CN111161342B - 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质 - Google Patents

基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质 Download PDF

Info

Publication number
CN111161342B
CN111161342B CN201911252785.0A CN201911252785A CN111161342B CN 111161342 B CN111161342 B CN 111161342B CN 201911252785 A CN201911252785 A CN 201911252785A CN 111161342 B CN111161342 B CN 111161342B
Authority
CN
China
Prior art keywords
blood vessel
coronary
coronary angiography
diameter
precision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911252785.0A
Other languages
English (en)
Other versions
CN111161342A (zh
Inventor
向建平
夏永清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Arteryflow Technology Co ltd
Original Assignee
Arteryflow Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Arteryflow Technology Co ltd filed Critical Arteryflow Technology Co ltd
Priority to CN201911252785.0A priority Critical patent/CN111161342B/zh
Publication of CN111161342A publication Critical patent/CN111161342A/zh
Application granted granted Critical
Publication of CN111161342B publication Critical patent/CN111161342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Abstract

本申请公开了一种基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统以及可存储介质，其中方法包括：分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；依据所述冠脉血管三维模型计算得到所述血流储备分数。本申请利用不同投影角度的冠脉造影图像，重构冠脉血管三维模型，构建的冠脉血管三维模型不仅能够显示病变所在部位的血管狭窄程度，还能够准确直观的显示病变状态，精确计算冠状动脉的血流储备分数。

Description

基于冠脉造影图像获取血流储备分数的方法、装置、设备、系 统及可读存储介质
技术领域
本申请涉及医学影像技术领域，特别是涉及基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质。
背景技术
冠状动脉血管造影曾被认为是诊断冠心病的“金标准”，但它仅能定性地评价病变狭窄程度，却无法定量地评价病变狭窄对冠状动脉生理功能的影响，因此可能高估或低估病变的严重程度，导致需要治疗的病变没有处理或过度处理不需治疗的病变。1993年NicoPijls等提出了通过压力测定推算冠脉血流的新指标—血流储备分数(Fractional FlowReserve，FFR)。经过长期的基础与临床研究，FFR已经成为冠脉狭窄功能性评价的公认指标。
血流储备分数(FFR)是一种用于评价冠状动脉生理功能的参数，指在冠状动脉存在狭窄病变的情况下，该血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比，其等效压强比定义如下：冠状动脉在最大充血状态下，狭窄近端和心脏主动脉的压强的比值即为血流储备分数。
血管造影，是一种介入检测方法，由于X光无法穿透显影剂，将显影剂注入血管中，即可得到血管影像，但是血管造影并不具备测量血流储备分数的作用，无法评判冠脉是否存在功能性狭窄。如果需要测量血流储备分数还需要另外通过侵入式压力导丝，同时在静脉内施用腺苷诱导的条件下(冠状动脉处于最大充血状态)测量，加大了手术的复杂性，会提高患者风险，增加费用。
发明内容
基于此，提供一种风险更低，精度更高的血流储备分数的计算方法。
一种基于冠脉造影图像获取血流储备分数的方法，包括：
分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；
依据所述冠脉血管三维模型计算得到所述血流储备分数。
以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。
可选的，提取每幅冠脉造影图像的中心线和边界，具体包括：
步骤S100，获取目标血管的近似中心线；
步骤S200，沿所述近似中心线的法线方向对冠脉造影图像进行重采样，并计算重采样图像的耗费图，近似中心线法线方向上的两个最小耗费值对应的重采样点即为目标血管的中精度边界；
步骤S300，依据所述中精度边界确定中精度中心线；
步骤S400，以所述中精度中心线作为近似中心线，重复步骤S100～步骤S300直至收敛，得到高精度中心线和高精度边界。
可选的，依据所述中精度边界确定中精度中心线，具体包括：
步骤S301，确定中精度边界起始端的中心点和终末端的中心点；
步骤S302，以起始端的中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S303，以下一个中精度中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S304，重复步骤S303直至终末端的中心点位于圆内，各中精度中心点相连构成所述中精度中心线。
可选的，依据所述冠脉血管三维模型计算得到所述血流储备分数，具体包括：
计算参照血管直径，依据参照血管直径识别血管狭窄段；
计算血管狭窄段处的压强变化，所述压强变化至少包括扩张压降、粘性压降和伯努利压降；
依据所述压强变化计算血流储备分数。
可选的，所述计算参照血管直径，具体包括：
依据冠脉血管三维模型得到血管的直径曲线，采用以下任意一种方法得到参照血管直径：
(1)以血管起始端直径和终末端直径的线形差值作为血管对应位置处的参照血管直径；
(2)以血管起始端直径与血管上任意一点直径的线形差值作为血管对应位置处的参照血管直径；
(3)以血管终末端直径与血管上任意一点直径的线形差值作为血管对应位置处的参照血管直径；
(4)对血管的直径曲线上的各点进行线形拟合得到拟合线，将拟合线上移或者下移至60～80％直径曲线上的点位于拟合线下方，拟合线上的各点即为血管对应位置处的参照血管直径；
(5)获取直径曲线上的直径最小值，距离直径最小值最近的两个极大值点的线形差值即为血管对应位置处的参照血管直径。
可选的，在提取两幅冠脉造影图像的中心线和边界之前，在两幅冠脉造影图像上选取至少一对匹配点进行校正。
本申请还提供了一种基于冠脉造影图像获取血流储备分数的装置，包括：
第一模块，用于分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
第二模块，用于对两幅冠脉造影图像进行中心线匹配和边界匹配，构建冠脉血管三维模型；
第三模块，用于依据所述冠脉血管三维模型计算得到所述血流储备分数。
本申请还提供了一种计算机设备，包括：存储器和处理器，所述存储器内存储有计算机程序，所述处理器执行所述计算机程序时，实现所述的基于冠脉造影图像获取血流储备分数的方法。
本申请还提供了一种基于冠脉造影图像获取血流储备分数的系统，包括终端以及服务器，所述服务器包括存储器和处理器，所述存储器内存储有计算机程序，所述服务器从终端获取冠脉造影图像；所述处理器执行所述计算机程序时，实现所述的基于冠脉造影图像获取血流储备分数的方法。
本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被计算机处理器执行时实现所述的基于冠脉造影图像获取血流储备分数的方法。
本申请利用不同投影角度的冠脉造影图像，重构冠脉血管三维模型，利用冠脉血管三维模型以及压降方程得到三维血管模型所表达区域的冠状动脉的压力分布，并利用压力分布计算得到血流储备分数。
附图说明
图1a为冠脉造影图像；
图1b为冠脉造影图像，且与图1a为同一血管同一心脏相位的不同拍摄角度；
图2a为图1a中的匹配点；
图2b为图2b中的匹配点；
图3为依据所述边界确定中心线的过程示意图；
图4为利用最小路径法的示意图；
图5为获取的边界示意图；
图6为获取的边界示意图；
图7为中心线匹配的示意图；
图8为生成血管轮廓骨架的原理图；
图9为生成血管轮廓骨架其中一截面的原理图；
图10为构建的冠脉血管三维模型示意图；
图11为计算机设备示意图；
图12为本申请基于冠脉造影图像获取血流储备分数的方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了更好地描述和说明本申请的实施例，可参考一幅或多幅附图，但用于描述附图的附加细节或示例不应当被认为是对本申请的发明创造、目前所描述的实施例或优选方式中任何一者的范围的限制。
需要说明的是，当组件被称为与另一个组件“连接”时，它可以直接与另一个组件连接或者也可以存在居中的组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
参见图12所示，一种基于冠脉造影图像获取血流储备分数的方法，包括：
分别提取两幅冠脉造影图像的中心线和边界，两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；
依据冠脉血管三维模型计算得到血流储备分数。
本申请依据冠脉造影图像获取血流储备分数，为非浸入式方法，冠脉造影图像可以采用数字减影造影方法(DSA)获得，在不向体内注射血管扩张剂的前提下，计算得到血流储备分数，可以降低风险和费用，避免血管扩张剂对患者身体造成损伤，可用于预测冠状动脉血流和心机灌注的医疗治疗、介入治疗和手术治疗的结果。
构建的冠脉血管三维模型不仅能够显示病变所在部位的血管狭窄程度，还能够准确直观的显示病变状态，精确计算冠状动脉的血流储备分数。
参见图1a、图1b所示，两幅冠脉造影图像为同一血管同一心脏相位时不同拍摄角度处获得的图像，同一心脏相位可以选择心脏舒张末期。
利用仪器采集冠脉造影图像时，通常采用标准模型对仪器进行参数校正，但是这种方法时间和人力成本较高，且每次调整完毕后，经过一段时间后仍需再次进行校正。
为了提高冠脉血管三维模型构建的准确性，在其中一个实施例中，在提取两幅冠脉造影图像的中心线和边界之前，在两幅冠脉造影图像上选取至少一对匹配点进行校正。
参见图2a、图2b所示，在两幅冠脉造影图像上选取位置对应的点作为一对匹配点，例如选取相同分支的分叉点作为匹配点，匹配点可以为一对、两对、三对、四对，甚至更多对，利用匹配点的位置关系对仪器的角度、悬臂、接收器位置偏移进行校正。
通过两幅冠脉造影图像对仪器系统误差进行校正，不仅简单易行，而且每次拍摄时都可以进行校正，校正后的参数精度高于仪器的精度。
在其中一个实施例中，提取每幅冠脉造影图像的中心线和边界，具体包括：
步骤S100，获取目标血管的近似中心线；
步骤S200，沿近似中心线的法线方向(近似中心线上每个点处的法线方向对应一条扫描线)对冠脉造影图像进行重采样，并计算重采样图像的耗费图，近似中心线法线方向上的两个最小耗费值对应的重采样点即为目标血管的中精度边界；
步骤S300，依据中精度边界确定中精度中心线；
步骤S400，以中精度中心线作为近似中心线，重复步骤S100～步骤S300直至收敛，得到高精度中心线和高精度边界。
近似中心线的获得可以采用现有技术，例如，确定血管的起点和终点，采用最短路径法得到目标血管的近似中心线。
沿近似中心线的法线方向对冠脉造影图像进行稀疏重采样，以重采样点代替冠脉造影图像的原始像素点，以双线性插值方法计算重采样点的灰度值并存储为采样图，计算采样图中各重采样点的一阶导数和二阶导数，以各重采样点的一阶导数与二阶导数加权和的倒数作为耗费值，各耗费值构成重采样图像的耗费图。
近似中心线在血管起始端的法线方向上的最小耗费值作为边界起点，近似中心线在血管终末端的法线方向上的最小耗费值作为边界重点，通过dijkstra最小路径算法找到起点至终点的最短路径，经平滑后得到边界曲线，参见图5、图6所示。
参见图4所示，在耗费图上执行dijkstra最小路径算法时，每个耗费点与周围8个邻点的连接关系如图所示，其中，Li为第i条扫描线，对于Li上的重采样点e，在其邻域内有8个相邻点，在耗费图上执行最小路径算法时，设定点e仅与下一条扫描线Li+1上的点e1、e2、e3有连接通路，从而避免因血管分支而造成的边界失真问题，同时生成的边界线也较为光滑。
边界曲线还可以通过手工进行调整优化，将该最短路径映射到原图像，即得到中精度边界。
在其中一个实施例中，参见图3所示，依据中精度边界确定中精度中心线，具体包括：
步骤S301，确定中精度边界起始端的中心点和终末端的中心点；
步骤S302，以起始端的中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S303，以下一个中精度中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S304，重复步骤S303直至终末端的中心点位于圆内，各中精度中心点相连构成中精度中心线。
参见图3所示，连接边界线L1和边界线L2的起点，得到线段AB，线段AB的中点为起点P0，连接边界线L1和边界线L2的终点，得到线段CD，线段CD的中点为起点Pn。
以P0为圆心，以R(R小于边界线L1和边界线L2最小间距的一半，R值越小，中心线精度越高，但计算量也会相应增加，在血管弯曲程度较小的地方，R值可以适当选择的大些，在血管弯曲程度较大的地方，R值尽可能地选择小些)为半径画圆，在圆周上找到与边界线L1和边界线L2距离相等的两个备选点，由边界线走向判定下一个中心点P1。例如，已找到中心点Pi，以Pi为圆心，半径为R画圆，在圆周上找到与边界线L1和边界线L2距离相等的两个备选点，取不与Pi-1重合的点作为下一个中心点Pi+1，重复步骤直至Pn位于圆内，终止迭代，依次连接P0，P1，…，Pn，得到中精度中心线。
获得血管精确的边界信息和中心线信息后，利用两幅冠脉造影图像重构冠脉血管三维模型，本申请首先对两幅图像的高精度中心线进行匹配。
参见图7所示，图像点m1是空间点P的投影，空心点F1、空心点F2在图像1上具有相同的投影，因此无法判断m1是哪个点的投影，直线F1-F2上的所有点都投影在m1上，而f1和f2是F1和F2在图像2上的投影点。简而言之，图像点m1对应于线f1-f2，称为极线。图像1中冠脉中心线上的各点对应的外极线与图像2中的中心线相交形成配对关系，使用反投影获得冠脉血管三维模型的中心线。
参见图8、图9所示，S1和S2为DSA造影拍摄时X光源位置(也即拍摄点)，血管边界MN为S1对血管拍摄时的投影位置，同样的，血管边界AB为S2对血管拍摄时的投影位置。平面S1-MN与血管中心线法向截面Ф相交在L1，同样的，S2-AB与血管中心线法向截面Ф相交在L2，线L1和线L2同时处于平面Ф，构成血管轮廓骨架，根据此交叉几何形状生成的非均匀B样条曲线，就是匹配的中心点S1-S2位置处的血管轮廓。
根据反投影获得的血管轮廓骨架，生成非均匀B样条曲线，并从血管中心线的起始端到终末端进行扫描，构建整个血管轮廓点云，参见图10所示。生成的血管轮廓点云中，对于曲线扭曲较严重，转角过大等原因造成的中心线错误匹配，可对点云选取特定距离进行下采样，以清理多余的点，实现血管轮廓点云进行修正及平滑，有助于点云清除远离容器结构的错误点，同时提高表面提取效率。
在其中一个实施例中，依据冠脉血管三维模型计算得到血流储备分数，具体包括：
计算参照血管直径，依据参照血管直径识别血管狭窄段；
计算血管狭窄段处的压强变化，压强变化至少包括扩张压降、粘性压降和伯努利压降；
依据压强变化计算血流储备分数。
在其中一个实施例中，计算参照血管直径，具体包括：
依据冠脉血管三维模型得到血管的直径曲线(得到冠脉血管三维模型后，利用内切圆扫描法得到血管中心点以及对应位置处的血管直径，利用血管中心点和对应的血管直径得到血管的直径曲线，横坐标为血管中心点，纵坐标为血管直径)，采用以下任意一种方法得到参照血管直径：
(1)以血管起始端直径和终末端直径的线形差值作为血管对应位置处的参照血管直径；(即以血管起始端直径和终末端直径的连线作为参照血管的直径变化线，直径变化线上的各点即为血管对应位置处的参照血管直径)
(2)以血管起始端直径与血管上任意一点直径的线形差值作为血管对应位置处的参照血管直径；
(3)以血管终末端直径与血管上任意一点直径的线形差值作为血管对应位置处的参照血管直径；
(4)对血管的直径曲线上的各点进行线形拟合得到拟合线，将拟合线上移或者下移至60～80％(优选70％)直径曲线上的点位于拟合线下方，拟合线上的各点即为血管对应位置处的参照血管直径；
(5)获取直径曲线上的直径最小值，距离直径最小值最近的两个极大值点的线形差值即为血管对应位置处的参照血管直径。
例如，直径曲线上的直径最小值为S，在S左侧找到距离S最近的直径极大值点A，在S右侧找到距离S最近的直径极大值点B，直径极大值点A和直径极大值点B之间的线形差值即为血管对应位置处的参照血管直径。
在冠脉造影图像中，获得造影剂完全充满目标血管的帧数，并换算为充盈时间，通过冠脉血管三维模型计算目标血管体积，利用目标血管体积除以充盈时间，得到冠脉入口流量值。
利用高精度中心线和冠脉血管三维模型，做血管的切平面，得到位置-面积函数，基于假设计算血管各位置处校正的流量，假设可以为：血管流速与血管半径成正比、管径面积与流量成正比，流量保持不变、管径壁面切应力保持不变中的至少一种。
通过冠脉血管三维模型与参照血管的关系识别狭窄段，并计算狭窄段对应的参照血管的管径面积以及压强变化，进而计算血流储备分数。
本申请在计算压强变化时，至少包括扩张压降、粘性压降以及伯努利变化项，且针对血管各处分别计算压强变化，并对结果进行积分运算，得到整体压强变化。
在一个实施例中，提供了一种基于冠脉造影图像获取血流储备分数的装置，包括：
第一模块，用于分别提取两幅冠脉造影图像的中心线和边界，两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
第二模块，用于对两幅冠脉造影图像进行中心线匹配和边界匹配，构建冠脉血管三维模型；
第三模块，用于依据冠脉血管三维模型计算得到血流储备分数。
关于各模块中功能限定可参见上文中对于基于冠脉造影图像获取血流储备分数方法的限定，在此不再赘述。上述基于冠脉造影图像获取血流储备分数的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本实施例提供的基于冠脉造影图像获取血流储备分数的装置可配置在远端，通过与之相连的远程终端获取冠脉造影图像，还可以是本实施例装置本身就配置在终端(例如用户使用的计算机或医用检测设备)，直接通过冠脉图像采集装置获取冠脉造影图像。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于冠脉造影图像获取血流储备分数方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供一种计算机设备，包括：存储器和处理器，存储器内存储有计算机程序，处理器执行计算机程序时，实现如下步骤：
分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；
依据所述冠脉血管三维模型计算得到所述血流储备分数。
在一个实施例中，提供一种基于冠脉造影图像获取血流储备分数的系统，包括终端以及服务器，服务器包括存储器和处理器，存储器内存储有计算机程序，服务器从终端获取冠脉造影图像；处理器执行计算机程序时，实现如下步骤：
分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；
依据所述冠脉血管三维模型计算得到所述血流储备分数。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被计算机处理器执行时实现如下步骤：
分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；
依据所述冠脉血管三维模型计算得到所述血流储备分数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.基于冠脉造影图像获取血流储备分数的方法，其特征在于，包括：
分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度；
对两幅冠脉造影图像依次进行中心线匹配和边界匹配，构建冠脉血管三维模型；
依据所述冠脉血管三维模型计算得到所述血流储备分数；
提取每幅冠脉造影图像的中心线和边界，具体包括：
步骤S100，获取目标血管的近似中心线；
步骤S200，沿所述近似中心线的法线方向对冠脉造影图像进行重采样，并计算重采样图像的耗费图，近似中心线法线方向上的两个最小耗费值对应的重采样点即为目标血管的中精度边界，所述计算重采样图像的耗费图，具体包括：计算重采样点的一阶导数和二阶导数，以各重采样点的一阶导数与二阶导数加权和的倒数作为耗费值，各耗费值构成重采样图像的耗费图；
步骤S300，依据所述中精度边界确定中精度中心线，具体包括：
步骤S301，确定中精度边界起始端的中心点和终末端的中心点；
步骤S302，以起始端的中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S303，以下一个中精度中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S304，重复步骤S303直至终末端的中心点位于圆内，各中精度中心点相连构成所述中精度中心线
步骤S400，以所述中精度中心线作为近似中心线，重复步骤S100~步骤S300直至收敛，得到高精度中心线和高精度边界。
2.根据权利要求1所述的基于冠脉造影图像获取血流储备分数的方法，其特征在于，依据所述冠脉血管三维模型计算得到所述血流储备分数，具体包括：
计算参照血管直径，依据参照血管直径识别血管狭窄段；
计算血管狭窄段处的压强变化，所述压强变化至少包括扩张压降、粘性压降和伯努利压降；
依据所述压强变化计算血流储备分数。
3.根据权利要求2所述的基于冠脉造影图像获取血流储备分数的方法，其特征在于，所述计算参照血管直径，具体包括：
依据冠脉血管三维模型得到血管的直径曲线，采用以下任意一种方法得到参照血管直径：
（1）以血管起始端直径和终末端直径的线形差值作为血管对应位置处的参照血管直径；
（2）以血管起始端直径与血管上任意一点直径的线形差值作为血管对应位置处的参照血管直径；
（3）以血管终末端直径与血管上任意一点直径的线形差值作为血管对应位置处的参照血管直径；
（4）对血管的直径曲线上的各点进行线形拟合得到拟合线，将拟合线上移或者下移至60~80%直径曲线上的点位于拟合线下方，拟合线上的各点即为血管对应位置处的参照血管直径；
（5）获取直径曲线上的直径最小值，距离直径最小值最近的两个极大值点的线形差值即为血管对应位置处的参照血管直径。
4.根据权利要求1~3任一项所述的基于冠脉造影图像获取血流储备分数的方法，其特征在于，在提取两幅冠脉造影图像的中心线和边界之前，在两幅冠脉造影图像上选取至少一对匹配点进行校正。
5.基于冠脉造影图像获取血流储备分数的装置，其特征在于，包括：
第一模块，用于分别提取两幅冠脉造影图像的中心线和边界，所述两幅冠脉造影图像获取自同一血管同一心脏相位时的不同拍摄角度，提取每幅冠脉造影图像的中心线和边界，具体包括：
步骤S100，获取目标血管的近似中心线；
步骤S200，沿所述近似中心线的法线方向对冠脉造影图像进行重采样，并计算重采样图像的耗费图，近似中心线法线方向上的两个最小耗费值对应的重采样点即为目标血管的中精度边界，所述计算重采样图像的耗费图，具体包括：计算重采样点的一阶导数和二阶导数，以各重采样点的一阶导数与二阶导数加权和的倒数作为耗费值，各耗费值构成重采样图像的耗费图；
步骤S300，依据所述中精度边界确定中精度中心线，具体包括：
步骤S301，确定中精度边界起始端的中心点和终末端的中心点；
步骤S302，以起始端的中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S303，以下一个中精度中心点为圆心，以小于两条中精度边界最小间距一半的尺寸为半径做圆，以该圆的圆周上具有与两条中精度边界距离相等的两个备选点，以沿近似中心线更靠近终末端中心点的备选点作为下一个中精度中心点；
步骤S304，重复步骤S303直至终末端的中心点位于圆内，各中精度中心点相连构成所述中精度中心线
步骤S400，以所述中精度中心线作为近似中心线，重复步骤S100~步骤S300直至收敛，得到高精度中心线和高精度边界；
第二模块，用于对两幅冠脉造影图像进行中心线匹配和边界匹配，构建冠脉血管三维模型；
第三模块，用于依据所述冠脉血管三维模型计算得到所述血流储备分数。
6.计算机设备，包括：存储器和处理器，所述存储器内存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1~4任一项所述的基于冠脉造影图像获取血流储备分数的方法。
7.基于冠脉造影图像获取血流储备分数的系统，包括终端以及服务器，所述服务器包括存储器和处理器，所述存储器内存储有计算机程序，其特征在于，所述服务器从终端获取冠脉造影图像；所述处理器执行所述计算机程序时，实现如权利要求1~4任一项所述的基于冠脉造影图像获取血流储备分数的方法。
8.计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现如权利要求1~4任一项所述的基于冠脉造影图像获取血流储备分数的方法。
CN201911252785.0A 2019-12-09 2019-12-09 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质 Active CN111161342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911252785.0A CN111161342B (zh) 2019-12-09 2019-12-09 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911252785.0A CN111161342B (zh) 2019-12-09 2019-12-09 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质

Publications (2)

Publication Number Publication Date
CN111161342A CN111161342A (zh) 2020-05-15
CN111161342B true CN111161342B (zh) 2023-08-29

Family

ID=70556608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911252785.0A Active CN111161342B (zh) 2019-12-09 2019-12-09 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN111161342B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754506B (zh) * 2020-07-01 2024-02-06 杭州脉流科技有限公司 基于腔内影像的冠脉狭窄率计算方法、装置、系统和计算机存储介质
CN111815622B (zh) * 2020-07-27 2024-04-02 北京市神经外科研究所 一种支架模拟中心线的优化方法、装置以及设备
CN112419484B (zh) * 2020-11-25 2024-03-22 苏州润迈德医疗科技有限公司 三维血管合成方法、系统及冠状动脉分析系统和存储介质
CN112419279B (zh) * 2020-11-25 2024-02-23 苏州润迈德医疗科技有限公司 二维图像选取及三维血管合成的方法和存储介质
CN112419462A (zh) * 2020-11-25 2021-02-26 苏州润迈德医疗科技有限公司 三维血管的渲染合成方法、系统及存储介质
CN112419277B (zh) * 2020-11-25 2024-02-23 苏州润迈德医疗科技有限公司 三维血管中心线合成方法、系统及存储介质
CN112614217A (zh) * 2020-12-17 2021-04-06 深圳睿心智能医疗科技有限公司 管状物三维模型的拉直方法、装置及电子设备
CN112971818B (zh) * 2021-01-28 2022-10-04 杭州脉流科技有限公司 微循环阻力指数的获取方法、装置、计算机设备和存储介质
CN113674392B (zh) * 2021-07-06 2023-06-02 北京阅影科技有限公司 三维血管模型的生成方法及其装置
CN113744246B (zh) * 2021-09-03 2023-07-18 乐普（北京）医疗器械股份有限公司 根据血管断层扫描图像预测血流储备分数的方法和装置
CN113850903A (zh) * 2021-09-24 2021-12-28 北京阅影科技有限公司 确定血管流量的方法、装置、计算机存储介质及处理器
CN114170134B (zh) * 2021-11-03 2023-03-10 杭州脉流科技有限公司 基于颅内dsa影像的狭窄评估方法及装置
CN114287954A (zh) * 2021-12-13 2022-04-08 杭州脉流科技有限公司 颅内血管狭窄的功能学评估方法、系统、电子设备及介质
CN113974574A (zh) * 2021-12-15 2022-01-28 潍坊医学院 基于多模态光学的成像系统及成像方法
CN114403817B (zh) * 2022-01-25 2023-03-10 首都医科大学附属北京安贞医院 一种冠脉径向变化测定方法和装置
CN114565590B (zh) * 2022-03-03 2022-10-25 北京安德医智科技有限公司 血管数据集扩增方法及装置、电子设备和存储介质
CN115018825B (zh) * 2022-08-02 2023-01-10 深圳科亚医疗科技有限公司 一种冠脉优势型的分类方法、分类装置及存储介质
CN116051458A (zh) * 2022-11-23 2023-05-02 杭州脉流科技有限公司 基于术前冠脉造影影像评估术后冠脉血流储备分数的方法和计算机设备
CN116035549A (zh) * 2022-11-23 2023-05-02 杭州脉流科技有限公司 获得冠脉血流储备分数的方法和计算机设备
CN116205917B (zh) * 2023-04-28 2023-08-11 杭州脉流科技有限公司 获取冠脉血流储备的方法、装置、计算机设备和存储介质
CN116206162B (zh) * 2023-04-28 2023-08-01 杭州脉流科技有限公司 基于造影影像的冠脉血流储备获取方法、装置及设备
CN117036531B (zh) * 2023-10-10 2023-12-22 杭州脉流科技有限公司 基于gpu的血流储备分数得到方法、系统及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923713A (zh) * 2010-08-04 2010-12-22 中国科学院自动化研究所 一种提取冠状动脉血管中心线的方法
CN105792738A (zh) * 2013-12-04 2016-07-20 皇家飞利浦有限公司 用于改善功能狭窄分析的局部ffr估计和可视化
CN106327487A (zh) * 2016-08-18 2017-01-11 苏州润心医疗科技有限公司 基于x射线冠脉造影图像的冠状动脉血流储备分数计算方法
CN107133959A (zh) * 2017-06-12 2017-09-05 上海交通大学 一种快速的血管边界三维分割方法及系统
WO2018050806A1 (en) * 2016-09-16 2018-03-22 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
CN108186038A (zh) * 2018-02-11 2018-06-22 杭州脉流科技有限公司 基于动脉造影影像计算冠脉血流储备分数的系统
EP3375364A1 (en) * 2017-01-23 2018-09-19 Shanghai United Imaging Healthcare Co., Ltd. System and method for analyzing blood flow state
CN108735270A (zh) * 2018-05-25 2018-11-02 杭州脉流科技有限公司 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7742629B2 (en) * 2003-09-25 2010-06-22 Paieon Inc. System and method for three-dimensional reconstruction of a tubular organ
US10373700B2 (en) * 2012-03-13 2019-08-06 Siemens Healthcare Gmbh Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US10595807B2 (en) * 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
US9814433B2 (en) * 2012-10-24 2017-11-14 Cathworks Ltd. Creating a vascular tree model
CN107730540B (zh) * 2017-10-09 2020-11-17 全景恒升（北京）科学技术有限公司 基于高精度匹配模型的冠脉参数的计算方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923713A (zh) * 2010-08-04 2010-12-22 中国科学院自动化研究所 一种提取冠状动脉血管中心线的方法
CN105792738A (zh) * 2013-12-04 2016-07-20 皇家飞利浦有限公司 用于改善功能狭窄分析的局部ffr估计和可视化
CN106327487A (zh) * 2016-08-18 2017-01-11 苏州润心医疗科技有限公司 基于x射线冠脉造影图像的冠状动脉血流储备分数计算方法
WO2018050806A1 (en) * 2016-09-16 2018-03-22 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
EP3375364A1 (en) * 2017-01-23 2018-09-19 Shanghai United Imaging Healthcare Co., Ltd. System and method for analyzing blood flow state
CN107133959A (zh) * 2017-06-12 2017-09-05 上海交通大学 一种快速的血管边界三维分割方法及系统
CN108186038A (zh) * 2018-02-11 2018-06-22 杭州脉流科技有限公司 基于动脉造影影像计算冠脉血流储备分数的系统
CN108735270A (zh) * 2018-05-25 2018-11-02 杭州脉流科技有限公司 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗忠池,汪源源,王威琪,张良惠,钱菊英,葛均波.冠状动脉血管阻抗估计系统及其临床应用.声学技术.2004,(01),全文. *

Also Published As

Publication number Publication date
CN111161342A (zh) 2020-05-15

Similar Documents

Publication Publication Date Title
CN111161342B (zh) 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
JP7203077B2 (ja) 血管内画像化システムの作動方法
US20230075598A1 (en) Lumen Morphology And Vascular Resistance Measurements Data Collection Systems Apparatus And Methods
US11213354B2 (en) Systems and methods for correction of artificial deformation in anatomic modeling
US20210338088A1 (en) Method and Apparatus for Quantitative Hemodynamic Flow Analysis
Galassi et al. 3D reconstruction of coronary arteries from 2D angiographic projections using non-uniform rational basis splines (NURBS) for accurate modelling of coronary stenoses
EP3404614B1 (en) Method for reconstructing a reconstruction data set of a vessel segment, imaging device, computer program, and storage medium
JP2021533950A (ja) 血管断面関数、血管圧力差と血管応力の作成方法及び装置
Jiang et al. Fractional flow reserve for coronary stenosis assessment derived from fusion of intravascular ultrasound and X-ray angiography
CN112971818A (zh) 微循环阻力指数的快速获取方法、装置、计算机设备和存储介质
CN114664455A (zh) 一种冠状动脉血流储备分数计算方法及装置
CN116649995B (zh) 基于颅内医学影像的血流动力学参数获取方法和装置
CN117788523A (zh) 医学图像的配准方法、控制方法、系统、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant