助于例如血管疾病（如冠状动 脉狭窄）的可视化。血管管腔边界是IVUS中的一个临床相关的定量测量。目前，提供自动 管腔边界检测的现有装置要求使用者完成大量的人工校正以便准确地确定管腔边界。因为 在IVUS步骤期间人工测量会占用大量的时间，所以具有高精度的全自动化系统将缩短步 骤时间、增加工作流量且提供比经常被采用"目测"方法更准确的估计，以便节约时间。尽 管已作出努力来开发完全自动化的管腔检测，但尚未证明有任何方法可在大的患者数据库 中提供充分的精度。
[0044] 图4是说明用于边界检测的自动化方法和系统的一个实例的流程图。首先，获得 IVUS帧序列（步骤402)。可以从是系统的一部分的IVUS成像装置（例如，导管）获得帧 的序列，或者从另一个来源获得帧的序列并且利用任何传输方法将该序列传输至系统，传 输方法包括但不限于：无线或有线传输或者使用计算机可读介质（如光盘、闪速存储器、或 任何其它合适的介质）的传输。
[0045] 对于各帧或亚组的帧，确定在帧内部的像素或像素区域的一个或多个纹理特征 (步骤404)。一个或多个纹理特征可以是例如与像素或区域及一个或多个其相邻的像素或 区域相关的经过滤或平均计算的值。纹理特征利用了组织类型之间及组织与血液（其流动 经过管腔）之间的超声响应的差异（例如，强度或频率的差异）。
[0046] 可以选择图像的一个区域而不是单个像素，用于纹理特征的确定。此外，可以确定 在一个帧中所有像素或区域的纹理特征，或者可以确定各帧的亚组的像素或区域的纹理特 征。可由使用者手动地选择或者系统自动地选择该亚组的像素或区域（例如，通过选择超 过某个强度阈值或者落在某个强度范围内或者是在图像的特定部分内部或者其任意组合 的像素或区域）。
[0047] 可以利用一个或多个滤波器来确定纹理特征，以减小噪声和成像异常的影响。下 面所提供的纹理特征样本将像素强度应用于特征值的确定，但应认识到的是，可以使用其 它图像或像素性质来代替像素强度，或者结合像素强度而使用其它图像或像素性质。
[0048] 利用十字线或者将在相邻扫描线中的相同位置的像素值加以组合的侧向滤波器 来确定一种类型的纹理特征。扫描线可以彼此相邻或者可以被一条或多条扫描线隔开。合 适侧向滤波器的例子具有以下公式中的一个：Fiin= 11 - Iiin+3|或者Fiin= 11 - iiin+4|， 其中1"为扫描线η中像素 i的强度，F 1ιη为扫描线η中像素 i的纹理值。这些特定的滤波 器可用于边界检测，因为在相同组织内的两条扫描线中的像素将导致接近于0的纹理值， 而跨越在不同组织类型之间或在组织与管腔之间的边界的像素将具有显著大于0的值。也 可利用例如Boxcar滤波器，在周围区域使这些纹理值平滑化。也可使这些纹理值归一化。 这些纹理值可用作特征值或者可用于计算特征值。
[0049] 也可利用交叉深度，或者将沿相同扫描线的相邻像素的值加以组合的轴向滤 波器，来确定另一个类型的纹理特征。该轴向滤波器的一个例子具有以下公式=Flin = 11^-11+3」，其中1。为扫描线11中像素1的强度并且？1^为扫描线1 1中的像素1的纹理值。 这些特定的滤波器可用于边界检测，因为在沿在相同组织内的扫描线的两个位置的像素将 导致接近〇的值，而跨越在不同组织类型之间或组织与管腔之间的边界两边的像素将具有 显著大于〇的值。也可利用例如Boxcar滤波器，在周围区域使纹理值平滑化。也可使纹理 值归一化。这些纹理值可用作特征值或者可用于计算特征值。
[0050] 在至少一个实施例中，确定两个纹理特征。利用侧向滤波器来确定一个纹理特征， 并且利用轴向滤波器来确定另一纹理特征。
[0051] 另外，对于各帧或亚组的帧，确定在帧内部的像素或像素区域的至少一个流动特 征（步骤406)。可以确定帧中的所有像素或区域的流动特征，或者可以确定各帧的亚组的 像素或区域的纹理特征。该亚组的像素或区域可由使用者手动地选择或者可由系统自动地 选择（例如，通过对超过某个强度阈值或者落在某个强度范围内或者是在图像的特定部分 内部或者其任意组合的像素或区域进行选择）。
[0052] 通过对两个或更多帧的相应部分进行比较，而确定流动特征。进行比较的两个帧 可以是在序列内部的两个相邻的帧或者被序列内部的一个或多个帧分离的两个帧。
[0053] 至少在一些实施例中，利用交叉帧相关性来确定流动特征。一般来说，组织区域将 显示帧之间的相对较高的相关性，但血液区域（即，管腔），至少部分地是由于血流量，将具 有显著较低的帧之间相关性。确定两个帧之间相关性中的一个困难是在帧之间可能存在组 织的移动。因此，至少在一些实施例中，相关性计算会对第一中的区域与第二帧中的较大区 域进行比较，以便为移动进行调整。
[0054] 作为一个实例，对于第一帧的像素（X，y)，可将将相关性窗Wc定义为以相应的轴 线中围绕具有宽度wx、wy像素（x，y)。（应认识到的是，可以选择不必围绕高像素的其它相 关性窗）。例如，相关性窗可以是围绕像素（x，y)的7X7窗。
[0055] 相应的搜索窗1可以被限定在第二帧中。该搜索窗可以围绕第二帧中的相应的 像素（X，y)或者，如果需要（例如，如果初始区域的移动是已知的或近似的），围绕另一个像 素。至少在一些实施例中，搜索窗1的宽度Swx+2sx、Wy+2 Sy，其中sx、sy是搜索窗的边界相 对于相关性窗的扩张。例如，相关性窗W。可以是围绕第一帧中的像素（x，y)的7X7窗，搜 索窗Ws可以是围绕第二帧中的像素（x，y)的11X11窗。（此外，应认识到的是，可以选择 不必围绕像素的其它相关性窗）。
[0056] 可以利用任何计算方法来确定第一帧的相关性窗与第二帧的搜索窗之间的一个 或多个相关性值。第一帧η和第二帧n+1像素（X，y)的一组相关性值Cn (X，y ; δ χ, δ y)的 确定的一个例子，其中Sxe [-Sx，sJ和[-Sy，Sy]，使用以下的一组方程式：
[0058] 其中
[0060]。
[0061] 然后，可以用这组相关性值中的最大值
[0063] 来确定流动特征。
[0064] 然后，可以利用纹理特征和流动特征来确定管腔概率图（步骤408)或者确定代表 相应的像素或区域对应于血管管腔的概率的其它分析布置。例如，可以将纹理和流动特征 的值与管腔和非管腔区域的特征的范值进行比较，从而有助于确定管腔概率图。
[0065] 这种比较可以是定性或定量的。定量的比较可包括例如确定特征空间中与血管的 特征值或管腔的特征值的平均值的距离（或者确定相对于管腔值的距离和相对于血管值 的距离）。该距离计算可包括对一些特征比其它特征加更高的权重。这种加权可包括凭经 验获得的权值。加权也可取决于如下因素，例如用于获得帧序列的装置、被观察血管的类型 等。
[0066] 至少在一些实施例中，可以将一个值赋予像素或区域是在管腔内部的概率。例如， 这些值可以是在-1 (例如，明确地在管腔的外部）至+1的范围被（例如，明确地在管腔的 内部）或者在任何其它合适的范围内（例如，0至100或者0至1)。
[0067] 一旦确定了管腔概率图，便可以检测或确定边界（步骤410)。例如，可以绘出使在 边界内部的总管腔概率最大化的边界。可以利用绘出约束，如对与预计边界几何形状的偏 差的补偿（例如，二次插值），而使边界平滑化。作为另一个例子，可绘出在具有超过（或低 于）特定阈值的管腔概率的区域周围的边界。可使用用于基于管腔概率图来确定管腔边界 的任何其它合适方法。至少在一些情况下，可在边界检测前，使管腔概率图平滑化。
[0068] 管腔边界的确定可以简化其它临床相关测量的确定，包括例如管腔横截面积 (由管腔边界所限制的面积）；最小管腔直径，D_;最大管腔直径，D _;和管腔偏心度， (D_-D_)/Dniax。另外，通过在成像芯回拉期间所获得多个帧的管腔边界的确定可以简化对 沿血管的这些测量值的比较，并且也可以用于生成血管的三维视图。基于管腔边界的多帧 确定，可以确定沿血管的成像部最小管腔面积。
[0069] 可以确定其它血管信息，包括例如具有接近狭窄但仍然在相同血管段的内部（通 常在狭窄的IOmm范围内并且没有中间的分支）的最大管腔的近端参考部位，具有接近狭窄 但仍然在相同血管段的内部（通常在狭窄的IOmm范围内并且没有中间的分支）的最大管 腔的远端参考部位、近端或者参考部位的最大参考值、及平均参考管腔尺寸（即，在近端参 考部位和远端参考部位的管腔尺寸的平均值）。由此可以计算管腔面积狭窄，例如（参考横 截面积-最小管腔横截面积）/参考横截面积。可以根据选择哪个参考横截面积进行计算， 而将该管腔面积狭窄分类为近端、远端、最大、或者平均。
[0070] 可以利用迭代和其它技术来进一步改进上述方法。图5示出了用于边界检测的另 一个方法的一个实例。在此实例中，特征1502和特征II504是分别利用例如，如上所述的 侧向滤波器和轴向滤波器所获得的纹理特征。特征III506是利用例如交叉帧相关性所获 得的流动特征。应认识到的是，其它类型的纹理和流动特征也可以用于特征I、特征II、和 特征III。
[0071] 特征III506是用于估计（箭头508)管腔或血管遮蔽区域（masks) 510 (或者管腔 遮蔽和血管遮蔽区域两者）。例如，管腔遮蔽区域可被估计是具有低于阈值的相关性值（例 如，0. 2或0. 3,归一化计算）的区域，并且血管遮蔽区域可以是其中相关性值超过阈值的区 域。
[0072] 管腔/血