CN104376549A - 血管内超声与血管内oct图像的融合方法 - Google Patents
血管内超声与血管内oct图像的融合方法 Download PDFInfo
- Publication number
- CN104376549A CN104376549A CN201410666827.6A CN201410666827A CN104376549A CN 104376549 A CN104376549 A CN 104376549A CN 201410666827 A CN201410666827 A CN 201410666827A CN 104376549 A CN104376549 A CN 104376549A
- Authority
- CN
- China
- Prior art keywords
- image
- ivus
- oct
- oct image
- profile
- 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
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种血管内超声与血管内OCT图像的融合方法,所述方法包括以下步骤:a.图像检索:对于在血管段上相同位置处采集的IVUS和IV-OCT图像,将一帧IV-OCT图像作为参考图像,从在该点采集的n帧IVUS图像中选取待配准的图像;b.IVUS和IV-OCT图像的配准;c.IVUS和IV-OCT图像的融合。本发明将同一段血管的IV-OCT与IVUS图像数据融合起来,充分发挥了IVUS成像的强组织穿透力和IV-OCT成像高分辨率的优势,获得了对血管壁以及粥样硬化斑块的更为全面的描述,为冠心病的研究等提供了可靠依据。
Description
技术领域
本发明涉及一种对同一段血管的血管内超声(intravascular ultrasound, IVUS)灰阶图像和血管内OCT(intravascular optical coherence tomography,IV-OCT)图像进行自动融合的方法,以全面显示血管腔和血管壁(包括粥样硬化斑块)组织的形态结构,属于医学成像技术领域。
背景技术
血管内超声(IVUS)是临床常用的研究血管病变的介入影像手段,它将一个微型高频超声探头置于心导管顶端,利用心导管将超声探头导入血管腔内进行探测,再经电子成像系统来显示血管壁的组织结构和几何形态的微细解剖信息。血管内光学相干断层扫描(IV-OCT)采用低相干的近红外光在血管腔内进行360o扫描,根据从组织反射或散射回来的不同光学特征进行组织分析成像,获得血管横断面图像,其成像分辨率接近组织学分辨率,是目前分辨率最高、成像最清晰的血管内成像技术。
IV-OCT与IVUS的成像原理类似,且二者具有优势互补的特点:IVUS由于采用高频超声探头,因此可获得较好的探测深度,但是空间分辨率较低,对血管微小结构变化提供的信息有限;IV-OCT的轴向和侧向分辨率都很高,接近组织学分辨率,易识别易损斑块及引起血栓的小斑块,但由于采用红外光源,导致其组织穿透力较弱,穿透深度仅为1-2mm。因此,如果能够将两种图像融合在一起,就能获得对血管壁以及粥样硬化斑块的更为全面的描述,为冠心病的研究等提供依据。然而到目前为止,人们还未能找到一种能将两种图像有效融合的方法。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种血管内超声与血管内OCT图像的融合方法,以全面显示血管腔和血管壁(包括粥样硬化斑块)组织的形态结构,为冠心病的研究等提供可靠依据。
本发明所述问题是以下述技术方案解决的:
一种血管内超声与血管内OCT图像的融合方法,所述方法包括以下步骤:
a.图像检索
对于在血管段上相同位置处采集的IVUS和IV-OCT图像,将一帧IV-OCT图像作为参考图像,从在该点采集的n帧IVUS图像中选取待配准的图像,具体步骤如下:
①采用snake模型分别从参考IV-OCT图像和对应的n帧IVUS图像中提取出血管腔轮廓;
②分别对IVUS和IV-OCT图像中的血管腔轮廓进行傅里叶变换;
③分别计算参考IV-OCT图像中血管腔轮廓的傅里叶描述与对应的n帧IVUS图像中血管腔轮廓的傅里叶描述之间的欧氏距离,选取欧氏距离最小的一帧IVUS图像作为待配准的图像;
b.IVUS和IV-OCT图像的配准
①分别计算IV-OCT和IVUS图像中的血管腔轮廓周长L o和L v,得到尺度参数S=L o/L v,然后对IVUS图像中的血管腔轮廓进行S倍放大;
②分别计算IV-OCT和IVUS图像中管腔轮廓的质心坐标(x o, y o)和(x v, y v),得到平移参数:
;
然后将进行S倍放大的IVUS管腔轮廓平移(T x , T y );
③将原始IV-OCT管腔轮廓及放大平移之后的IVUS管腔轮廓分别进行极坐标转换,得到二者的极坐标视图:
和,
其中是极径,是极角;
现场采集的IVUS和IV-OCT横截面图像按如下方式建立平面直角坐标系:以图像中心O C为坐标原点、水平向右方向为横轴,建立图像平面直角坐标系O C XY;则血管腔轮廓上的一点在平面直角坐标系O C XY中的坐标(x,y)与极坐标(ρ, θ)之间的变换关系为:
和
然后计算极坐标视图和之间的旋转角度;
④将放大平移后的IVUS管腔轮廓旋转角度,得到最终的配准图像,并将IV-OCT图像表示为;
c.IVUS和IV-OCT图像的融合
①分别对配准的IVUS图像和IV-OCT图像进行J次二维小波分解:
;
其中,,J=0时是原始图像; H 和 G 分别为高通滤波器和低通滤波器对应的系数矩阵; H '和 G '分别为 H 和 G 的共轭转置矩阵;C j 和C j+1分别是第j和j+1层分解图像的低频小波系数;D 1 j+1、D 2 j+1和D 3 j+1分别是第j+1层分解图像的水平、垂直及对角方向的高频小波系数;
②对相应像素点的高、低频小波系数采用不同融合规则进行融合;
③对融合图像的高频和低频小波系数进行逆小波变换:
;
其中,即得到IVUS及IV-OCT的融合图像。
上述血管内超声与血管内OCT图像的融合方法,对相应像素点的高、低频小波系数进行融合时,低频系数采用平均值融合规则:
;
其中,和分别是IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的低频小波系数;是融合图像在点(x, y)的第j+1层分解图像的低频小波系数;
高频系数采用最大值融合规则:
;
其中,i=1,2,3分别对应水平、垂直及对角方向;和分别是IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数;是融合图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数;
上述血管内超声与血管内OCT图像的融合方法,计算极坐标视图和之间的旋转角度的具体方法如下:
分别对极坐标视图和进行傅里叶变换,得到和,并计算二者之间的互功率谱
其中,和分别是和的复共轭,计算的逆傅里叶变换,并记录其峰值坐标(X, Y),最终得到旋转角度:
。
上述血管内超声与血管内OCT图像的融合方法,对IVUS和IV-OCT图像中的血管腔轮廓进行傅里叶变换的具体方法是:将管腔轮廓曲线放到复平面上,形成一个复数序列,对该复数序列进行离散傅里叶变换并进行系数归一化,得到轮廓的傅里叶描述。
上述血管内超声与血管内OCT图像的融合方法,对配准的IVUS图像和IV-OCT图像进行二维小波分解的次数为J=2。
本发明将同一段血管的IV-OCT与IVUS图像数据融合起来,充分发挥了IVUS成像的强组织穿透力和IV-OCT成像高分辨率的优势,获得了对血管壁以及粥样硬化斑块的更为全面的描述,为冠心病的研究等提供了可靠依据。
附图说明
下面结合附图对本发明作进一步详述。
图1是本发明方法的流程图;
图2是对一帧IVUS图像和IV-OCT图像进行血管腔轮廓提取的结果;其中(a)是一帧IVUS图像的血管腔轮廓提取结果;(b)是一帧IV-OCT图像的血管腔轮廓提取结果。
图3是一帧待配准的IVUS图像和IV-OCT图像;其中(a)是一帧待配准的IVUS图像;(b)是一帧IV-OCT图像;
图4是IVUS或IV-OCT图像横向视图直角坐标系的极坐标变换示意图。
图5是一帧配准后的IVUS图像;
图6是一帧IVUS图像和IV-OCT图像的融合结果。
文中所用符号:、IV-OCT的帧速率;、IVUS的帧速率;、IV-OCT的导管回撤速度;、IVUS的导管回撤速度;n、1mm的回撤距离中采集的IVUS图像帧数与IV-OCT图像帧数的比值;L o、IV-OCT图像中的血管腔轮廓周长;L v、IVUS图像中的血管腔轮廓周长;S、L o和L v之间的尺度参数;(x o, y o)、IV-OCT图像中血管腔轮廓的质心坐标;(x v, y v)、IVUS图像中血管腔轮廓的质心坐标;T x 、T y 、平移参数;、原始IV-OCT图像中的血管腔轮廓;、放大平移后的IVUS图像中的血管腔轮廓;、IV-OCT血管腔轮廓的极坐标视图;、IVUS血管腔轮廓的极坐标视图;、极径;极角;ImageWidth、ImageHeight、IVUS或IV-OCT图像的宽度和高度(单位:像素);OX'Y'、计算机显示器屏幕平面直角坐标系;O C、图像中心;O C XY、图像平面直角坐标系;(x',y')、(x,y)、血管腔轮廓上的一点分别在屏幕平面坐标系OX'Y'和图像平面直角坐标系O C XY中的坐标;、旋转角度;、IV-OCT血管腔轮廓极坐标视图的傅里叶变换;、IVUS血管腔轮廓极坐标视图的傅里叶变换;、的复共轭;、的复共轭;、和之间的互功率谱;(X, Y)、的逆傅里叶变换的峰值坐标;、配准之后的IV-OCT图像;、配准之后的IVUS图像;J、对图像进行二维小波分解的次数;C j 、C j+1、第j和j+1层分解图像的低频小波系数; H 、高通滤波器的系数矩阵; G 、低通滤波器的系数矩阵; H '、 H 的共轭转置矩阵; G '、 G 的共轭转置矩阵;D 1 j+1、D 2 j+1、D 3 j+1、第j+1层分解图像的水平、垂直及对角方向的高频小波系数;、、IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的低频小波系数;、融合图像在点(x, y)的第j+1层分解图像的低频小波系数; 、、IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数;、融合图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数;i=1,2,3分别对应水平、垂直及对角方向。
具体实施方式
本发明提供了一种血管内超声灰阶图像和血管内OCT图像的自动融合方法,下面结合附图详细说明本发明的数据处理步骤:
1. 图像检索
对同一段血管分别进行IVUS和IV-OCT成像时,IV-OCT的帧速率是帧/s,导管回撤速度是mm/s;IVUS的帧速率是帧/s,导管回撤速度是mm/s。因此在1mm的回撤距离中采集的IVUS图像帧数为,IV-OCT图像帧数为,二者之间的比值为。例如,IV-OCT的帧速率是100帧/s,导管回撤速度是20mm/s;IVUS的帧速率是30帧/s,导管回撤速度是0.5mm/s。那么在1mm的回撤距离中采集的IVUS图像帧数是IV-OCT的12倍(IV-OCT:5帧/mm;IVUS:60帧/mm)。
对于在血管段上相同位置处采集的IVUS和IV-OCT图像,本发明方法将一帧IV-OCT图像作为参考图像,从在该点采集的n帧IVUS图像中选取待配准的图像。具体步骤如下:
首先,在将两种图像的尺寸统一为256×256像素,并进行灰度化处理之后,采用snake模型(M. Kass, A. Witkin, D. Terzopoulos. Snakes: active contour models. International Journal of Computer Vision. 1987, vol.1, no.4, pp.321-331)分别从参考IV-OCT图像和对应的n帧IVUS图像中提取出血管腔轮廓。附图2为一帧IVUS和IV-OCT图像的血管腔轮廓提取结果。
然后,分别对IVUS和IV-OCT图像中的血管腔轮廓进行傅里叶变换,具体方法如下:管腔轮廓是平面内的一条封闭曲线,把该曲线放到复平面上去,形成一个复数序列,即横坐标为实轴,纵坐标为虚轴。对该复数序列进行离散傅里叶变换并进行系数归一化,就得到轮廓的傅里叶描述。
最后,分别计算参考IV-OCT图像中血管腔轮廓的傅里叶描述与对应的n帧IVUS图像中血管腔轮廓的傅里叶描述之间的欧氏距离(Sergios Theodoridis, Konstantinos Koutroumbas著,李晶皎,王爱侠,王骄,等译. 模式识别(第四版). 北京:电子工业出版社, 2010: 412-414),选取欧氏距离最小的一帧IVUS图像作为待配准的图像。附图3为一帧待配准的IVUS图像。
2. IVUS和IV-OCT图像的配准
步骤1:根据待配准的IV-OCT和IVUS图像中的血管腔轮廓周长之比来确定两幅图像之间的尺度关系。具体方法如下:分别计算IV-OCT和IVUS图像中的血管腔轮廓周长L o和L v,得到尺度参数S=L o/L v,并对IVUS图像中的血管腔轮廓进行S倍放大。
步骤2:根据两幅图像中血管腔轮廓的质心坐标来确定两幅图像之间的平移参数。具体方法如下:分别计算IV-OCT和IVUS图像中管腔轮廓的质心坐标(x o, y o)和(x v, y v),得到平移参数
(1)
然后将进行S倍放大的IVUS管腔轮廓平移(T x , T y )。
步骤3:计算两幅图像之间的旋转角度,具体方法如下:
首先,将原始IV-OCT管腔轮廓及放大平移之后的IVUS管腔轮廓分别进行极坐标转换,得到二者的极坐标视图
(2)
和 (3)
其中是极径,是极角。
如附图4所示,现场采集的IVUS和IV-OCT横截面图像都是按照计算机显示器屏幕平面直角坐标系OX'Y'存储的,坐标系OX'Y'以显示界面的左上角为原点、分别以水平向右和垂直向下方向为横轴和纵轴。若图像的宽度和高度分别用ImageWidth和ImageHeight(单位:像素)表示,则图像中心O C在坐标系OX'Y'中的坐标为(ImageWidth/2,ImageHeight/2)。以图像中心O C为坐标原点、水平向右方向为横轴,建立图像平面直角坐标系O C XY。血管腔轮廓上的一点在屏幕平面坐标系OX'Y'中的坐标为(x',y'),其在图像平面直角坐标系O C XY中的坐标(x,y)为
(4)
(x,y)与极坐标(ρ, θ)之间的变换关系为:
(5)
和
(6)
其次,计算极坐标视图和之间的旋转角度。具体方法如下:分别对极坐标视图和进行傅里叶变换,得到和,并计算二者之间的互功率谱
(7)
其中,和分别是和的复共轭。计算的逆傅里叶变换,并记录其峰值坐标(X, Y),最终得到旋转角度
(8)
步骤4:将放大平移后的IVUS管腔轮廓旋转角度,得到最终的配准图像,并将IV-OCT图像表示为。
3. IVUS和IV-OCT图像的融合
在完成IVUS和IV-OCT图像配准的基础上,本发明方法实现二者融合的具体步骤如下:
步骤1:分别对配准的IVUS图像和IV-OCT图像进行J次二维小波分解:
(9)
其中,,J=0时是原始图像; H 和 G 分别为高通滤波器和低通滤波器对应的系数矩阵; H '和 G '分别为 H 和 G 的共轭转置矩阵;C j 和C j+1分别是第j和j+1层分解图像的低频小波系数;D 1 j+1、D 2 j+1和D 3 j+1分别是第j+1层分解图像的水平、垂直及对角方向的高频小波系数。最终得到(3J+1)个子图像,其中包括1个低频分量和3J个高频分量。考虑到分解层数越多可能导致信息损失的问题,本发明方法取J=2。
步骤2:对相应像素点的高、低频小波系数采用不同融合规则进行融合,低频系数采用平均值融合规则:
(10)
其中,和分别是IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的低频小波系数;是融合图像在点(x, y)的第j+1层分解图像的低频小波系数。高频系数采用最大值融合规则:
(11)
其中,i=1,2,3分别对应水平、垂直及对角方向;和分别是IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数;是融合图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数。
步骤3:对融合图像的高频和低频小波系数进行逆小波变换:
(12)
其中,即得到IVUS及IV-OCT的融合图像。附图5是一帧IVUS图像和IV-OCT图像的融合结果。
Claims (5)
1.一种血管内超声与血管内OCT图像的融合方法,其特征是,所述方法包括以下步骤:
a.图像检索
对于在血管段上相同位置处采集的IVUS和IV-OCT图像,将一帧IV-OCT图像作为参考图像,从在该点采集的n帧IVUS图像中选取待配准的图像,具体步骤如下:
①采用snake模型分别从参考IV-OCT图像和对应的n帧IVUS图像中提取出血管腔轮廓;
②分别对IVUS和IV-OCT图像中的血管腔轮廓进行傅里叶变换;
③分别计算参考IV-OCT图像中血管腔轮廓的傅里叶描述与对应的n帧IVUS图像中血管腔轮廓的傅里叶描述之间的欧氏距离,选取欧氏距离最小的一帧IVUS图像作为待配准的图像;
b.IVUS和IV-OCT图像的配准
①分别计算IV-OCT和IVUS图像中的血管腔轮廓周长L o和L v ,得到尺度参数S=L o/L v,然后对IVUS图像中的血管腔轮廓进行S倍放大;
②分别计算IV-OCT和IVUS图像中管腔轮廓的质心坐标(x o, y o)和(x v, y v),得到平移参数:
;
然后将进行S倍放大的IVUS管腔轮廓平移(T x , T y );
③将原始IV-OCT管腔轮廓及放大平移之后的IVUS管腔轮廓分别进行极坐标转换,得到二者的极坐标视图:
和,
其中是极径,是极角;
现场采集的IVUS和IV-OCT横截面图像按如下方式建立平面直角坐标系:以图像中心O C为坐标原点、水平向右方向为横轴,建立图像平面直角坐标系O C XY;则血管腔轮廓上的一点在平面直角坐标系O C XY中的坐标(x,y)与极坐标(ρ, θ)之间的变换关系为:
和
;
然后计算极坐标视图和之间的旋转角度;
④将放大平移后的IVUS管腔轮廓旋转角度,得到最终的配准图像,并将IV-OCT图像表示为;
c.IVUS和IV-OCT图像的融合
①分别对配准的IVUS图像和IV-OCT图像进行J次二维小波分解:
其中,,J=0时是原始图像; H 和 G 分别为高通滤波器和低通滤波器对应的系数矩阵; H '和 G '分别为 H 和 G 的共轭转置矩阵;C j 和C j+1分别是第j和j+1层分解图像的低频小波系数;D 1 j+1、D 2 j+1和D 3 j+1分别是第j+1层分解图像的水平、垂直及对角方向的高频小波系数;
②对相应像素点的高、低频小波系数采用不同融合规则进行融合;
③对融合图像的高频和低频小波系数进行逆小波变换:
;
其中,即得到IVUS及IV-OCT的融合图像。
2.根据权利要求1所述的血管内超声与血管内OCT图像的融合方法,其特征是,对相应像素点的高、低频小波系数进行融合时,低频系数采用平均值融合规则:
;
其中,和分别是IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的低频小波系数;是融合图像在点(x, y)的第j+1层分解图像的低频小波系数;
高频系数采用最大值融合规则:
其中,i=1,2,3分别对应水平、垂直及对角方向;和分别是IV-OCT图像和IVUS图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数;是融合图像在点(x, y)的第j+1层分解图像的水平、垂直、对角方向的高频小波系数。
3.根据权利要求1或2所述的血管内超声与血管内OCT图像的融合方法,其特征是,计算极坐标视图和之间的旋转角度的具体方法如下:
分别对极坐标视图和进行傅里叶变换,得到和,并计算二者之间的互功率谱
;
其中,和分别是和的复共轭,计算的逆傅里叶变换,并记录其峰值坐标(X, Y),最终得到旋转角度:
。
4.根据权利要求3所述的血管内超声与血管内OCT图像的融合方法,其特征是,对IVUS和IV-OCT图像中的血管腔轮廓进行傅里叶变换的具体方法是:将管腔轮廓曲线放到复平面上,形成一个复数序列,对该复数序列进行离散傅里叶变换并进行系数归一化,得到轮廓的傅里叶描述。
5.根据权利要求4所述的血管内超声与血管内OCT图像的融合方法,其特征是,对配准的IVUS图像和IV-OCT图像进行二维小波分解的次数为J=2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410666827.6A CN104376549B (zh) | 2014-11-20 | 2014-11-20 | 血管内超声与血管内oct图像的融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410666827.6A CN104376549B (zh) | 2014-11-20 | 2014-11-20 | 血管内超声与血管内oct图像的融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104376549A true CN104376549A (zh) | 2015-02-25 |
CN104376549B CN104376549B (zh) | 2017-07-18 |
Family
ID=52555439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410666827.6A Active CN104376549B (zh) | 2014-11-20 | 2014-11-20 | 血管内超声与血管内oct图像的融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376549B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106377229A (zh) * | 2016-10-18 | 2017-02-08 | 全景恒升(北京)科学技术有限公司 | 一种旋转式声学和光学合并成像系统 |
CN107730497A (zh) * | 2017-10-27 | 2018-02-23 | 哈尔滨工业大学 | 一种基于深度迁移学习的血管内斑块属性分析方法 |
CN108198174A (zh) * | 2017-12-28 | 2018-06-22 | 西安中科微光影像技术有限公司 | 一种心血管ivoct与ivus自动配准方法与装置 |
CN108986084A (zh) * | 2018-06-28 | 2018-12-11 | 中山大学 | 一种新型oct图像显示方法 |
CN109584195A (zh) * | 2018-11-20 | 2019-04-05 | 深圳英美达医疗技术有限公司 | 一种双模图像自动融合方法 |
CN109998599A (zh) * | 2019-03-07 | 2019-07-12 | 华中科技大学 | 一种基于ai技术的光/声双模成像眼底疾病诊断系统 |
CN111445473A (zh) * | 2020-03-31 | 2020-07-24 | 复旦大学 | 基于血管内超声图像序列多角度重建的血管膜精确分割方法及系统 |
CN111462065A (zh) * | 2020-03-27 | 2020-07-28 | 浙江杜比医疗科技有限公司 | 超声、红外序列图像融合的乳腺癌检测方法及其系统 |
WO2020168697A1 (zh) * | 2019-02-22 | 2020-08-27 | 未艾医疗技术(深圳)有限公司 | 基于VRDS 4D医学影像的栓塞的Ai识别方法及产品 |
CN111640106A (zh) * | 2020-06-02 | 2020-09-08 | 中国医学科学院阜外医院深圳医院(深圳市孙逸仙心血管医院) | 一种基于人工智能的多模态医学影像的转换方法 |
CN111667447A (zh) * | 2020-06-05 | 2020-09-15 | 全景恒升(北京)科学技术有限公司 | 血管内图像融合方法、系统及图像采集装置 |
CN111798438A (zh) * | 2020-07-09 | 2020-10-20 | 全景恒升(北京)科学技术有限公司 | 一种血管内超声图像智能分割方法及系统 |
CN112057167A (zh) * | 2019-05-22 | 2020-12-11 | 深圳市德力凯医疗设备股份有限公司 | 一种血管手术超声导航方法以及超声导航设备 |
CN112587170A (zh) * | 2020-12-29 | 2021-04-02 | 全景恒升(北京)科学技术有限公司 | 基于双模成像的血管内斑块负荷检测方法、系统及终端 |
CN113096056A (zh) * | 2021-04-06 | 2021-07-09 | 全景恒升(北京)科学技术有限公司 | 一种基于区域互补的血管内图像融合方法 |
CN113349737A (zh) * | 2021-06-30 | 2021-09-07 | 深圳英美达医疗技术有限公司 | 一种血管内双模成像系统oct图像的校准方法 |
CN114155243A (zh) * | 2022-02-09 | 2022-03-08 | 天津恒宇医疗科技有限公司 | 基于特征信息的ivus和oct图像融合方法及系统 |
CN114387464A (zh) * | 2021-12-01 | 2022-04-22 | 杭州脉流科技有限公司 | 基于ivus影像的易损斑块识别方法、计算机设备、可读存储介质和程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080089480A1 (en) * | 2006-10-16 | 2008-04-17 | Oraya Therapeutics, Inc. | Portable orthovoltage radiotherapy |
CN103914814A (zh) * | 2012-12-28 | 2014-07-09 | 北京思创贯宇科技开发有限公司 | 一种ct冠脉图像与xa造影图像的图像融合方法及系统 |
CN103942772A (zh) * | 2014-05-15 | 2014-07-23 | 北京思创贯宇科技开发有限公司 | 一种多模态多维度的血管融合方法及系统 |
-
2014
- 2014-11-20 CN CN201410666827.6A patent/CN104376549B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080089480A1 (en) * | 2006-10-16 | 2008-04-17 | Oraya Therapeutics, Inc. | Portable orthovoltage radiotherapy |
CN103914814A (zh) * | 2012-12-28 | 2014-07-09 | 北京思创贯宇科技开发有限公司 | 一种ct冠脉图像与xa造影图像的图像融合方法及系统 |
CN103942772A (zh) * | 2014-05-15 | 2014-07-23 | 北京思创贯宇科技开发有限公司 | 一种多模态多维度的血管融合方法及系统 |
Non-Patent Citations (3)
Title |
---|
OLIVIER PAULY 等: "Semi-Automatic Matching of OCT and IVUS Images For Image Fusion", 《MEDICAL IMAGING 2008 CONFERENCE》 * |
SHENGXIAN TU 等: "Fusion of 3D QCA and IVUS/OCT", 《INTERNATIONAL JOURNAL CARDIOVASCULAR IMAGING》 * |
董海艳 等: "基于血管内超声图像序列的相角配准与边缘检测", 《中国图象图形学报》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106377229B (zh) * | 2016-10-18 | 2019-04-09 | 全景恒升(北京)科学技术有限公司 | 一种旋转式声学和光学合并成像系统 |
CN106377229A (zh) * | 2016-10-18 | 2017-02-08 | 全景恒升(北京)科学技术有限公司 | 一种旋转式声学和光学合并成像系统 |
CN107730497A (zh) * | 2017-10-27 | 2018-02-23 | 哈尔滨工业大学 | 一种基于深度迁移学习的血管内斑块属性分析方法 |
CN107730497B (zh) * | 2017-10-27 | 2021-09-10 | 哈尔滨工业大学 | 一种基于深度迁移学习的血管内斑块属性分析方法 |
CN108198174B (zh) * | 2017-12-28 | 2021-11-19 | 中科微光医疗研究中心(西安)有限公司 | 一种心血管ivoct与ivus自动配准方法与装置 |
CN108198174A (zh) * | 2017-12-28 | 2018-06-22 | 西安中科微光影像技术有限公司 | 一种心血管ivoct与ivus自动配准方法与装置 |
CN108986084A (zh) * | 2018-06-28 | 2018-12-11 | 中山大学 | 一种新型oct图像显示方法 |
CN108986084B (zh) * | 2018-06-28 | 2022-04-19 | 中山大学 | 一种新型oct图像显示方法 |
CN109584195A (zh) * | 2018-11-20 | 2019-04-05 | 深圳英美达医疗技术有限公司 | 一种双模图像自动融合方法 |
CN109584195B (zh) * | 2018-11-20 | 2023-03-28 | 深圳英美达医疗技术有限公司 | 一种双模图像自动融合方法 |
WO2020168697A1 (zh) * | 2019-02-22 | 2020-08-27 | 未艾医疗技术(深圳)有限公司 | 基于VRDS 4D医学影像的栓塞的Ai识别方法及产品 |
AU2019429940B2 (en) * | 2019-02-22 | 2023-03-23 | Sheng Cao | AI identification method of embolism based on VRDS 4D medical image, and product |
CN109998599A (zh) * | 2019-03-07 | 2019-07-12 | 华中科技大学 | 一种基于ai技术的光/声双模成像眼底疾病诊断系统 |
CN112057167A (zh) * | 2019-05-22 | 2020-12-11 | 深圳市德力凯医疗设备股份有限公司 | 一种血管手术超声导航方法以及超声导航设备 |
CN111462065A (zh) * | 2020-03-27 | 2020-07-28 | 浙江杜比医疗科技有限公司 | 超声、红外序列图像融合的乳腺癌检测方法及其系统 |
CN111445473B (zh) * | 2020-03-31 | 2023-04-28 | 复旦大学 | 基于血管内超声图像序列多角度重建的血管膜精确分割方法及系统 |
CN111445473A (zh) * | 2020-03-31 | 2020-07-24 | 复旦大学 | 基于血管内超声图像序列多角度重建的血管膜精确分割方法及系统 |
CN111640106A (zh) * | 2020-06-02 | 2020-09-08 | 中国医学科学院阜外医院深圳医院(深圳市孙逸仙心血管医院) | 一种基于人工智能的多模态医学影像的转换方法 |
CN111667447A (zh) * | 2020-06-05 | 2020-09-15 | 全景恒升(北京)科学技术有限公司 | 血管内图像融合方法、系统及图像采集装置 |
CN111798438B (zh) * | 2020-07-09 | 2022-07-01 | 全景恒升(北京)科学技术有限公司 | 一种血管内超声图像智能分割方法及系统 |
CN111798438A (zh) * | 2020-07-09 | 2020-10-20 | 全景恒升(北京)科学技术有限公司 | 一种血管内超声图像智能分割方法及系统 |
CN112587170A (zh) * | 2020-12-29 | 2021-04-02 | 全景恒升(北京)科学技术有限公司 | 基于双模成像的血管内斑块负荷检测方法、系统及终端 |
CN112587170B (zh) * | 2020-12-29 | 2022-06-21 | 全景恒升(北京)科学技术有限公司 | 基于双模成像的血管内斑块负荷检测方法、系统及终端 |
CN113096056A (zh) * | 2021-04-06 | 2021-07-09 | 全景恒升(北京)科学技术有限公司 | 一种基于区域互补的血管内图像融合方法 |
CN113349737A (zh) * | 2021-06-30 | 2021-09-07 | 深圳英美达医疗技术有限公司 | 一种血管内双模成像系统oct图像的校准方法 |
CN113349737B (zh) * | 2021-06-30 | 2023-05-26 | 深圳英美达医疗技术有限公司 | 一种血管内双模成像系统oct图像的校准方法 |
CN114387464A (zh) * | 2021-12-01 | 2022-04-22 | 杭州脉流科技有限公司 | 基于ivus影像的易损斑块识别方法、计算机设备、可读存储介质和程序产品 |
CN114155243A (zh) * | 2022-02-09 | 2022-03-08 | 天津恒宇医疗科技有限公司 | 基于特征信息的ivus和oct图像融合方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104376549B (zh) | 2017-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376549A (zh) | 血管内超声与血管内oct图像的融合方法 | |
Rohling et al. | Automatic registration of 3-D ultrasound images | |
US10835207B2 (en) | Fast anatomical mapping using ultrasound images | |
Golemati et al. | Using the Hough transform to segment ultrasound images of longitudinal and transverse sections of the carotid artery | |
Ukwatta et al. | Three‐dimensional ultrasound of carotid atherosclerosis: semiautomated segmentation using a level set‐based method | |
Faraji et al. | Segmentation of arterial walls in intravascular ultrasound cross-sectional images using extremal region selection | |
CN113781439B (zh) | 超声视频病灶分割方法及装置 | |
Chung et al. | Freehand three-dimensional ultrasound imaging of carotid artery using motion tracking technology | |
EP2293244A1 (en) | System and method for providing 2-dimensional computerized-tomography image corresponding to 2-dimensional ultrasound image | |
DE102012108121A1 (de) | Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien | |
CN105738779A (zh) | 一种基于多源图像融合的局部放电检测方法 | |
CN111667447A (zh) | 血管内图像融合方法、系统及图像采集装置 | |
WO2022105647A1 (zh) | 一种颅内血管造影增强三维模型的建立方法 | |
KR20150045885A (ko) | 초음파 및 ct 영상의 정합에 관한 시스템 및 작동 방법 | |
CN103501699A (zh) | 用于隔离成像数据中的潜在异常的方法和装置和其对医学图像的应用 | |
Loizou et al. | An integrated system for the segmentation of atherosclerotic carotid plaque ultrasound video | |
US8805043B1 (en) | System and method for creating and using intelligent databases for assisting in intima-media thickness (IMT) | |
WO2023151280A1 (zh) | 双模冠脉血管图像三维融合的方法和融合系统 | |
CN106570871A (zh) | 模糊c均值颈动脉超声图像内中膜厚度测量方法及系统 | |
CN108198174A (zh) | 一种心血管ivoct与ivus自动配准方法与装置 | |
Shrimali et al. | Current trends in segmentation of medical ultrasound B-mode images: a review | |
KR102233966B1 (ko) | 의료 영상 정합 방법 및 그 장치 | |
Grau et al. | Phase-based registration of multi-view real-time three-dimensional echocardiographic sequences | |
Unal et al. | Shape-driven segmentation of intravascular ultrasound images | |
Sun et al. | A parallel method for segmenting intravascular ultrasound image sequence |
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 |