CN104091346A - 一种全自动ct图像冠状动脉钙化分数计算方法 - Google Patents
一种全自动ct图像冠状动脉钙化分数计算方法 Download PDFInfo
- Publication number
- CN104091346A CN104091346A CN201410356582.7A CN201410356582A CN104091346A CN 104091346 A CN104091346 A CN 104091346A CN 201410356582 A CN201410356582 A CN 201410356582A CN 104091346 A CN104091346 A CN 104091346A
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- image
- calcification
- contrastographic picture
- automatic
- 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.)
- Granted
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种全自动CT图像冠状动脉钙化分数计算方法。该方法首先利用同一病人的冠状动脉CT造影图像,分割心脏及主动脉区域,提取冠状动脉中轴线并命名,然后将这些结果通过图像配准映射到普通CT图像上,生成一个用于钙化点检测的感兴趣区域,从而精确定位CT图像中位于冠状动脉血管壁上的钙化点。此外,利用冠状动脉中轴线命名结果,本方法还能区分属于不同冠状动脉主要分支的钙化点。本发明公开的方法能够有效提高冠状动脉钙化分数计算的准确性及计算机辅助诊断的效率。
Description
技术领域
本发明涉及图像处理技术领域,特别是用于CT图像的冠状动脉钙化分数的全自动计算方面。
背景技术
冠心病是威胁人类健康的一种严重疾病,多年来冠心病在国内外均位列人类致死原因的前几位。位于冠状动脉上的钙化点是冠心病的一个重要临床症状,正确识别钙化点及钙化的严重程度将有助于准确地进行冠心病诊断并制定最终治疗方案。根据国际心血管CT协会(Society of Cardiovascular Computed Tomography)提出的心血管CT图像诊断标准(参见Raff,G.L.等人发表的论文“SCCT guidelines for the interpretation and reporting of coronary computed tomographic angiography”,Journal of Cardiovascular Computed Tomography,3(2),122--136(2009)),临床上采用不注射造影剂的CT图像计算冠状动脉的Agatston钙化分数(Calcium scoring),用来评估冠状动脉钙化的严重程度。此外,还应该对位于冠状动脉血管树四大主要分支(左主支、左前降支、左旋支和右冠状动脉)及其分支血管上的钙化点加以区分,从而分别计算这些主要分支各自的血管钙化分数。目前,临床上使用的商业软件均采用手工选择的方法来来确定冠状动脉上钙化点,并进一步计算钙化分数,这样导致医生的工作量较大。因此,有必要设计相关的算法来实现自动计算钙化分数,以减少医生手工操作的工作量。但是,在冠状动脉周围的组织内,如心腔、主动脉等,也会存在形状及图像灰度值近似的钙化点。
如图1所示,为不加造影剂的CT图像,其中的亮点分别为主动脉钙化点1和冠状动脉钙化点2,可见心脏、冠状动脉及其周围组织的边界不够清晰,并且从已有的相关算法结果表明仅利用CT图像自动确定冠状动脉钙化点准确性较低。此外,由于在CT图像中无法提取冠状动脉,对不同主动脉分支上的钙化点加以区分也存在较大困难。所以,如何准确的识别冠状动脉上的钙化点并确定其所属血管分支成为了自动计算冠状动脉钙化分数算法亟需解决的关键问题。
近年来,随着冠状动脉CT造影成像方式的广泛使用,在利用CT进行冠心病筛查时,除了采集不注射造影剂的普通CT图像外,还会采集空间分辨率更高的冠状动脉CT造影图像,如图2所示。CT造影图像能够较为准确地提供心脏内的解剖结构,使得医生能够在利用CT图像计算冠状动脉钙化分数的同时,还可以观察到图2中的冠状动脉4、心腔及主动脉3的解剖结构。如果能利用冠状动脉CT造影图像提供的解剖结构信息定位普通CT图像中冠状动脉的钙化点,将能够解决冠状动脉钙化点的定位不精确且无 法确定其所属分支这两个难点问题。
发明内容
要解决的技术问题:针对现有技术的不足,本发明提出一种全自动CT图像冠状动脉钙化分数的计算方法,解决现有的CT图像中自动定位冠状动脉钙化点精度较低且无法确定其所属分支这两个难点问题。
技术方案:为解决上述技术问题,本发明采用以下技术方案:
一种全自动CT图像冠状动脉钙化分数计算方法,利用同一病人的CT图像和注射造影剂增强的CT造影图像自动分割CT图像中的冠状动脉钙化点,并利用钙化点分割结果计算钙化分数,具体包括顺序执行的以下步骤:
步骤(1)、分割CT造影图像中的主动脉及心脏;
步骤(2)、提取CT造影图像中的冠状动脉血管中轴线并对其进行分割;
步骤(3)、将同一病人的CT图像和CT造影图像进行配准从而获得形变参数,然后利用获得的形变参数将步骤(1)和步骤(2)中分割出来的主动脉、心脏以及冠状动脉血管中轴线进行形变后映射到CT图像中,生成用于冠状动脉钙化点检测的感兴趣区域;
步骤(4)、在用于冠状动脉钙化点检测的感兴趣区域内获取冠状动脉钙化点检测结果并计算冠状动脉钙化分数。
本发明首先从空间分辨率更高、图像显示更为清晰的CT造影图像入手,将检测冠状动脉钙化点所涉及到的心脏、主动脉以及冠状动脉均分割出来,再结合图像配准的方法将分割出来的心脏、主动脉以及冠状动脉都映射到最终检测冠状动脉钙化点的CT图像上,使得原本结构不够清晰的CT图像可以明显区分心脏、主动脉以及冠状动脉,然后在CT图像上仅选择冠状动脉作为冠状动脉钙化点检测的感兴趣区域。这样综合CT图像和CT造影图像,可以将冠状动脉钙化点检测限定在冠状动脉附近的区域范围内,提高了冠状动脉钙化点分割的准确率。
进一步的,在本发明中,考虑到由于不同病人的CT造影图像中心脏和主动脉的解剖形态存在一定差异,所以为了能够适应这些差异,可以采用基于多模板(Multi-atlas)图像配准的分割算法,分割CT造影图像中心脏和主动脉区域。基于多模板图像配准的分割算法,主要是利用专家库中的图像即模板图像与待分割的图像进行图像配准,然后利用配准获得的空间形变参数,将模板图像上由专家标记好的心脏及主动脉区域映射到待分割图像上,从而获得待分割图像中相应区域的分割结果。因此所述步骤(1)具体包括以下步骤:
步骤(11)、将CT造影图像与专家库中的N个模板图像分别进行图像配准,获得 形变参数;这里N的范围没有明确规定,根据经验,可选择N为6~10较佳,在此范围内工作量适中且分割的精度满足要求;
步骤(12)、利用步骤(11)获得的形变参数,将N个模板图像上的心脏和主动脉二者的专家分割结果形变后都映射到CT造影图像上;
步骤(13)、将步骤(12)所得到的映射后的CT造影图像上的N个心脏及主动脉的形变结果分别各自合并,获得CT造影图像中心脏及主动脉的最终分割结果。
进一步的,在本发明中,由于冠状动脉解剖结构差异性较大,所以只有对冠状动脉血管中轴线进行提取,才能准确定位位于冠状动脉血管壁上的钙化点,提高钙化点检测的准确性。所以所述步骤(2)具体包括以下步骤:
步骤(21)、利用冠状动脉血管中轴线提取算法提取CT造影图像中的冠状动脉血管中轴线,并利用形态学膨胀算子进行膨胀获得冠状动脉区域的掩膜图像;
步骤(22)、对步骤(21)获得的冠状动脉血管中轴线根据其解剖名称进行命名并分割成不同的冠状动脉主要分支,然后将掩膜图像中对应于不同冠状动脉主要分支的区域设为不同数值。冠状动脉血管树中的包括左主支、左前降支、左旋支和右冠状动脉四个主要分支,将冠状动脉血管树拆分为四个部分,分别对应左主支、左前降支,左旋支、右冠状动脉以及由这些主要血管发出的分支。对这四个部分分别命名为左主支、左前降支、左旋支和右冠状动脉,这样能够区别出属于不同冠状动脉主要分支的钙化点,并进一步计算不同冠状动脉主要分支的钙化分数。利用对掩膜图像设置不同的数值可以较为简便直观地区分出不同的区域。
进一步的,在本发明中,在CT造影图像中分割了主动脉、心脏及冠状动脉之后,需要将这些结果映射到CT图像上,进而估计出CT图像中用于冠状动脉钙化点检测的感兴趣区域,在选择用于冠状动脉钙化点检测的感兴趣区域时需要将冠状动脉钙化点检测限定在冠状动脉周围,这样才能够避免误检测出主动脉内及非心脏区域内的钙化点。所以所述步骤(3)具体包括以下步骤:
步骤(31)、将同一病人的CT图像和CT造影图像先后采用仿射变换方法和非刚体配准方法进行图像配准,获得形变参数;
步骤(32)、利用步骤(31)中获得的形变参数,将步骤(1)中获得的CT造影图像中心脏与主动脉二者的分割结果以及步骤(2)中获得的冠状动脉血管中轴线的分割结果都进行形变后映射到CT图像上生成用于钙化点检测的感兴趣区域MROI=MH∩MC-MA,其中MH、MA和MC分别表示形变后的心脏、主动脉及冠状动脉的区域。用于钙化点检测的感兴趣区域的表达式表明选择心脏上除去主动脉以外的冠状动脉所在的区域,这一区域正是冠状动脉上钙化点所有可能存在的区域的总和。
进一步的,在本发明中,所述步骤(4)具体包括以下步骤:
步骤(41)、首先利用阈值和连通域分析算法,将CT图像中CT值大于130HU、体积小于600像素、且位于MROI内的像素点筛选出来作为可能的冠状动脉钙化点,这里CT值130HU为行业内检测冠状动脉钙化点所使用的标准阈值,而体积600像素为连通域分析时所选择的阈值,辅以连通域分析算法是为了去除CT值大于130HU但是体积较大的区域(如一些骨组织);但是即便这样挑选出来的这些可能的冠状动脉钙化点中,还是有可能包含一小部分的图像噪声点,而这些噪声点与真正的冠状动脉钙化点有一些较为明显的差异,如灰度值通常较低、周围没有高亮度的钙化点、通常出现在心脏底部等,因此需要进行下面的步骤(42)将非真正的冠状动脉钙化点剔除;
步骤(42)、计算步骤(41)中筛选出的可能的冠状动脉钙化点区域特征,根据计算得到的特征向量,利用分类器对这些可能的冠状动脉钙化点进行分类,得到最终的钙化点分割结果,并根据该结果计算钙化分数。这里特征向量的计算、使用分类器分类以及计算钙化分数均属于现有技术,并且本领域技术人员可根据需要选择具体的特征向量的组合形式。
进一步的,在本发明中,所述步骤(13)中采用多数投票原则进行合并,对每个像素点都采用统计该像素点在N个形变结果中被确定为属于心脏或者是主动脉区域的次数,选择次数大于N/2次所对应的区域为该像素点最终所在的区域。经过多次统计,使得分类的准确性得到保证。多数投票原则是合并方式中最简单的一种,除此之外,还有很多其他的合并方式可以选用,均属于本领域内的常规技术手段。
作为优选的,在本发明中,所述图像配准首先采用仿射变换将图像初步对准,然后利用非刚体配准将图像进一步匹配。经过2次对准,尽可能提高图像之间的匹配程度,获得准确的形变参数,提高形变以及映射的准确度。
有益效果:
本发明提供的一种全自动CT图像冠状动脉钙化分数计算方法,利用同一病人的CT图像和CT造影图像,将在CT造影图像中得到的心脏和冠状动脉分割结果映射到CT图像中,在CT图像中定义一个感兴趣区域以检测冠状动脉钙化点,从而使得钙化点检测限定在冠状动脉附近的区域范围内,有利于避免冠状动脉周围组织内钙化点的干扰,从而提高了冠状动脉钙化点分割的准确率,有效避免了对其他临近组织中钙化点的误分割;
此外,该方法还利用对冠状动脉血管中轴线进行分割,区分出各个冠状动脉主要分支,这样即可区分位于不同冠状动脉主要分支上的钙化点,能够分别计算冠状动脉各主要分支的钙化分数。
因此,本发明能够有效提高冠状动脉钙化分数计算的准确性及计算机辅助诊断的效率。
附图说明
图1为CT图像;
图2为CT造影图像;
图3为本发明的流程图;
图4为CT造影图像的预处理结果示例;
图5为模板图像及专家分割结果示例;
图6为CT造影图像心脏及主动脉分割结果示例;
图7为CT造影图像冠状动脉中轴线提取结果;
图8为CT造影图像冠状动脉中轴线命名结果示例;
图9为将CT造影图像中的分割结果映射到CT图像后的结果示例;
图10为在CT图像中检测到的冠状动脉钙化点结果示例。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图3所示为基于本发明思想的实施例的操作过程,包括如下步骤:
步骤(1)、分割CT造影图像中的主动脉及心脏区域。由于处理的图像可能是不同设备或使用了不同成像参数采集的图像,所以需要采用一些必要的预处理步骤,具体包括以下步骤:
(a)采用G.Yang等人发表的论文“Automatic centerline extraction of coronary arteries in coronary computed tomographic angiography”,Int.J.Cardiovasc.Imaging.28(4),921-933(2012)中的方法在CT造影图像中检测主动脉,如图4左侧所示,并根据主动脉的位置(图4中的实线圆圈所在位置)定义一个半径为10厘米的圆柱体,用于截取原图像中包含心脏的部分区域,得到如图4右侧所示图像;
(b)对步骤(a)所截取的图像,采用图像插值算法,生成等分辨率的体积图像,作为后续处理的输入图像。
在完成上述预处理步骤之后,采用基于多模板图像配准的分割算法,继续以下操作步骤:
步骤(11)、将待分割的CT造影图像与专家库中的N个模板图像分别进行图像配准,图像配准首先采用仿射变换将图像初步对准,然后利用非刚体配准将图像进行较为 细致的匹配,最终获得精确的形变参数;
步骤(12)、利用步骤(11)获得的形变参数,将N个模板图像的心脏和主动脉二者的专家分割结果形变后映射到CT造影图像上;
步骤(13)、将步骤(12)所得到的映射后的CT造影图像上的N个心脏及主动脉的形变结果分别各自合并,利用多数投票原则,对每个像素点都采用统计该像素点在N个形变结果中被确定为属于心脏或者是主动脉区域的次数,选择次数大于N/2次所对应的区域为该像素点最终所在的区域。
在本实施例中,选择N=8。图5中给出了8个模板图像中的4个模板图像原图及心脏和主动脉区域的专家分割结果,位于最左侧的一列为模板图像原图,位于中间一列为主动脉区域的专家分割结果,位于最右侧的一列为心脏区域的专家分割结果。图6中给出了利用上述步骤对位于最左侧的一个CT造影图像中心脏及主动脉区域进行分割的示例结果,位于中间一列为主动脉区域分割结果,位于最右侧区域为心脏区域分割结果。
步骤(2)、提取CT造影图像中的冠状动脉血管中轴线并对其进行命名,具体包括以下步骤:
步骤(21)、采用G.Yang等人发表的论文“Automatic centerline extraction of coronary arteries in coronary computed tomographic angiography”,Int.J.Cardiovasc.Imaging.28(4),921-933(2012)中的方法提取CT造影图像中的冠状动脉血管中轴线,如图7所示,并利用形态学膨胀算子进行膨胀获得冠状动脉区域的掩膜图像,形态学膨胀算法使用球形膨胀核,半径为5毫米;
步骤(22)、对步骤(21)获得的冠状动脉血管中轴线根据其解剖名称进行命名,利用G.Yang等人发表的论文“Automatic coronary artery tree labeling in coronary computed tomographic angiography datasets”,IEEE CinC2011,109-112(2011)中的方法对冠状动脉血管树中的左主支、左前降支、左旋支和右冠状动脉四个主要分支进行命名,将血管树拆分为四个部分,分别对应左主支、左前降支,左旋支、右冠状动脉以及由这些主要血管发出的小分支得到如图8所示的3个部分,位于最左侧的为左前降支,位于中间的为左旋支,位于最右侧的为右管状动脉,另外左主支为左前降支和左旋支重合的部分。将步骤(21)获得的掩膜图像中对应于不同冠状动脉主要分支的区域设为不同数值。
步骤(3)、将同一病人的CT和CT造影图像进行配准,然后利用配准结果将步骤(1)和步骤(2)中所得到的分割结果形变后映射到CT图像中,生成用于冠状动脉钙 化点检测的感兴趣区域;具体包括以下步骤:
步骤(31)、将同一病人的CT图像和CT造影图像进行图像配准,图像配准首先采用仿射变换将图像初步对准,然后利用非刚体配准将图像进行较为细致的匹配,最终获得精确的形变参数;
步骤(32)、利用步骤(31)中获得的形变参数,将步骤(1)中获得的CT造影图像中心脏与主动脉二者的分割结果以及步骤(2)中获得的冠状动脉血管中轴线的分割结果都进行形变后映射到CT图像上,生成用于钙化点检测的感兴趣区域MROI=MH∩MC-MA,其中MH、MA和MC分别表示形变后的心脏、主动脉及冠状动脉的区域。如图9所示,给出了用于冠状动脉钙化点检测的感兴趣区域三维结果显示示例。最上侧的一幅为冠状动脉,利用冠状动脉命名结果,下方的三幅图从左到右,MROI分为左前降支、左旋支和右冠状动脉主要分支血管树构成的三个子区域,并且由于左主支较短,所以通常将左主支包含在左前降支子区域中。
步骤(4)、利用步骤(3)获得的感兴趣区域,通过阈值和后处理步骤获得钙化点检测结果并计算钙化分数,具体包括以下步骤:
步骤(41)、首先利用阈值和连通域分析算法,将CT图像中CT值大于130HU,体积小于600个像素,且位于MROI内的像素点筛选出来作为可能的冠状动脉钙化点;
步骤(42)、计算步骤(41)中筛选出的可能的冠状动脉钙化点的区域特征,根据计算出的特征,利用训练好的分类器对这些可能的冠状动脉钙化点进行分类,这里的分类器可以采用如支持向量机(Support vector machine,简称SVM)等分类器,根据分类器的分类结果,确定最终的钙化点分割结果,并根据钙化点分割结果按A.S.Agatston等人发表论文“Ultrafast computed tomography-detected coronary calcium reflects the angiographic extent of coronary arterial atherosclerosis”.Am.J.Cardiol.,74(12),1272–1274(1994)中所述方法计算Agatston钙化分数。本发明使用的钙化点区域特征为一个包括17个特征值的特征向量,具体定义如下表:
最终,利用本发明方法,最终在CT图像中检测到的冠状动脉钙化点如图10所示,包括右冠状动脉钙化点5、左前降至钙化点6和左旋支钙化点7。可见,各个冠状动脉钙化点显示非常清晰且可以准确判断其所属的具体冠状动脉分支。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种全自动CT图像冠状动脉钙化分数计算方法,其特征在于:利用同一病人的CT图像和注射造影剂增强的CT造影图像自动分割CT图像中的冠状动脉钙化点,并利用钙化点分割结果计算钙化分数,具体包括顺序执行的以下步骤:
步骤(1)、分割CT造影图像中的主动脉及心脏;
步骤(2)、提取CT造影图像中的冠状动脉血管中轴线并对其进行分割;
步骤(3)、将同一病人的CT图像和CT造影图像进行配准从而获得形变参数,然后利用获得的形变参数将步骤(1)和步骤(2)中分割出来的主动脉、心脏以及冠状动脉血管中轴线进行形变后映射到CT图像中,生成用于冠状动脉钙化点检测的感兴趣区域;
步骤(4)、在用于冠状动脉钙化点检测的感兴趣区域内获取冠状动脉钙化点检测结果并计算冠状动脉钙化分数。
2.根据权利要求1所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:所述步骤(1)采用基于多模板图像配准的分割算法,具体包括以下步骤:
步骤(11)、将CT造影图像与专家库中的N个模板图像分别进行图像配准,获得形变参数;
步骤(12)、利用步骤(11)获得的形变参数,将N个参考图像模板图像上的心脏和主动脉二者的专家分割结果形变后都映射到CT造影图像上;
步骤(13)、将步骤(12)所得到的映射后的CT造影图像上的N个心脏及主动脉的形变结果分别各自合并,获得CT造影图像中心脏及主动脉的最终分割结果。
3.根据权利要求1所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:所述步骤(2)具体包括以下步骤:
步骤(21)、利用冠状动脉血管中轴线提取算法提取CT造影图像中的冠状动脉血管中轴线,并利用形态学膨胀算子进行膨胀获得冠状动脉区域的掩膜图像;
步骤(22)、对步骤(21)获得的冠状动脉血管中轴线根据其解剖名称进行命名并分割成不同的冠状动脉主要分支,然后将掩膜图像中对应于不同冠状动脉主要分支的区域设为不同数值。
4.根据权利要求1所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:所述步骤(3)具体包括以下步骤:
步骤(31)、将同一病人的CT图像和CT造影图像进行图像配准,获得形变参数;
步骤(32)、利用步骤(31)中获得的形变参数,将步骤(1)中获得的CT造影图像中心脏与主动脉二者的分割结果以及步骤(2)中获得的冠状动脉血管中轴线的分割结果都进行形变后映射到CT图像上生成用于钙化点检测的感兴趣区域MROI=MH∩MC-MA,其中MH、MA和MC分别表示形变后的心脏、主动脉及冠状动脉的区域。
5.根据权利要求1所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:所述步骤(4)具体包括以下步骤:
步骤(41)、首先利用阈值和连通域分析算法,将CT图像中CT值大于130HU、体积小于600像素、且位于MROI内的像素点筛选出来作为可能的冠状动脉钙化点;
步骤(42)、计算步骤(41)中筛选出的可能的冠状动脉钙化点区域特征,根据计算得到的特征向量,利用分类器对这些可能的冠状动脉钙化点进行分类,得到最终的钙化点分割结果,并根据该结果计算钙化分数。
6.根据权利要求2所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:步骤(13)中采用多数投票原则进行合并,对每个像素点都采用统计该像素点在N个形变结果中被确定为属于心脏或者是主动脉区域的次数,选择次数大于N/2次所对应的区域为该像素点最终所在的区域。
7.根据权利要求2或4所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:所述图像配准首先采用仿射变换将图像初步对准,然后利用非刚体配准将图像进一步匹配。
8.根据权利要求3所述的全自动CT图像冠状动脉钙化分数计算方法,其特征在于:所述形态学膨胀算子采用球形膨胀核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410356582.7A CN104091346B (zh) | 2014-07-24 | 2014-07-24 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410356582.7A CN104091346B (zh) | 2014-07-24 | 2014-07-24 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104091346A true CN104091346A (zh) | 2014-10-08 |
CN104091346B CN104091346B (zh) | 2017-02-15 |
Family
ID=51639061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410356582.7A Expired - Fee Related CN104091346B (zh) | 2014-07-24 | 2014-07-24 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104091346B (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106447645A (zh) * | 2016-04-05 | 2017-02-22 | 天津大学 | 增强ct图像中冠脉钙化检测及量化装置和方法 |
CN108171698A (zh) * | 2018-02-12 | 2018-06-15 | 数坤(北京)网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
CN108447044A (zh) * | 2017-11-21 | 2018-08-24 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
CN108475428A (zh) * | 2015-12-22 | 2018-08-31 | 皇家飞利浦有限公司 | 心脏模型引导的冠状动脉分割 |
CN108805923A (zh) * | 2018-06-01 | 2018-11-13 | 沈阳东软医疗系统有限公司 | 生理参数获取方法和装置 |
CN109288536A (zh) * | 2018-09-30 | 2019-02-01 | 数坤(北京)网络科技有限公司 | 获取冠脉钙化区域分类的方法、装置及系统 |
CN109345546A (zh) * | 2018-09-30 | 2019-02-15 | 数坤(北京)网络科技有限公司 | 一种冠脉体数据模型分割方法及设备 |
CN109389592A (zh) * | 2018-09-30 | 2019-02-26 | 数坤(北京)网络科技有限公司 | 计算冠脉钙化积分的方法、装置及系统 |
CN109700574A (zh) * | 2018-12-21 | 2019-05-03 | 北京工业大学 | 一种基于ct影像数据制备钙化主动脉瓣的方法 |
CN109816672A (zh) * | 2019-02-25 | 2019-05-28 | 数坤(北京)网络科技有限公司 | 一种针对头颈体骨的图像分割获取方法及装置 |
CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤(北京)网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
CN110009616A (zh) * | 2019-04-01 | 2019-07-12 | 数坤(北京)网络科技有限公司 | 一种点状钙化检测方法 |
CN110021015A (zh) * | 2019-04-01 | 2019-07-16 | 数坤(北京)网络科技有限公司 | 基于亮度和梯度的点状钙化区域检测方法及系统 |
US10357218B2 (en) | 2016-06-30 | 2019-07-23 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for extracting blood vessel |
US10395773B2 (en) | 2017-11-06 | 2019-08-27 | International Business Machines Corporation | Automatic characterization of Agatston score from coronary computed tomography |
CN111145160A (zh) * | 2019-12-28 | 2020-05-12 | 上海联影医疗科技有限公司 | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 |
CN111292314A (zh) * | 2020-03-03 | 2020-06-16 | 上海联影智能医疗科技有限公司 | 冠脉分段方法、装置、图像处理系统和存储介质 |
CN111445449A (zh) * | 2020-03-19 | 2020-07-24 | 上海联影智能医疗科技有限公司 | 感兴趣区域的分类方法、装置、计算机设备和存储介质 |
CN111524222A (zh) * | 2020-04-01 | 2020-08-11 | 北京东软医疗设备有限公司 | 成像方法、装置、设备及存储介质 |
CN111523549A (zh) * | 2020-05-06 | 2020-08-11 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种主动脉瓣评估方法、装置和计算机设备 |
CN111738986A (zh) * | 2020-06-01 | 2020-10-02 | 数坤(北京)网络科技有限公司 | 一种脂肪衰减指数的生成方法、装置及计算机可读介质 |
CN111768394A (zh) * | 2020-07-01 | 2020-10-13 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN112037169A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管钙化检出方法、装置以及计算机存储介质 |
CN112288752A (zh) * | 2020-10-29 | 2021-01-29 | 中国医学科学院北京协和医院 | 一种基于胸部平扫ct的冠脉钙化灶全自动分割方法 |
CN112712507A (zh) * | 2020-12-31 | 2021-04-27 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
CN112927275A (zh) * | 2021-02-22 | 2021-06-08 | 北京安德医智科技有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
CN112927196A (zh) * | 2021-02-09 | 2021-06-08 | 深圳睿心智能医疗科技有限公司 | 钙化积分方法及装置 |
CN113744171A (zh) * | 2020-05-28 | 2021-12-03 | 上海微创卜算子医疗科技有限公司 | 血管钙化图像分割方法、系统和可读存储介质 |
CN114708283A (zh) * | 2022-04-21 | 2022-07-05 | 推想医疗科技股份有限公司 | 图像目标的分割方法、装置、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2155064A2 (en) * | 2007-05-08 | 2010-02-24 | Koninklijke Philips Electronics N.V. | Coronary artery selective calcium assignment using low dose calcium scoring scans |
CN100547612C (zh) * | 2007-05-14 | 2009-10-07 | 华中科技大学 | 在数字冠脉造影图像中分割血管数据的方法 |
CN101923713B (zh) * | 2010-08-04 | 2012-09-05 | 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 |
US8867822B2 (en) * | 2011-10-14 | 2014-10-21 | Fujifilm Corporation | Model-based coronary artery calcium scoring |
-
2014
- 2014-07-24 CN CN201410356582.7A patent/CN104091346B/zh not_active Expired - Fee Related
Non-Patent Citations (5)
Title |
---|
GUANYU YANG 等: "Automatic Coronary Artery Tree Labeling in Coronary Computed Tomographic Angiography Datasets", 《COMPUTING IN CARDIOLOGY 2011》 * |
H. A. KIRIşLI等: "Evaluation of a multi-atlas based method for segmentation of cardiac CTA data: a large-scale, multicenter, and multivendor study", 《MEDICAL PHYSICS》 * |
R. SHAHZAD等: "A PATIENT-SPECIFIC CORONARY DENSITY ESTIMATE", 《2010 IEEE INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING:FROM NANO TO MACRO》 * |
杨冠羽 等: "心脏多层 CT数据中冠状动脉中轴的提取", 《应用科学学报》 * |
黎丽华: "基于DSCT的全心脏四维重建及心功能评价研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108475428A (zh) * | 2015-12-22 | 2018-08-31 | 皇家飞利浦有限公司 | 心脏模型引导的冠状动脉分割 |
CN108475428B (zh) * | 2015-12-22 | 2022-04-29 | 皇家飞利浦有限公司 | 心脏模型引导的冠状动脉分割的系统及方法 |
CN106447645A (zh) * | 2016-04-05 | 2017-02-22 | 天津大学 | 增强ct图像中冠脉钙化检测及量化装置和方法 |
CN106447645B (zh) * | 2016-04-05 | 2019-10-15 | 天津大学 | 增强ct图像中冠脉钙化检测及量化装置和方法 |
US10357218B2 (en) | 2016-06-30 | 2019-07-23 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for extracting blood vessel |
US11344273B2 (en) | 2016-06-30 | 2022-05-31 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for extracting blood vessel |
CN106228561B (zh) * | 2016-07-29 | 2019-04-23 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
US10395773B2 (en) | 2017-11-06 | 2019-08-27 | International Business Machines Corporation | Automatic characterization of Agatston score from coronary computed tomography |
CN108447044A (zh) * | 2017-11-21 | 2018-08-24 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
CN108447044B (zh) * | 2017-11-21 | 2022-01-28 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
CN108171698B (zh) * | 2018-02-12 | 2020-06-09 | 数坤(北京)网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
CN108171698A (zh) * | 2018-02-12 | 2018-06-15 | 数坤(北京)网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
CN108805923B (zh) * | 2018-06-01 | 2022-04-01 | 东软医疗系统股份有限公司 | 生理参数获取方法和装置 |
CN108805923A (zh) * | 2018-06-01 | 2018-11-13 | 沈阳东软医疗系统有限公司 | 生理参数获取方法和装置 |
CN109389592A (zh) * | 2018-09-30 | 2019-02-26 | 数坤(北京)网络科技有限公司 | 计算冠脉钙化积分的方法、装置及系统 |
CN109288536A (zh) * | 2018-09-30 | 2019-02-01 | 数坤(北京)网络科技有限公司 | 获取冠脉钙化区域分类的方法、装置及系统 |
CN109345546A (zh) * | 2018-09-30 | 2019-02-15 | 数坤(北京)网络科技有限公司 | 一种冠脉体数据模型分割方法及设备 |
CN109389592B (zh) * | 2018-09-30 | 2021-01-26 | 数坤(北京)网络科技有限公司 | 计算冠脉钙化积分的方法、装置及系统 |
CN109700574A (zh) * | 2018-12-21 | 2019-05-03 | 北京工业大学 | 一种基于ct影像数据制备钙化主动脉瓣的方法 |
CN109816672A (zh) * | 2019-02-25 | 2019-05-28 | 数坤(北京)网络科技有限公司 | 一种针对头颈体骨的图像分割获取方法及装置 |
CN109816672B (zh) * | 2019-02-25 | 2021-02-02 | 语坤(北京)网络科技有限公司 | 一种针对头颈体骨的图像分割获取方法及装置 |
CN110009616B (zh) * | 2019-04-01 | 2020-12-25 | 数坤(北京)网络科技有限公司 | 一种点状钙化检测方法 |
CN110009616A (zh) * | 2019-04-01 | 2019-07-12 | 数坤(北京)网络科技有限公司 | 一种点状钙化检测方法 |
CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤(北京)网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
CN110021015A (zh) * | 2019-04-01 | 2019-07-16 | 数坤(北京)网络科技有限公司 | 基于亮度和梯度的点状钙化区域检测方法及系统 |
CN111145160A (zh) * | 2019-12-28 | 2020-05-12 | 上海联影医疗科技有限公司 | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 |
CN111292314A (zh) * | 2020-03-03 | 2020-06-16 | 上海联影智能医疗科技有限公司 | 冠脉分段方法、装置、图像处理系统和存储介质 |
CN111292314B (zh) * | 2020-03-03 | 2024-05-24 | 上海联影智能医疗科技有限公司 | 冠脉分段方法、装置、图像处理系统和存储介质 |
CN111445449B (zh) * | 2020-03-19 | 2024-03-01 | 上海联影智能医疗科技有限公司 | 感兴趣区域的分类方法、装置、计算机设备和存储介质 |
CN111445449A (zh) * | 2020-03-19 | 2020-07-24 | 上海联影智能医疗科技有限公司 | 感兴趣区域的分类方法、装置、计算机设备和存储介质 |
CN111524222B (zh) * | 2020-04-01 | 2023-08-08 | 北京东软医疗设备有限公司 | 成像方法、装置、设备及存储介质 |
CN111524222A (zh) * | 2020-04-01 | 2020-08-11 | 北京东软医疗设备有限公司 | 成像方法、装置、设备及存储介质 |
CN111523549B (zh) * | 2020-05-06 | 2023-09-29 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种主动脉瓣评估方法、装置和计算机设备 |
CN111523549A (zh) * | 2020-05-06 | 2020-08-11 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种主动脉瓣评估方法、装置和计算机设备 |
CN113744171A (zh) * | 2020-05-28 | 2021-12-03 | 上海微创卜算子医疗科技有限公司 | 血管钙化图像分割方法、系统和可读存储介质 |
CN113744171B (zh) * | 2020-05-28 | 2023-11-14 | 上海微创卜算子医疗科技有限公司 | 血管钙化图像分割方法、系统和可读存储介质 |
CN111738986A (zh) * | 2020-06-01 | 2020-10-02 | 数坤(北京)网络科技有限公司 | 一种脂肪衰减指数的生成方法、装置及计算机可读介质 |
CN111738986B (zh) * | 2020-06-01 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种脂肪衰减指数的生成方法、装置及计算机可读介质 |
CN111768394A (zh) * | 2020-07-01 | 2020-10-13 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN112037169A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管钙化检出方法、装置以及计算机存储介质 |
CN112288752A (zh) * | 2020-10-29 | 2021-01-29 | 中国医学科学院北京协和医院 | 一种基于胸部平扫ct的冠脉钙化灶全自动分割方法 |
CN112712507B (zh) * | 2020-12-31 | 2023-12-19 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
CN112712507A (zh) * | 2020-12-31 | 2021-04-27 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
CN112927196B (zh) * | 2021-02-09 | 2024-03-22 | 深圳睿心智能医疗科技有限公司 | 钙化积分方法及装置 |
CN112927196A (zh) * | 2021-02-09 | 2021-06-08 | 深圳睿心智能医疗科技有限公司 | 钙化积分方法及装置 |
CN112927275A (zh) * | 2021-02-22 | 2021-06-08 | 北京安德医智科技有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
CN112927275B (zh) * | 2021-02-22 | 2022-03-01 | 北京安德医智科技有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
WO2021259394A3 (zh) * | 2021-02-22 | 2022-02-17 | 北京安德医智科技有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
CN114708283A (zh) * | 2022-04-21 | 2022-07-05 | 推想医疗科技股份有限公司 | 图像目标的分割方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104091346B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104091346A (zh) | 一种全自动ct图像冠状动脉钙化分数计算方法 | |
CN106097298B (zh) | 基于球空间划分的冠状动脉自动分段与解剖学标记方法 | |
Ruskó et al. | Automatic segmentation of the liver from multi-and single-phase contrast-enhanced CT images | |
CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
CN103294883B (zh) | 用于针对经导管主动脉瓣植入进行介入规划的方法和系统 | |
CN102395320B (zh) | 医疗设备以及医疗设备的控制方法 | |
CN105447872A (zh) | 一种在超声影像中自动识别肝脏肿瘤类型的方法 | |
US8218845B2 (en) | Dynamic pulmonary trunk modeling in computed tomography and magnetic resonance imaging based on the detection of bounding boxes, anatomical landmarks, and ribs of a pulmonary artery | |
WO2010052929A1 (en) | Image processing apparatus, image processing method, program, and program recording medium | |
CN105518684A (zh) | 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法 | |
CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
CN110047082A (zh) | 基于深度学习的胰腺神经内分泌肿瘤自动分割方法及系统 | |
Cheng et al. | Automated delineation of calcified vessels in mammography by tracking with uncertainty and graphical linking techniques | |
CN102968783B (zh) | 从腹部图像数据中自动分割骨骼的方法及系统 | |
CN110570424B (zh) | 一种基于cta动态影像的主动脉瓣半自动分割方法 | |
CN110599499B (zh) | 基于多路卷积神经网络的mri图像心脏结构分割方法 | |
CN105913442A (zh) | 自动匹配肺结节的方法 | |
CN107004305A (zh) | 医学图像编辑 | |
CN109300113A (zh) | 一种基于改进凸包方法的肺结节辅助检测系统及方法 | |
CN110349141A (zh) | 一种乳腺病灶定位方法和系统 | |
CN106875375A (zh) | 基于管状特征增强滤波和脊线跟踪的三维血管中轴线提取方法 | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
Sakellarios et al. | Novel methodology for 3D reconstruction of carotid arteries and plaque characterization based upon magnetic resonance imaging carotid angiography data | |
Li et al. | MyoPS: A benchmark of myocardial pathology segmentation combining three-sequence cardiac magnetic resonance images | |
KR101611488B1 (ko) | 의료 영상에서 아티팩트와 병변을 구분하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170215 Termination date: 20210724 |
|
CF01 | Termination of patent right due to non-payment of annual fee |