[0001] 本公开涉及确定沿管腔的位置作为用于支架的端点位置的适合性。本发明公开了一种系统、一种计算机实现的方法和一种相关的计算机程序产品。

[0002] 在医疗领域，支架通常被插入血管、冠状动脉、胆道、支气管、泌尿道和解剖结构中的其他管腔，以便保持相关通道的畅通。对支架的需求和用于支架的最终位置由医生决定，通常是在管腔内成像设备的指导下进行。

[0003] 举例来说，深静脉介入治疗通常在使用造影剂增强的X射线成像生成患者脉管系统的初始静脉造影片的情况下开始。然后，在X射线成像下将导丝插入脉管系统，并在“回拉”过程中将管腔内成像设备(如血管内超声“IVUS”成像导管或光学相干断层扫描“OCT”成像导管)沿导丝平移，以便成像，从而诊断脉管系统内的管腔的多个部分。管腔内的限制血流的狭窄或“压缩(compression)”，或“血栓”通常表示血管疾病，而管腔中血流限制较少的畅通区域通常表示健康区域。如果认为有必要安装支架，例如，在相对于参考健康区域管腔被压缩了不止50％的情况下，医生可通过识别管腔的病变区域和健康区域，根据IVUS图像确定用于支架的合适位置或“着陆区(landing zone)”。医生还可以根据IVUS图像识别管腔中的分支，也称为“汇合点(confluence)”。在血管手术中，医生通常会指定支架的着陆区，使得支架与病变区域重叠，且支架的端部位于健康区域，优选地避免支架与任何汇合点重叠。为此，医生通常使用在回拉过程中生成的IVUS图像。医生还可以使用来自通过重新探查潜在的关注部位获得的附加的IVUS图像、与IVUS图像同时生成的附加的X射线图像以及初始静脉造影片的信息。然而，由于分析IVUS图像的复杂性以及将来自不同成像系统的信息联系起来的复杂性，这一过程可能会很费力。

[0004] 在已指定支架的着陆区后，医生通常测量着陆区的长度，以便指定用于插入管腔的支架的长度。在血管手术中，着陆区的长度通常是通过定位IVUS成像导管，使得沿IVUS成像导管的轴杆布置的基准标记与预期的着陆区重叠来确定的。然后，为该医生提供支持的另一临床医生对X射线图像上的着陆区内的基准标记的数量进行手动计数。然后，医生基于计数指定支架长度。然而，由于需要另外的临床医生、需要定位IVUS成像导管使其基准标记与着陆区重叠以及需要对基准标记进行手动计数以确定其长度，因此这一过程效率低下且容易出错。基准标记通常沿着IVUS成像导管的轴杆以一厘米的粗略间隔设置，且可有15个或更多个标记需要计数。

[0005] 在指定用于插入解剖结构中的其他管腔(包括冠状动脉、胆道、支气管和泌尿道管腔)的支架时，也会出现类似的挑战。然而，仍然需要解决这些问题中的一个或多个的解决方案。

[0016] 本公开的示例是参照以下描述和图来提供的。在描述中，为了解释的目的，陈述了一定示例的许多具体细节。说明书中提到的“示例”、“实施方式”或相似的语言的意思是与该示例有关的描述的特征、结构或特点至少包括在该一个示例中。还应理解的是，与一个示例有关的描述的特征也可被用于另一个示例，并且为了简洁起见，所有的特征不必在每个示例中重复。例如，这里提及的系统包括一个或多个处理器，这些处理器被配置成执行一个或多个方法。应理解的是，该一个或多个方法可以以相应的方式作为计算机实现的方法来提供，或在计算机程序产品中实现，或在计算机可读存储介质上提供。

[0017] 在以下描述中，提及的系统包括一个或多个处理器，这些处理器被配置成执行各种功能，这些功能可以是一种方法的步骤，其包含确定沿管腔的位置作为用于支架的端点位置的适合性。这里提及的管腔呈脉管系统内的静脉的形式。然而，应理解的是，本公开中描述的方法可以以类似的方式用于确定沿脉管系统内的其他管腔(例如动脉)的位置作为用于支架的端点位置的适合性。此外，应理解的是，这些方法可用于确定沿解剖结构内的常规管腔(包括冠状动脉、胆道、支气管、泌尿道和解剖结构的其他区域内的管腔)的位置作为用于支架的端点位置的适合性。

[0018] 在本文描述的方法中，提及的管腔内成像设备呈IVUS成像设备的形式。例如，IVUS成像设备可以以IVUS成像导管、IVUS成像导丝等形式来提供。然而，应理解的是，IVUS成像设备仅作为管腔内成像设备的示例，本方法可视情况与其他类型的管腔内成像设备(包括OCT成像设备、TEE探头等)一起使用。

[0019] 在本文描述的方法中，还提及了在X射线图像中检测管腔内成像设备。在这方面，应理解的是，X射线图像可以由各种类型的X射线成像系统生成。例如，X射线图像可由生成平面X射线图像的平面成像系统或生成体积X射线图像的体积X射线成像系统生成。平面X射线成像系统通常包括支撑臂，如所谓的“C型臂”或“O型臂”，其支撑X射线源‑探测器布置结构。平面X射线成像系统可替代性地包括与这些示例形状不同的支撑臂。平面X射线成像系统在获取图像数据期间，通常在将支撑臂保持在相对于成像区域的静止位置的情况下生成平面X射线图像。相比之下，体积X射线成像系统通常是在使X射线源‑检测器布置结构围绕成像区域旋转或步进时生成图像数据，且随后将从多个旋转角度获得的图像数据重建为体积图像数据。体积X射线成像系统的示例包括计算机断层扫描“CT”成像系统、锥束CT“CBCT”成像系统和光谱CT成像系统。

[0020] 应指出的是，本文公开的方法可以作为非暂时性计算机可读存储介质来提供，该存储介质包括存储在其上的计算机可读指令，当计算机可读指令被至少一个处理器执行时，致使该至少一个处理器执行该方法。换句话说，计算机实现的方法可以在计算机程序产品中实现。计算机程序产品可以由专用硬件来提供，或者可以由与适当软件相关联的能够运行该软件的硬件来提供。当通过处理器来提供时，该方法特征的功能可以由单个专用处理器，或由单个共享处理器，或由多个单个处理器(其中的一些可以是共享的)来提供。术语“处理器”或“控制器”的明确使用不应被解释为排他性地指的是能够运行软件的硬件，并且可以隐含地包括但不限于数字信号处理器“DSP”硬件、用于存储软件的只读存储器“ROM”、随机存取存储器“RAM”、非易失性存储装置等。此外，本公开的示例可以采用可从计算机可用存储介质或计算机可读存储介质访问的计算机程序产品的形式，计算机程序产品提供由计算机或任何指令执行系统使用或与之相关的程序代码。出于该描述的目的，计算机可用存储介质或计算机可读存储介质可以是能够包含、存储、通信、传播或传输由指令执行系统、装置或设备使用或与之相关的程序的任何装置。该介质可以是电子、磁性、光学、电磁、红外或半导体系统或装置或传播介质。计算机可读介质的示例包括半导体或固态存储器、磁带、可移除的计算机磁盘、随机存取存储器“RAM”、只读存储器“ROM”、刚性磁盘和光盘。目TM前的光盘示例包括光盘只读存储器“CD‑ROM”、读/写光盘“CD‑R/W”、Blu‑Ray 和DVD。

[0021] 如上所述，在医疗领域中，通常需要确定支架在管腔内的合适位置或“着陆区”。为了解决这个问题，本发明人提供了一种用于确定沿管腔的位置作为用于支架的端点位置的适合性的系统和方法。图1是示出了根据本公开的一些方面的确定沿管腔的位置作为用于支架的端点位置的适合性的系统100的示例的示意图。系统100包括一个或多个处理器120，其被配置成：

[0022] ‑从管腔内成像设备130接收S110表示沿管腔110的位置的管腔内图像1401...n的时间序列，其至少包括第一管腔内图像 以及

[0023] ‑识别S120第一管腔内图像 是否表示用于支架的合适的端点位置。

[0024] 如图1所示，系统100还可任选地包括以下中的一项或多项：管腔内成像设备130、体外成像系统240(如图1所示的X射线成像系统)或替代性地另一成像系统、一个或多个显示设备250和患者床260。系统100还可任选地包括用户接口设备，如键盘和/或指向设备(如鼠标)(图1中未示出)，用于控制该方法的执行。如图1中的互连箭头线所示，该系统的各要素之间是相互通信的。举例来说，血管内成像导管可以是IVUS成像导管，如可从Philips Healthcare(Best，荷兰)获得的Visions PV.014P RX。

[0025] 图2是示出了根据本公开的一些方面的确定沿管腔的位置作为用于支架的端点位置的适合性的方法的示例的流程图。图2所示的操作可由图1所示系统100的一个或多个处理器120来执行。图2所示的流程图包括上面关于图1描述的接收S110操作和识别S120操作，且还可任选地包括一个或多个操作S130、S140、S150和S160，如下文更详细地描述的。

[0026] 图3是示出了根据本公开的一些方面的确定沿管腔的位置作为用于支架的端点位置的适合性的示例。图3示意性地示出了上文所述的接收S110和识别S120的操作，且还可任选地包括下文更详细地描述的操作S130。

[0027] 参照图1至图3，在操作S110中，可通过任何形式的数据通信(包括有线和无线通信)接收管腔内图像1401...n的时间序列。举例来说，在使用有线通信时，通信可以通过电缆或光缆进行，而在使用无线通信时，通信可以例如通过RF或红外信号进行。管腔内图像1401...n可以直接从管腔内成像设备130接收，或者可以间接接收，例如通过计算机可读存储介质接收。因此，管腔内图像1401...n可表示在被接收前瞬间生成的实时图像，或者可以是提前几秒、几分钟、几小时、或甚至几天或更长时间生成的图像。如上所述，管腔内图像1401...n可以由IVUS成像设备或另一管腔内成像设备生成。图像的时间序列中的每个图像可被称为图像帧。

[0028] 在识别S120(第一管腔内图像 是否表示用于支架的合适的端点位置)的操作之前，可以将管腔内图像1401...n存储在例如图3所示的存储器MEM中，或存储在缓冲器(图3中未示出)中。操作S120可包括在显示设备上显示相关文本、或图标或另一标识，或通过另一视觉或音频警报生成标识。

[0029] 还可以结合上述的操作S110和S120来执行各种附加的操作。

[0030] 一般来说，识别S120(第一管腔内图像 是否表示用于支架的合适的端点位置)的操作可以基于管腔的测量值和/或管腔的形状，或由人工智能算法执行的分类。

[0031] 如上所述，医生通常会确定支架的着陆区，使得支架与病变区域重叠，且支架的端部位于健康区域内，同时优选地避免支架与任何汇合点重叠。表示健康区域的管腔内图像的管腔面积通常接近于患者群的平均管腔面积。相比之下，表示病变区域的管腔内图像通常包括压缩或血栓，在此位置管腔面积明显小于患者群的平均管腔面积。在管腔与相邻管腔之间存在分支的情况下会出现汇合点。在汇合点处，管腔会分叉，或者两个管腔会合并成单个管腔。表示汇合点的管腔内图像的管腔面积通常明显大于患者群的平均管腔面积。要在汇合点处定位支架而不使其有随时间移动的风险是困难的。因此，管腔的测量值可被用于区分健康区域、病变区域和汇合点，从而确定管腔内图像是否表示用于支架的合适的端点位置。

[0032] 管腔内图像中的管腔形状可以以类似的方式用于区分健康区域、不健康区域和汇合点，从而确定管腔内图像是否表示用于支架的合适的端点位置。例如，管腔的健康区域可具有接近圆形的形状，而比如压缩和血栓等病变区域可具有不规则的形状，即非圆形的形状。管腔中出现比如椭圆形或甚至锐角等不规则形状通常指示管腔的病变区域。然而，仅仅不规则形状可能不足以将管腔诊断为不健康，尤其是在管腔面积没有明显低于患者群的平均管腔面积的情况下。因此，在一些示例中，可以基于管腔形状和管腔的测量值、因数的组合来区分健康区域和不健康区域。在汇合点处，健康管腔的形状在围绕管腔轴线的主要旋转角度范围内可以是圆形的，而在围绕管腔轴线的次要旋转角度范围内，管腔的形状可向外凸出，在此情况下该管腔的壁由相邻管腔的壁限定。

[0033] 可以通过分割管腔内图像来得到管腔面积的测量值和形状。已知有多种图像分割技术用于此目的。例如，管腔的测量可包括确定分割后的管腔内图像中的最大管腔宽度和在正交方向上的相应宽度。还可以计算出其他的管腔尺寸，例如管腔横截面的小轴和大轴的测量值之间的差值或比率。管腔的测量值或形状可以通过将比如椭圆的形状拟合到分割后的管腔内图像中的管腔来确定。

[0034] 对管腔内图像进行分析以确定它们是否表示健康区域或病变区域或汇合点，从而确定它们是否表示用于支架的合适的端点位置，也可包括对上述的管腔测量值和管腔形状、因数中的一个或多个进行加权。

[0035] 使用人工智能算法的图像分类技术也可用于分析管腔内图像，从而确定它们是否表示用于支架的合适的端点位置。在通过人工智能算法对其进行分析之前，可以对管腔内图像进行分割，或者替代性地不提前对管腔内图像进行分割。举例来说，可以对神经网络进行训练，以便将管腔内图像分类为表示健康区域的图像，或表示比如压缩和血栓等病变区域的图像，或表示汇合点的图像。神经网络可替代性地被训练成直接对管腔内图像进行分类，以确定它们是否表示用于支架的合适的端点位置。神经网络可通过向神经网络输入训练数据并基于表示由神经网络预测的分类与标注之间的差异的损失函数的值而优化神经网络的参数来进行训练，其中训练数据包括已标注有其适合性的图像或上述更具体的“基准真值”分类中的一项。

[0036] 因此，图2所示的方法可任选地沿图2所示的左侧分支进行，并包括通过以下步骤实现的分析S130管腔内图像1401...n的时间序列的操作：

[0037] ‑分割管腔内图像1401...n，并将分割后的管腔内图像中表示的管腔110的测量值与预期测量值进行比较，和/或将分割后的管腔内图像中表示的管腔110的形状与预期形状进行比较；和/或

[0038] ‑使用人工智能算法对管腔内图像1401...n进行分类；以及

[0039] ‑其中，基于分析S130执行识别S120。

[0040] 由于在上述方法中分析操作S130是自动执行的，因此改进了工作流程和/或该方法提供了一致的分析。

[0041] 在替代性实施方式中，该方法沿图2所示的右侧分支进行。该实施方式参照图4进行说明，图4是示出了确定沿管腔的位置作为用于支架的端点位置的适合性的示例的示意图。根据本公开的一些方面，它包括分析S150术前管腔内图像1501...k的时间序列。在该实施方式中，在上述的操作S110和S120中被分别接收和识别的管腔内图像1401...n表示术中图像，且由一个或多个处理器执行另外的操作：

[0042] ‑从管腔内成像设备130接收S140表示管腔110的术前管腔内图像1501...k的时间序列；

[0043] ‑分析S150术前管腔内图像1501...k的时间序列，以确定术前管腔内图像是否表示用于支架的合适的端点位置；以及

[0044] ‑将第一术中管腔内图像 与术前管腔内图像1501...k进行比较S160，以识别匹配的术前管腔内图像 以及

[0045] 其中，识别S120基于针对匹配的术前管腔内图像 进行的分析S150的结果。

[0046] 在该实施方式中，分析操作S150也是自动执行的。在该实施方式中，术前管腔内图像1501...k是在早于术中图像1401...n的时间生成的。例如，术前管腔内图像1501...k可在术前IVUS回拉过程中生成，而术中图像1401...n则在随后的IVUS成像过程中生成，在此过程中，医生重新探查在术前IVUS回拉过程中被认为有意义的部位。以这种方式对术前图像进行分析减轻了确定用于支架的合适的端点位置的处理负担，因为该处理操作可在生成术前图像和术中图像之间的时间段内进行。

[0047] 在将第一管腔内图像 与术前管腔内图像z501...k进行比较S160以识别匹配的术前管腔内图像 的操作中，可以使用各种度量。例如，可在将图像相互配准后基于其图像强度中的差异来计算出最小二乘误差函数的值。替代性地，也可以使用学习到的相似性度量。还可以应用时间限制，以确保术前图像的序列和术中图像的序列中的匹配图像在回拉方向上是连贯的(coherent)。

[0048] 对术前管腔内图像1501...k的时间序列进行分析S150以确定术前管腔内图像是否表示用于支架的合适的端点位置的操作，可以以与上面关于操作S130中执行的分析描述的类似方式进行。因此，分析S150术前管腔内图像1501...k的时间序列可包括：

[0049] ‑分割术前管腔内图像1501...k，并将分割后的术前管腔内图像中表示的管腔110的测量值与预期测量值进行比较，和/或将分割后的术前管腔内图像中表示的管腔的形状与预期形状进行比较；和/或

[0050] ‑使用人工智能算法对术前管腔内图像1501...k进行分类。

[0051] 如上所述，在操作S150中执行的分析可包括：

[0052] ‑确定术前管腔内图像1501...k是否表示以下中的至少一项：管腔110的健康区域、管腔110中的汇合点、管腔110中的压缩和管腔110中的血栓。

[0053] 在一个示例中，在操作S160中进行的第一管腔内图像 与术前管腔内图像1501...k之间的比较，可以通过基于所考虑的图像及其相邻图像进行比较来改进。在该示例中，将第一术中管腔内图像 与术前管腔内图像1501...k进行比较S160以确定匹配的术前管腔内图像 的操作进一步包括：

[0054] ‑将第一术中管腔内图像 的一个或多个相邻的管腔内图像与术前管腔内图像1501...k的相对应的一个或多个相邻的图像进行比较，以确定是否存在匹配。

[0055] 这样做的效果是增强术中图像流和术前图像之间的时间一致性。

[0056] 在一个示例中，还可以显示分析S150术前管腔内图像1501...k的时间序列的结果。这样允许医生确定沿管腔的哪些部位值得用管腔内成像设备再次探查，以便确认该位置适用于支架。分析的结果可以以多种方式显示。例如，结果可被显示为沿着管腔轴线的术前管腔内图像1501...k的纵向视图，并包括标记或颜色编码，其指示沿管腔的每个位置作为用于支架的端点位置的适合性或其他方面。在另一示例中，可显示X射线图像，其包括由第一管腔内图像 表示的沿管腔110的位置。

[0057] 在另一示例中，管腔内图像是在沿管腔的不同位置处生成的，且管腔内图像的位置被在共用的X射线图像中示出。在确认这些位置适用于支架的过程中，由共用的X射线图像提供的解剖信息是有用的。在该示例中，X射线图像与管腔内图像同时生成，并执行映射操作，其中将管腔内图像中的一个沿管腔的位置从X射线图像中的一个映射到另一个X射线图像中的相应位置。

[0058] 该示例参照图5进行说明，图5是示出了根据本公开的一些方面的分别与第一管腔内图像140i和第二管腔内图像140m同时生成的第一X射线图像180和第二X射线图像190的示意图。图5所示的X射线图像180、190包括位于沿血管管腔110的相应的第一位置160和第二位置170处的管腔内成像导管。X射线图像180、190可包括作为界标的致密结构(例如骨)(图5中未示出)。然而，由于在管腔组织和水之间的X射线衰减值中差异较小，血管管腔110在X射线图像中几乎不可见。因此，图5中用虚线勾勒出血管管腔110。第一位置160和第二位置
170可对应于在管腔内成像导管回拉过程中血管内成像导管沿管腔的位置。这些位置可替代性地对应于医生已引导管腔内成像导管到达的血管内成像导管在管腔中的位置，且医生认为这些位置适合用于定位支架的端部。图5中通过虚线水平线示出了映射操作，该虚线水平线指示出将第二管腔内图像140m的位置170从第二X射线图像190中的管腔映射到第一X射线图像180中的相应位置。

[0059] 在图5所示的示例中，所示的管腔内图像140i和140m都表示管腔的健康区域的IVUS图像。管腔内图像140i中表示的健康管腔具有圆形形状，如由图像中的深色中心区域所表示的。尽管是更像椭圆形形状，但管腔内图像140m中表示的管腔仍被认为是健康的，因为其面积与类似患者群的平均管腔面积相比没有明显减小。作为对比，图6示出了不健康或“压缩”的管腔的管腔内IVUS图像140u，与类似患者群的平均管腔面积相比，该管腔的面积明显减小。

[0060] 在图5所示的示例中，除了上文参照图2所述的接收操作S110和识别操作S120外，第一管腔内图像 表示沿管腔110的第一位置160；而接收S110管腔内图像1401...n的时间序列的操作包括接收表示沿管腔110的第二位置170的第二管腔内图像 该方法还包括：

[0061] ‑接收第一X射线图像180和第二X射线图像190，第一X射线图像和第二X射线图像分别与第一管腔内图像 和第二管腔内图像 同时生成；

[0062] ‑确定第一腔内图像 和第二管腔内图像 在相应的第一X射线图像180和第二X射线图像190中的位置160、170；以及

[0063] ‑将第一管腔内图像 的确定的位置160和第二管腔内图像 的确定的位置170中的一个从相应的第一X射线图像180或第二X射线图像190映射到第一X射线图像180和第二X射线图像190中的另一个。

[0064] 在该示例中，X射线图像180、190可以通过任何数据通信方式接收，如上文关于管腔内图像1401...n的时间序列所述的。X射线图像180、190可以通过将其生成时间与管腔内成像系统生成管腔内图像1401...n的时间同步来同时生成。替代性地，可以通过从图像流中选择X射线或管腔内图像来提供同时的X射线图像和管腔内图像，以提供同时生成的图像，该图像是在与相应的管腔内图像或X射线图像最接近的时间生成的。在一个示例中，第一管腔内图像 和第二管腔内图像 是分别响应与第一X射线图像180和第二X射线图像190的生成从管腔内图像1401...n的时间序列中自动选择出的。

[0065] 在将第一管腔内图像 的确定的位置160和第二管腔内图像 的确定的位置170中的一个从相应的第一X射线图像180或第二X射线图像190映射到第一X射线图像180和第二X射线图像190中的另一个的操作中，可以使用各种技术。在一个示例中，第一X射线图像180和第二X射线图像190可以重叠，以便将该位置从一个X射线图像映射到另一个X射线图像。在另一示例中，映射包括：

[0066] ‑在第一X射线图像180和第二X射线图像190之间执行基于图像的配准；

[0067] ‑根据基于图像的配准，计算第一X射线图像180和第二X射线图像190中的对应图像特征之间的空间变换；以及

[0068] ‑其中，基于计算出的空间变换来执行映射。

[0069] 执行上述基于图像的配准可有利地补偿第一X射线图像180和第二X射线图像190的生成之间的任何运动，从而改善被映射的位置的准确性。

[0070] 一般来说，管腔内图像沿管腔的位置160、170可以基于在X射线图像180、190中检测管腔内成像设备的成像部分220或另一部分来确定。成像部分220通常包括在X射线图像中可见的不透射线材料。通过检测成像部分220，可基于管腔内成像设备的已知视场来确定在管腔内图像中被成像的管腔的被成像区域的相对位置。例如，一些IVUS成像导管通常具有在周向上围绕IVUS成像导管的纵向轴线并且还相对于其成像部分220在法线方向上的视场。其他IVUS成像导管的视场在周向上围绕IVUS成像导管的纵向轴线，并且相对于成像部分220在前视方向上倾斜。因此，可以基于检测到的成像部分的位置和已知的成像视场的信息来确定与管腔内图像相对应的沿管腔的位置。

[0071] 还可以在管腔内成像设备上设置一个或多个基准标记。基准标记包括可在X射线图像中检测到的不透射线材料。因此，可以基于不透射线标记的检测到的位置，以类似的方式确定管腔的被成像区域的相对位置。

[0072] 在确定管腔内图像在相应的X射线图像180、190中的位置160、170的操作中，可以使用各种技术。例如，设想到使用计算机视觉对象检测技术、图像分割技术和人工智能算法。举例来说，在使用人工智能算法时，人工智能算法可由神经网络来提供，该神经网络经过训练以识别管腔内成像导管的成像部分220在X射线图像中的位置。可以通过向神经网络输入包括成像部分220的基准真值位置的X射线图像训练数据，并使用表示由神经网络预测的成像部分220的预测位置与来自X射线图像训练数据的其基准真值位置之间的差值的损失函数来调整神经网络的参数，来训练神经网络以识别该位置。基准真值位置可由专家在X射线图像训练数据中识别出。用于这一目的的合适的神经网络类型包括U‑Net、UNet++、VNet、卷积神经网络“CNN”和基于区域的CNN“RCNN”等。

[0073] 因此，确定第一管腔内图像 和第二管腔内图像 在相应的第一X射线图像180和第二X射线图像190中的位置的操作可包括通过以下步骤来检测管腔内成像设备130的成像部分220在相应的第一X射线图像180和第二X射线图像190中的位置：

[0074] ‑执行计算机视觉对象检测技术；和/或

[0075] ‑分割第一X射线图像180和第二X射线图像190；和/或

[0076] ‑对相应的第一X射线图像180和第二X射线图像190应用经过训练的人工智能算法，以检测管腔内成像设备130的成像部分220。

[0077] 由一个或多个处理器执行的方法或操作还可任选地包括将成像部分220沿管腔110的检测到的位置160、170偏移预定距离，该预定距离表示管腔内成像设备的成像部分
220与由管腔内成像设备130成像的管腔110的被成像区域之间的位置差。这样，可以在X射线图像中确定管腔内图像的准确位置。

[0078] 如上所述，在确定支架的着陆区后，医生通常测量着陆区的长度，以便指定用于插入管腔的支架的长度。在一个示例中，该方法还包括确定位于第一腔内图像 的位置160和第二管腔内图像 的位置170之间的管腔的一部分的长度210。在该示例中，管腔内成像设备130包括多个基准标记2001…y，其沿设备130的长度轴向地设置，并且执行映射以使位置160、170被映射到其中的X射线图像180、190包括位于第一管腔内图像的位置160和第二管腔内图像 的位置170之间的基准标记2001...y中的一
个或多个；并且该方法进一步包括：

[0079] ‑基于在该位置被映射到其中的X射线图像180、190中的第一管腔内图像的位置160和第二管腔内图像 的位置170之间的基准标记的数量计数，计算位于第一管腔内图像 的位置160和第二管腔内图像 的位置170之间的管腔110的一部分的长度210。

[0080] 该示例参照图5进行说明。沿管腔内成像设备的长度轴向地设置的基准标记2001...y包括不透射线材料，如不锈钢、金、铂等，因此可在X射线图像180、190中检测到。有利的是，在该示例中，基准标记固有地存在于X射线图像中的一个内，因此无需在X射线图像中重新定位管腔内成像设备以便执行长度测量。此外，用于长度测量的基准标记的位置被固有地配准到待测量的管腔的一部分的一端，从而简化了测量。管腔110的该部分的计算出的长度210可与用于插入管腔110的支架的推荐长度相对应。

[0081] 可以使用图像分析技术在X射线图像中检测基准标记。这类技术在计算机视觉领域是已知的。可以使用比如前传播或快速行进等路径计算方法来确定基准标记的顺序。由于在该方法中计数是自动执行的，医生无需手动计数，因此简化了工作流程和/或避免了计数错误。由于在深静脉介入手术中治疗的病变管腔的长度较长，因此对基准标记进行手动计数容易出错。在此类手术中，病变管腔的长度可超过15厘米或更长。

[0082] 实际上，待测量的管腔110的长度210可不对应于基准标记的整数数量。在这种情况下，可以使用内插法(interpolation)来更准确地确定管腔110的该部分的长度210。因此，在一些示例中，计算管腔110的一部分的长度210的操作可包括：

[0083] ‑对基准标记2001...y中的一个或多个与第一位置160和/或第二位置170之间的距离进行内插。

[0084] 在一个示例中，图5所示的管腔内图像1401...n表示管腔的术中图像，且该方法还包括接收管腔的术前图像。在该示例中，以类似于上面关于图4描述的方式，对术前图像进行分析，以确定术前图像中的图像是否表示用于支架的合适的端点位置，且确定术中图像作为用于支架的端点位置的适合性包含将术中图像与术前图像进行比较。参照图5，在该示例中，管腔内图像1401...n表示术中图像，该方法进一步包括：

[0085] ‑从管腔内成像设备130接收S140表示管腔110的术前管腔内图像1501...k的时间序列；

[0086] ‑分析S150术前管腔内图像1501...k的时间序列，以确定术前管腔内图像是否表示用于支架的合适的端点位置；

[0087] ‑将第一术中管腔内图像 和第二术中管腔内图像 与术前管腔内图像1501...k进行比较，以识别相应的、匹配的的第一术前管腔内图像和第二术前管腔内图像；以及

[0088] ‑其中，识别S120包括基于针对匹配的第一术前管腔内图像和第二术前管腔内图像进行的分析S150的结果，识别第一术中管腔内图像 和第二术中管腔内图像是否表示用于支架的合适的端点位置，并显示针对匹配的第一术前管腔内图像
和/或第二术前管腔内图像进行的分析S150的结果230。

[0089] 例如，分析S150的结果230可以通过在显示器上提供文本标注来显示，如图5和图6中通过示例标注“健康”和“压迫”所示的，或以另外的方式显示。例如，可以通过图标来显示结果，或在X射线图像180、190中用一定的颜色或强度来突出显示该位置，该颜色或强度指示该位置作为用于支架的端点位置的适合性或其他方面。在另一示例中，可在X射线图像180中提供标记，其包括被映射的位置。该标记可以用颜色、或强度、或线条或符号(其指示分析的指示结果，即“健康”、“汇合点”、“压缩”或“血栓”)突出显示X射线图像的一定区域。

[0090] 如上所述，以这种方式对术前图像进行分析可减轻确定用于支架的合适的端点位置的处理负担，因为这种处理可以在生成术前图像和术中图像之间的时间间隔内进行。

[0091] 该示例还可包括接收用户输入的操作，该用户输入将沿管腔110的位置160、170确认为表示用于支架的合适的端点位置。这样给予医生确认适合性和/或选择替代性位置作为用于支架的端点位置的机会。根据该示例，该方法还包括：

[0092] ‑接收用户输入，该用户输入将沿管腔110的第一位置160和第二位置170确认为表示用于支架的合适的端点位置；以及

[0093] ‑其中，计算管腔110的一部分的长度210是自动执行的，且取决于接收的用户输入，其将沿管腔110的第一位置160和第二位置170确认为表示用于支架的合适的端点位置。

[0094] 上述方法中的任一种还可包括显示以下中的一项或多项：

[0095] ‑第一管腔内图像 和/或第二管腔内图像

[0096] ‑分析术前管腔内图像1501...k的时间序列的结果230；

[0097] ‑针对匹配的术前管腔内图像进行的分析的结果；

[0098] ‑针对匹配的第一术前管腔内图像和/或第二术前管腔内图像进行的分析的结果；

[0099] ‑第一X射线图像180和/或第二X射线图像190；

[0100] ‑管腔110的该部分的计算出的长度120。

[0101] 如上述示例所示，上述方法可以以不同的方式纳入临床操作中。应注意的是，在这些示例中的每一个之前，可有一个使用造影剂来提供脉管系统的图的初始X射线成像过程。这个初始过程，例如静脉造影，可包括使用数字减影血管造影“DSA”技术。

[0102] 上述示例应被理解为本公开的例示说明性示例而非限制性示例。还设想到另外的示例。例如，与系统100相关地描述的示例方法也可以以相对应的方式作为计算机实现的方法、计算机程序产品或通过计算机可读存储介质来提供。应理解的是，与任何一个示例相关地描述的特征可以单独使用，或与其它描述的特征组合使用，可以与另一示例的一个或多个特征组合使用，或与其它示例组合使用。此外，在不脱离在所附权利要求中限定的本发明范围的情况下，也可采用上面未描述的等同方案和修改方案。

[0103] 在权利要求中，“包括”一词并不排除其它要素或操作，不定冠词“一”或“一个”也不排除多个。在相互不同的从属权利要求中记载一些特征的事实并不表明这些特征的组合不能被用来发挥优势。权利要求中的任何附图标记不应被解释为限制其范围。