CN104182956B - 一种血管提取方法 - Google Patents
一种血管提取方法 Download PDFInfo
- Publication number
- CN104182956B CN104182956B CN201310188720.0A CN201310188720A CN104182956B CN 104182956 B CN104182956 B CN 104182956B CN 201310188720 A CN201310188720 A CN 201310188720A CN 104182956 B CN104182956 B CN 104182956B
- Authority
- CN
- China
- Prior art keywords
- vessel
- curved section
- volume data
- segment
- extraction method
- 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
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种血管提取方法，包括：读入体数据，根据所述体数据进行血管段生长，在所述血管段生长结束后，沿所述血管段方向截取一段或一段以上的体数据进行血管提取。本发明通过对血管段生长结束后的体数据进行血管提取，可以提取到血管段生长结束后因细小而中断丢失的小血管，或者因血管堵塞而丢失的动脉血管。
Description
技术领域
本发明涉及一种医学断层扫描图像的处理方法，尤其涉及一种血管造影术中的血管提取方法。
背景技术
在血管造影术(Computed Tomography Angiography，简称CTA)中，需要将血管与其他组织分割开，以便于对血管的进一步观察和分析。现有CTA中血管提取的技术主要分为基于标准血管模型的方法和不基于标准血管模型的方法两大类。
美国专利文献1：Jean-Michel Rouet，Franck Laffargue and Maxim Fradkin，Image processing system for automatic segmentation of a 3-D tree-like tubularsurface of an object，using 3-D deformable mesh models.US Patent，2008，US2008/0094389A1提供的可变网格的模型方法，需要先提供一个标准血管模型，然后计算血管的中心线，然后根据此中心线，用单纯网格拟合实际图像中的血管结构，将血管分割出来。此方法由于网格计算非常复杂，导致分割速度很慢，虽然可以将大的血管准确分割出来，但对于细小血管，尤其是疾病状态下的非正常血管，难以建立对应的模型，导致分割失败。
文献2：Nicolas Passat，Christian Ronse，Joseph Baruthio，et al.，Region-growing segmentation of brain vessels：An atlas-based automaticapproach.Joumal of Magnetic Resonance Imaging，2005，21，PP：715-725提供了另一种类似的配准的方法，将待处理的图像与已经标记好血管的标准图像配准，将标准图像上血管的位置映射到待处理图像上，以此为起始点进行血管分割。但是不同个体的三维图像的配准仍然存在速度慢且配准无法完全匹配等缺点。
不基于标准血管模型的分割方法的一般步骤，需要先提供一个或多个起始点或同时提供起始点和终止点，然后采用不同方法由起始点开始寻找血管，如卡尔曼滤波的方法，参见文献3：Charles Florin，James P.Willianms，Nikolaos Paragios，Systemand methodfor Kalman filtering in vascular segmentation.US Patent，2009，US7,602,970B2，在每个横截面上分割血管得到血管截面，然后不断移动截面并计算卡尔曼增益，最终将整个血管分割出来。还有的在给定起始点之后，先找到血管中心线，然后根据中心线把图像看做一个图，采用min-cuts算法将血管提取出来，如文献4：Engin Dikici，Thomas P.O’Donnell，Randolph M.Setser，et al.，System and method for 3D vessel segmentationwith minimal cuts.US Patent，2012，8，126,232。
如图1所示，现有技术的提取血管过程中，若遇到血管狭窄或中断，提取过程会随即终止，进而导致无法探测到因血管狭窄导致中断的细小血管，或者因血管堵塞导致的动脉大血管。当中断距离过大时，还容易将与血管类似的其他组织当成血管，造成血管分割出错。
发明内容
本发明解决的问题是提供一种血管提取方法，用以提取因血管狭窄或中断而丢失的细小血管部分。
为了解决上述问题，本发明提供了一种血管提取方法，包括：读入体数据，根据所述体数据进行血管段生长，在所述血管段生长结束后，沿所述血管段方向截取一段或一段以上的体数据进行血管提取。
可选的，基于所述体数据进行血管提取包括计算所述体数据的对应曲线段的形状指数，并基于所述形状指数进行血管提取。
可选的，还包括：所述曲线段的形状指数与所述曲线段的长宽比值正相关，所述长宽比为所述曲线段的长度与所述曲线段截面半径的比值。
可选的，还包括判断所述体数据对应的曲线段是否为所述血管段的丢失部分。
可选的，还包括以所述丢失部分对应的体数据中的一个点或一个以上的点为种子点进行血管提取。
可选的，所述判断的过程包括：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数是否落入所述容忍范围，若落入所述容忍范围，则所述体数据对应的曲线段为所述血管段的丢失部分；若未落入所述容忍范围，则所述体数据对应的曲线段不是所述血管段的丢失部分。
可选的，所述判断的过程包括：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数与所述血管段的形状指数的差值是否落入所述容忍范围，若落入所述容忍范围，则所述体数据对应的曲线段为所述血管段的丢失部分；若未落入所述容忍范围，则所述体数据对应的曲线段不是所述血管段的丢失部分。
可选的，还包括：按照与所述血管段距离由近及远的顺序，对所述体数据进行排序，并按照所述排序，依次判断所述体数据是否为所述血管段的丢失部分。
可选的，所述按照所述排序依次判断所述体数据是否为所述血管段的丢失部分包括：若判断到所述血管段的丢失部分的体数据，则停止排在所述丢失部分的体数据后序的体数据的判断。
可选的，还包括：获取所述曲线段长度和半径包括：提供一个圆柱体，所述圆柱体为空间上包含所述曲线段的最小体积的圆柱体，所述圆柱体的长度为所述曲线段的长度；所述圆柱体的截面的半径对应所述曲线段的半径。
可选的，基于所述体数据进行血管提取包括计算所述体数据对应的曲线段的长度半径比及曲线段的方向，并基于所述曲线段的长度半径比及曲线段方向进行血管提取。
可选的，还包括：按照与所述血管段距离由近及远排序按照所述排序，依次判断所述体数据是否为所述血管段的丢失部分。
可选的，还包括：所述按照所述排序依次判断所述体数据是否为所述血管段的丢失部分包括：若判断到所述血管段的丢失部分的体数据，则停止排在所述丢失部分的体数据后序的体数据的判断。
可选的，还包括：计算所述曲线段对应的二阶矩矩阵，以获得所述曲线段的形状指数。
可选的，计算所述二阶矩矩阵包括：设所述体数据对应的曲线段的点为Pi，i＝1，2，...，n，所述点对应的坐标对应为(xi，yi，zi)，所述二阶矩矩阵为J＝T′T，其中，所述T的表达式如下：
可选的，获取所述曲线段的形状指数包括：计算所述二阶矩矩阵的特征值λ1，λ2和λ3，根据所述特征值获取所述曲线段的形状指数。
可选的，所述特征值从小到大排列分别为λ1，λ2和λ3，所述形状指数与所述λ3正相关，与所述λ1+λ2负相关。
可选的，将所述特征值从小到大排列分别为λ1，λ2和λ3，所述形状指数与λ3/(λ1+λ2)线性相关。
可选的，将所述特征值从小到大排列分别为λ1，λ2和λ3，所述曲线段的长度为所述曲线段的半径为对应的所述形状指数为L/R，所述曲线段的方向为特征值λ3对应的特征向量。
可选的，还包括：计算所述体数据对应的曲线段的连通域体积。
可选的，提供体积阈值，计算所述连通域体积大于所述体积阈值的连通域对应体数据的二阶矩矩阵。
可选的，还包括：对所述体数据进行线增强，形成体数据对应的曲线段。
可选的，所述血管生长为基于区域增长的血管生长或基于水平集的血管生长。
与现有技术相比，本发明具有以下优点：
通过对血管段生长结束后的体数据进行血管提取，可以提取到血管段生长结束后因细小而中断丢失的小血管，或者因血管堵塞而丢失的动脉血管；
对体数据对应的曲线段的方向和/或形状指数进行分析，以判断所述体数据是否为所述血管段的丢失部分，可避免将骨纤维等其他组织误认为血管，提高血管提取的精准率；
按照与所述血管段距离由近及远排序，依次判断所述体数据是否为所述血管段的丢失部分，提高所述血管提取的精准率。
附图说明
图1为现有技术的血管提取的血管结构示意图；
图2为本发明一个实施例的血管提取方法的流程示意图；
图3为本发明一个实施例的基于体数据进行血管提取方法的流程示意图；
图4为通过本发明的血管提取方法后的血管结构图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。
现有技术的血管提取中，若遇到血管狭窄或中断，提取过程会随即终止。虽然有方法在血管终止会继续探测一段距离，但这种方法只能探测到小的血栓导致的血管短距离中断，无法处理动脉血管大段栓塞的情况。当探测距离过大时，容易将与血管类似的其他组织当成血管，造成血管分割出错。
为了解决上述问题，本发明提供了一种血管提取方法，包括：读入体数据，根据所述体数据进行血管段生长，在所述血管段生长结束后，沿所述血管段方向截取一段或一段以上的体数据进行血管提取。其中，所述血管生长为基于区域增长的血管生长或基于水平集的血管生长。通过对血管段生长结束后的体数据进行血管提取，可以提取到血管段生长结束后因细小而中断丢失的小血管，或者因血管堵塞而丢失的动脉血管。
下面结合附图对本发明的进行详细描述。如图2所示为本发明一个实施例的流程示意图，包括步骤S1，读入数据；步骤S2，提取血管段；步骤S3，计算当前提取的血管段的血管方向；步骤S4，沿血管方向检测是否存在血管，即沿所述血管段方向截取一段或一段以上的体数据进行血管提取；若沿所述血管方向不能检测到血管，则结束。若是，则按照所述检测到的血管段进行提取。
其中，基于所述体数据进行血管提取包括计算所述体数据的对应曲线段的形状指数，并基于所述形状指数进行血管提取。所述曲线段的形状指数与所述曲线段长度和所述曲线段截面半径的比值正相关。其中，所述曲线段的获取可以如下：对所述体数据进行线增强，形成体数据对应的曲线段。
进一步地，提供判断标准，若所述体数据符合判断标准，则判断所述体数据对应的曲线段为所述血管段的丢失部分。获取所述丢失部分后，还包括以所述丢失部分对应的体数据中的一个点或一个以上的点为种子点进行血管提取。
其中，所述判断标准包括：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数是否落入所述容忍范围，若落入所述容忍范围，则符合所述判断标准；若未落入所述容忍范围，则不符合所述判断标准。
所述判断标准还可以为：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数与所述血管段的形状指数的差值是否落入所述容忍范围，若落入所述容忍范围，则符合所述判断标准；若未落入所述容忍范围，则不符合所述判断标准。
对于所述一个或一个以上的体数据，还包括：按照与所述血管段距离由近及远的顺序，对所述体数据进行排序，依次判断所述体数据是否为所述血管段的丢失部分。进一步地，若判断到所述血管段的丢失部分的体数据，则停止排在所述丢失部分的体数据后序的体数据的判断。
进一步地，基于所述体数据进行血管提取包括计算所述体数据对应的曲线段的长度半径比及曲线段的方向，并基于所述曲线段的长度半径比及曲线段方向进行血管提取。
其中，获取所述曲线段长度和半径可以如下方法：提供一个圆柱体，所述圆柱体为空间上包含所述曲线段的最小体积的圆柱体，所述圆柱体的长度为所述曲线段的长度；所述圆柱体的截面的半径对应所述曲线段的半径。
进一步地，还可以通过计算所述曲线段对应的二阶矩矩阵，以获得所述曲线段的形状指数。所述曲线段的形状指数与所述曲线段长度和所述曲线段截面半径的比值正相关。
如图3所示为一个实施例的基于体数据进行血管提取方法的流程示意图，包括：步骤S41，沿血管方向截取一段或一段以上的体数据；步骤S42，基于hessian阵对所述体数据进行线增强，形成曲线段；步骤S43，计算所述增强后曲线段的二阶矩；步骤S44，通过所述二阶矩矩阵，获得所述曲线段的形状指数；步骤S45，提供判断标准，结合所述形状指数对所述曲线段进行判断，是否属于生长的血管段的丢失部分。
具体地，计算所述二阶矩矩阵包括：设所述体数据对应的曲线段的点为Pi，i＝1，2，...，n，所述点对应的坐标对应为(xi，yi，zi)，所述二阶矩矩阵为J＝T′T，其中，所述T的表达式如下：
计算所述二阶矩矩阵的特征值λ1，λ2和λ3，根据所述特征值获取所述曲线段的形状指数。所述特征值从小到大排列分别为λ1，λ2和λ3，所述形状指数与所述λ3正相关，与所述λ1+λ2负相关。进一步地，所述形状指数与λ3/(λ1+λ2)线性相关。
所述曲线段的长度为所述曲线段的半径为对应的所述形状指数为L/R，所述曲线段的方向为特征值λ3对应的特征向量。
对所述体数据进行血管提取还包括：提供判断标准，若所述体数据符合判断标准，则判断所述体数据对应的曲线段为所述血管段的丢失部分。所述判断标准包括：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数是否落入所述容忍范围，若落入所述容忍范围，则符合所述判断标准；若未落入所述容忍范围，则不符合所述判断标准。
进一步地，所述判断标准包括：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数与所述血管段的形状指数的差值是否落入所述容忍范围，若落入所述容忍范围，则符合所述判断标准；若未落入所述容忍范围，则不符合所述判断标准。即进一步的所述判断标准除了对所述曲线段的形状指数进行判断，还包括将所述曲线段的形状指数与所述血管段的形状指数进行比较，并对所述比较结果进行分析，分析判断所述提取的曲线段和所述血管段的匹配率，以提取血管提取的精准率。
进一步地，若判断所述体数据对应的曲线段为所述血管段的丢失部分，则还包括以所述丢失部分对应的体数据中的一个点或一个以上的点为种子点进行血管提取。以补偿所述血管段丢失的细小血管或者动脉血管。
还包括：计算所述曲线段对应的二阶矩矩阵，以获得所述曲线段的形状指数。还包括：计算所述体数据对应的曲线段的连通域体积，并计算所述连通域体积大于所述体积阈值的连通域对应体数据的二阶矩矩阵。
进一步地，获得所述形状指数，如半径长度比，及所述曲线段的方向后，对所述曲线段进行判断：提供判断标准，所述判断标准包括方向及长度半径比，若所述曲线段的长度半径比大于阈值，且曲线段朝向与所述生长的血管段的末端方向一致的，可以判断该曲线段为中断后的血管段。反之，则不是所述中断后的血管段。如图4所示为通过本发明的血管提取方法后的血管结构图。通过和图1未补偿丢失血管的血管结构相比，本发明可以对丢失部分的血管段进行补偿，以补偿血管段生长结束后因细小而中断丢失的小血管，或者因血管堵塞而丢失的动脉血管。
与现有技术相比，本发明具有以下优点：
通过对血管段生长结束后的体数据进行血管提取，可以提取到血管段生长结束后因细小而中断丢失的小血管，或者因血管堵塞而丢失的动脉血管；
对体数据对应的曲线段的方向和/或形状指数进行分析，以判断所述体数据是否为所述血管段的丢失部分，可避免将骨纤维等其他组织误认为血管，提高血管提取的精准率；
按照与所述血管段距离由近及远排序，依次判断所述体数据是否为所述血管段的丢失部分，提高所述血管提取的精准率。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (16)
1.一种血管提取方法，包括：读入体数据，根据所述体数据进行血管段生长,其特征在于，在所述血管段生长结束,沿所述血管段方向截取一段或一段以上的体数据进行血管提取，并判断所述体数据对应的曲线段是否为所述血管段的丢失部分，
其中，基于所述体数据进行血管提取包括计算所述体数据的对应曲线段的形状指数,并基于所述形状指数进行血管提取，
所述判断所述体数据对应的曲线段是否为所述血管段的丢失部分包括：提供容忍范围，判断所述曲线段的方向与所述血管段的方向的差值及/或所述曲线段的形状指数，或者所述曲线段的形状指数与所述血管段的形状指数的差值，是否落入所述容忍范围，若落入所述容忍范围，则所述体数据对应的曲线段为所述血管段的丢失部分；若未落入所述容忍范围，则所述体数据对应的曲线段不是所述血管段的丢失部分。
2.如权利要求1所述的血管提取方法，其特征在于，还包括：所述曲线段的形状指数与所述曲线段的长宽比值正相关，所述长宽比为所述曲线段的长度与所述曲线段截面半径的比值。
3.如权利要求1所述的血管提取方法，其特征在于，还包括以所述丢失部分对应的体数据中的一个点或一个以上的点为种子点进行血管提取。
4.如权利要求1所述的血管提取方法，其特征在于，还包括：按照与所述血管段距离由近及远的顺序,对所述体数据进行排序,并按照所述排序，依次判断所述体数据是否为所述血管段的丢失部分。
5.如权利要求4所述的血管提取方法，其特征在于，所述按照所述排序依次判断所述体数据是否为所述血管段的丢失部分包括：若判断到所述血管段的丢失部分的体数据，则停止排在所述丢失部分的体数据后序的体数据的判断。
6.如权利要求2所述的血管提取方法，其特征在于，还包括：获取所述曲线段长度和半径包括：提供一个圆柱体，所述圆柱体为空间上包含所述曲线段的最小体积的圆柱体，所述圆柱体的长度为所述曲线段的长度；所述圆柱体的截面的半径对应所述曲线段的半径。
7.如权利要求1所述的血管提取方法，其特征在于，还包括：获取所述形状指数包括:通过计算所述曲线段的二阶矩矩阵，以获得所述形状指数。
8.如权利要求7所述的血管提取方法，其特征在于，计算所述二阶矩矩阵包括:设所述体数据对应的曲线段的点为Pi，i＝1,2,…,n，所述点对应的坐标对应为(xi,yi,zi)，所述二阶矩矩阵为J＝T'T，其中，所述T的表达式如下：
9.如权利要求7所述的血管提取方法，其特征在于，获取所述曲线段的形状指数包括：计算所述二阶矩矩阵的特征值λ1，λ2和λ3，根据所述特征值获取所述曲线段的形状指数。
10.如权利要求9所述的血管提取方法，其特征在于，将所述特征值从小到大排列分别为λ1，λ2和λ3，所述形状指数与所述λ3正相关，与所述λ1+λ2负相关。
11.如权利要求9所述的血管提取方法，其特征在于，将所述特征值从小到大排列分别为λ1，λ2和λ3，所述形状指数与λ3/(λ1+λ2)线性相关。
12.如权利要求9所述的血管提取方法，其特征在于，将所述特征值从小到大排列分别为λ1，λ2和λ3，所述曲线段的长度为所述曲线段的半径为对应的所述形状指数为L/R，所述曲线段的方向为特征值λ3对应的特征向量。
13.如权利要求1所述的血管提取方法，其特征在于，还包括：计算所述体数据对应的曲线段的连通域体积。
14.如权利要求13所述的血管提取方法，其特征在于，提供体积阈值，计算所述连通域体积大于所述体积阈值的连通域对应体数据的二阶矩矩阵。
15.如权利要求1所述的血管提取方法，其特征在于，还包括：对所述体数据进行线增强，形成体数据对应的曲线段。
16.如权利要求1所述的血管提取方法，其特征在于，所述血管段生长为基于区域增长的血管段生长或基于水平集的血管段生长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310188720.0A CN104182956B (zh) | 2013-05-21 | 2013-05-21 | 一种血管提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310188720.0A CN104182956B (zh) | 2013-05-21 | 2013-05-21 | 一种血管提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104182956A CN104182956A (zh) | 2014-12-03 |
| CN104182956B true CN104182956B (zh) | 2018-08-03 |
Family
ID=51963975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310188720.0A Active CN104182956B (zh) | 2013-05-21 | 2013-05-21 | 一种血管提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104182956B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427277B (zh) * | 2015-10-30 | 2018-01-16 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN106169190A (zh) * | 2016-07-01 | 2016-11-30 | 南京邮电大学 | 一种冠状动脉的分层显示方法 |
| CN108022237B (zh) * | 2017-11-30 | 2021-07-13 | 上海联影医疗科技股份有限公司 | 血管提取方法、系统及存储介质 |
| CN112308846B (zh) * | 2020-11-04 | 2021-07-13 | 赛诺威盛科技(北京)股份有限公司 | 血管分割方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
| WO2010129911A1 (en) * | 2009-05-08 | 2010-11-11 | Edda Technology, Inc. | Method, system, apparatus, and computer program product for interactive hepatic vascular and biliary system assessment |
| CN102567734A (zh) * | 2012-01-02 | 2012-07-11 | 西安电子科技大学 | 基于比值的视网膜细小血管分割方法 |
| CN103077550A (zh) * | 2012-12-10 | 2013-05-01 | 华北电力大学（保定） | 一种非门控icus图像序列中血管的四维重建方法 |
-
2013
- 2013-05-21 CN CN201310188720.0A patent/CN104182956B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
| WO2010129911A1 (en) * | 2009-05-08 | 2010-11-11 | Edda Technology, Inc. | Method, system, apparatus, and computer program product for interactive hepatic vascular and biliary system assessment |
| CN102567734A (zh) * | 2012-01-02 | 2012-07-11 | 西安电子科技大学 | 基于比值的视网膜细小血管分割方法 |
| CN103077550A (zh) * | 2012-12-10 | 2013-05-01 | 华北电力大学（保定） | 一种非门控icus图像序列中血管的四维重建方法 |
Non-Patent Citations (4)
| Title |
|---|
| 一种基于管状特征的冠脉中心线自动提取算法;王胜军 等;《东北大学学报（自然科学版）》;20110131;第32卷(第1期);全文 * |
| 一种基于管状特征的水平集算法及其在医学图像血管分割中的应用;朱湘君;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111215(第S2期);论文第一章第1.2节、第三章第3.3节、第四章第4.3节 * |
| 一种自适应区域生长的CTA血管分割算法;王胜军 等;《中国生物医学工程学会成立30周年纪念大会暨中国生物医学工程学会学术大会》;20101231;全文 * |
| 基于特征和层间相关性的CTA体数据自动去骨算法;王胜军 等;《中国生物医学工程学报》;20101231;第29卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104182956A (zh) | 2014-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10614573B2 (en) | Method for automatically recognizing liver tumor types in ultrasound images | |
| US10664968B2 (en) | Computer aided diagnosis apparatus and method based on size model of region of interest | |
| Yin et al. | Automatic segmentation and measurement of vasculature in retinal fundus images using probabilistic formulation | |
| KR102205898B1 (ko) | 의료영상들을 정합하는 방법 및 장치 | |
| US9959615B2 (en) | System and method for automatic pulmonary embolism detection | |
| CN104182956B (zh) | 一种血管提取方法 | |
| EP2437648B1 (en) | Image processing apparatus, control method thereof, and computer program | |
| WO2008097520A2 (en) | System and method for computer aided detection of pulmonary embolism in tobogganing in ct angiography | |
| WO2010140476A1 (en) | Image processing apparatus, control method thereof, and computer program | |
| Ling et al. | Fast and efficient iris image segmentation | |
| CN108022237A (zh) | 血管提取方法、系统及存储介质 | |
| Shafiq et al. | Seismic interpretation of migrated data using edge-based geodesic active contours | |
| Li et al. | Automatic multi-plaque tracking and segmentation in ultrasonic videos | |
| CN109658377B (zh) | 一种基于多维度信息融合的乳腺mri病变区域检测方法 | |
| Lermé et al. | A fully automatic method for segmenting retinal artery walls in adaptive optics images | |
| CN115511883B (zh) | 确定视网膜眼底血管的弯曲度的方法、设备和存储介质 | |
| Tek et al. | An automatic system for segmenting coronary arteries from CTA | |
| Wang et al. | Retinal blood vessels segmentation based on multi-classifier fusion | |
| Chen et al. | Centerline constrained minimal path propagation for vessel extraction | |
| KR20150026354A (ko) | 의료영상들을 정합하는 방법 및 장치 | |
| Sui et al. | A novel method for vessel segmentation and automatic diagnosis of vascular stenosis | |
| Chang et al. | Sub-pixel retinal vessel tracking and measurement using modified canny edge detection method | |
| Zhou et al. | New approach to the automatic segmentation of coronary artery in X-ray angiograms | |
| Princye et al. | Detection of exudates and feature extraction of retinal images using fuzzy clustering method | |
| CA3143305A1 (en) | System and method for vessel segmentation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201815 Shanghai City, Jiading District Jiading Industrial Zone No. 1180 Building 8 Hing Road Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201815 Shanghai City, Jiading District Jiading Industrial Zone No. 1180 Building 8 Hing Road Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: Shanghai Lianying Medical Technology Co.,Ltd. |