血管树的几何结构的体积流f_i和压降Δp_i，在一个实施例中，权重的拟合实现最小二乘法拟合、正规化的最小二乘法拟合或者非负的最小二乘法拟合，其中通过类似于w＝argmin_w∑_i(Δp_i-∑_ew_eh_e(f_i))²最小化损失函数来发现权重向量w＝[w_e]_e，其中i表示样本的索引，并且e是表示人们希望在训练阶段解释的各个效应e的索引。例如，使用依据图6的库，这里所表明的效应以及e＝5可以理解为图6库仅是一个实施例，并且可以在其它实施例中使用不同的效应。在这里假设训练样本不仅包括测量f_i、Δp_i，而且包括对应的至少描述各自的测量f_i、Δp_i的局部几何结构的几何参数，如A、r(如上所定义的)等。

可以通过CFD模拟或通过模拟压力/流或压力/速度测量结果来获得训练样本。如这里提出的，适应性选择权重来解释不同效应e之间的相互作用、相互依赖性和相关性。这与先前单独分离地检查效应的方法非常不同，而在此实现的方法目的在于从现有数据语料库推断各种压力损失效应之间的相互作用。

一旦得到复合转移函数，并将其适用于附近患者的血管树，评估器EVAL则能够为任何给定的对p₀、f依照以下计算不同的FFR值：

$>FFR=\frac{p_0-\Delta p\left(f\right)}{p_0}=1-\frac{\Delta p\left(f\right)}{p_0}---\left(2\right)$>

换言之，在狭窄之后的远端压力p₀除以在狭窄位置之前的近端压力。FFR值取决于近端压力和流经狭窄区域的量。然后在输出端口(未示出)输出这样计算出的FFT值，以进行存储和/或其他处理。

FFR等式(2)定义了2D表面，其中FFR取决于两个未知的p₀、f。在一个实施例中，评估器EVAL操作以依据(2)对FFR表面进行采样，以通过改变在生理合理区间内的流量和/或近端压力而产生不同FFR值的范围。

在一个实施例中，随后将评估器EVAL输出的多个数据三元组<p₀,f,FFR(p₀,f)>传递给可视化器VS。在一个实施例中，可视化器VS操作以通过将采样的表面<p₀,f,FFR(p₀,f)>映射到平面上而形成图形显示，并且根据用户可定义的调色板来对FFR值的幅度进行颜色或灰度值编码。然后绘制图形显示器GD，以通过驱动可视化器VS输出所控制的系统视频卡而在监视器MT上进行显示。图4示出了这种图形显示的一个实施例。对经采样的FFR表面的图形绘制通过将FFR表示为近端压力和体积流率的函数而允许医生更好地评价狭窄的严重性。假设对近端血压的测量结果是可用的，则2D图形显示可以塌缩为1D曲线。可以从导管基于主动脉中的压力的测量结果或者根据外部血压测量结果(臂式电子血压计)而估计该近端血压值。颜色编码指示在特定工作制度中狭窄的严重性。如果图像采集是基于血管造影术，则造影剂通过或给予的导管可以用于获得近端压力的测量结果。没有必要(尽管仍可以)使用专用压力测量导管(压力导线)。

类似地，人们可以基于是计算的一部分但是尚未确切知道的其它量来将FFR依赖进行可视化，例如血比容、血液粘度、血液密度。

另外，由于根据多幅2D图像的CSA估计固有地是近似的，人们也能够基于FFR值可视化CSA估计的引入效应。用户随后能够在那些图之间切换，或者将其组合或聚集为3D图。换言之，通过在等式(1)、(2)中“冻结”或保持恒等的某些用户可选择值，可视化器允许用户检查附到FFR值的不确定性，然后让一个或多个剩余值在用户可定义误差区间内变化。例如，可以向用户呈现具有所有变量列表的用户界面。然后，用户点击或以其它方式指定他想要保持恒等的那些变量。剩余的变量随后在各自的误差容限内变化，并依赖于这些变量而显示得到的FFR值。例如，当改变CSA估计A时，在一个实施例中用户能够指定将变化应用于哪个血管树分割j处。然而，在更简单的实施例中，固定误差估计被应用于跨所有的血管树分割部分j的所有的CSA估计。

临床研究已经表明低于0.75或0.8的FFR值是临界值，这是因为它们是对狭窄严重性保证性介入的指示。然后在一个实施例中提出依据图1在图形显示器上在临界0.8FFR值处强加轮廓线。然而，0.8(或任何其它适当建议的阈值)轮廓线仅是一个实施例，并不应该解释为限制。在其它环境中，可以替代使用不同值的轮廓线。

在备选实施例中，不是FFR值本身显示在2D或3D图中，而是在计算出的图中显示针对给定的血管几何结构的高于或低于0.8阈值的FFR值的面积或体积。这允许将可用信息浓缩为单个数。

尽管在实施例中结合图1在上文解释了适配器ADP，将所有的效应都视为用于每个血管树部分j，但是可以理解的是，这仅是一个实施例。在备选实施例中，仅将在数据库中保存的局部效应转移函数的子选择应用到血管树分割部分。例如，在一个实施例中，用户可以决定他们希望考虑在各个部分j处的哪个效应。在一个实施例中，向用户提供了图形用户界面，其包括类似于图6的表格中最右列的图形符号，示出了针对各个局部几何结构的建议性符号。用户则可以点击或以其它方式指定在计算局部转移函数时由系统考虑哪些局部效应转移函数。

参考图5，示出了图像处理方法的流程图。

在步骤S505处，接收包括感兴趣对象的投影视图的至少一幅图像。在一个实施例中，感兴趣对象是人或动物心脏脉管系统的一部分。

在步骤S510处，针对在投影视图中捕获到的对象的足迹将图像进行分割，以获得对象分割，例如血管树分割。在一个实施例中，所述分割被限制在以狭窄部位为中心的感兴趣区域。

在步骤S515处，所述分割被划分到图像部分j。在一个实施例中，所述部分是沿着ROI内的血管树的部分。

在步骤S520处，多个局部效应转移函数的一个或多个(在一个实施例中是每一个)被适配到在各自的部件j中记录的对象的局部几何结构中，以获得多个全局效应转移函数h_e。

在步骤S525处，多个全局效应转移函数被组合为针对所述对象的复合转移函数。

在步骤S530处，根据复合转移函数计算针对流经对象的流体的FFR估计。在一个实施例中，计算步骤包括通过改变至少一个物理或生理参数来计算FFR估计的范围。

在步骤S535处，FFR估计的范围被显示为至少一个物理或生理参数的函数。

在一个实施例中，图1的图像处理系统IPS的部件全部运行在单个计算系统上。在备选实施例中，在此同样设想至少部分分布式架构，其中一个或多个部件远程定位，并在适当的通信网络中彼此连接和/或与图像处理器IPS连接。

在一个实施例中，图像处理IPS(或者至少其一些部件)被布置为专用FPGA或硬接线(独立)芯片。

在备选实施例中，图像处理IPS或至少其一部分部件驻留在成像器IM的工作站中。

图像处理系统IPS的部件可以在适当的科学计算平台(例如)中编程，并被翻译成适合在计算系统(例如，成像器的工作站)上运行的C++或C例程。在本发明的另一示例性实施例中，提供计算机程序或计算机程序元件，其特征在于，适于在合适的系统上执行根据先前实施例中的一个所述的方法的方法步骤。

因此，计算机程序元件可以被存储于计算机单元中，所述计算机单元也可以是本发明实施例的一部分。计算单元可以适于执行或引起执行上述方法的步骤。此外，其可以适于操作上述装置的部件。计算单元能够适于自动操作和/或执行用户的命令。计算机程序可以加载到数据处理器的工作存储器中。数据处理器因此可以被装备以执行本发明的方法。

本发明的该示例性实施例覆盖从开始就使用本发明的计算机程序，以及通过更新将现有程序转为使用本发明的程序的计算机程序。

此外，计算机程序元件能够提供为完成上述方法的示例性实施例的过程的所有必需步骤。

根据本发明的另一示例性实施例，提出一种计算机可读介质，例如CD-ROM，其中，该计算机可读介质存储有计算机程序元件，所述计算机程序元件是通过先前段落描述的。

计算机程序可以存储于和/或分布于适当的介质上，例如光存储介质或与其它硬件一起供应或作为其它硬件一部分的固态介质。所述计算机程序还可以例如经由互联网或其它有线或无线电信系统以其它形式分布。

然而，计算机程序还可以通过诸如万维网的网络来呈现，并可以从这种网络下载到数据处理器的工作存储器中。根据本发明的另一示例性实施例，提供了使得计算机程序元件可用于下载的介质，所述计算机程序元件被布置为执行根据先前描述的本发明的实施例之一的方法。

必须注意的是，结合不同的主题描述了本发明的实施例。特别地，一些实施例通过方法类型权利要求进行描述，而其它实施例通过设备类型权利要求进行描述。然而，除非另有指出，否则本领域技术人员可以从上述和以下描述中获知，除了属于一种类型主题的特征的任意组合外，在属于不同主题的特征之间的任意组合也被视为被本申请所公开。然而，可以组合所有的特征来提供比简单相加特征更多的协同效应。

尽管已经在附图中以及前述描述详细图示和说明了本发明，但这种图示和描述被视为说明性或示例性而非限制性的。本发明并不限于所公开的实施例。在实践所要求保护的发明时，根据研究附图、公开物和随附权利要求，本领域技术技术人员可以理解和实现公开实施例的其它变型。

在权利要求中，词语“包括”并不排除其它元件或步骤，并且不定冠词“一(a)”或“一(an)”并不排除复数。单个处理器或其它单元可以完成在权利要求中记叙的若干项的功能。事实上，在相互不同的独立权利要求中记叙的某些测量并不表明不能有利地使用这些测量的组合。在权利要求中的任何附图标记不应被解释为限制范围。