CN104966288A - 一种基于图像处理的血管内壁自动寻找方法 - Google Patents

一种基于图像处理的血管内壁自动寻找方法 Download PDF

Info

Publication number
CN104966288A
CN104966288A CN201510320894.7A CN201510320894A CN104966288A CN 104966288 A CN104966288 A CN 104966288A CN 201510320894 A CN201510320894 A CN 201510320894A CN 104966288 A CN104966288 A CN 104966288A
Authority
CN
China
Prior art keywords
image
blood vessel
vessel
coordinate conversion
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
Application number
CN201510320894.7A
Other languages
English (en)
Other versions
CN104966288B (zh
Inventor
王龙志
孟卓
陶魁园
刘新峰
张弢
姜永军
汤黎明
刘铁根
匡皓
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.)
NANJING WOFUMAN MEDICAL TECHNOLOGY Co Ltd
Original Assignee
NANJING WOFUMAN MEDICAL 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 NANJING WOFUMAN MEDICAL TECHNOLOGY Co Ltd filed Critical NANJING WOFUMAN MEDICAL TECHNOLOGY Co Ltd
Priority to CN201510320894.7A priority Critical patent/CN104966288B/zh
Publication of CN104966288A publication Critical patent/CN104966288A/zh
Application granted granted Critical
Publication of CN104966288B publication Critical patent/CN104966288B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Nuclear Medicine (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的血管内壁自动寻找方法，包括如下步骤：读取原始血管内壁断层图像；图像去噪；对比度调节；灰度形态学闭运算；图像分割获取血管区域；去除中心导管干扰；将血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域，对每一列数据寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标中的位置；逆坐标转换映射血管边缘：通过逆变换将血管内壁信息映射到极坐标系中，即原始图像坐标系最终实现对血管内壁边缘信息的自动寻找。本发明基于图像处理的血管内壁自动寻找方法可以实现血管断层图像中血管内壁边缘的自动、准确寻找。

Description

一种基于图像处理的血管内壁自动寻找方法
技术领域
本发明属于计算机医学图像分析领域，具体涉及一种基于图像处理的血管内壁自动寻找方法。
背景技术
在血管内断层成像系统对血管进行成像后，一个非常重要的应用是获取血管的内径和面积大小，并根据得到的正常血管内径和面积大小与异常血管(主要是针对由于血管病变引起的狭窄问题)内径和面积大小进行对比，得出异常血管与正常血管内径变化的比例。因此，如何有效地、自动且准确地寻找血管内部的边缘是实现该功能的基础。
发明内容
发明目的：为解决现有技术中存在的问题，本发明提供一种基于图像处理算法实现的血管断层图像中血管内壁边缘的自动、准确寻找方法。
技术方案：为实现上述技术目的，本发明提出了一种基于图像处理的血管内壁自动寻找方法，包括如下步骤：
(1)读取需要原始血管内壁断层图像；
(2)图像去噪：利用图像去噪算法对图像进行去噪处理；
(3)对比度调节：由于实际采集到的数据最大值不能完全利用图像位数，以及组织结构的不同使得每次采集到的图像中的灰度值会发生一定的变化，所以需要对图像进行对比度调节以保证后期算法的稳定性，通过采用对比度调节算法实现对图像对比度的调节，使图像中的血管更加清晰；
(4)灰度形态学闭运算：采用针对灰度图像的形态学闭运算模糊内部的散斑噪声和细微干扰结构；
(5)图像分割获取血管区域：对灰度形态学闭运算后的血管图像进行分割运算获取血管组织，从而得到分割图像；
(6)去除中心导管干扰：去除分割图像中对应的导管区域，得到血管组织区域；
(7)极坐标转换获取血管边缘：将血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域，其中，所述的坐标转换需要控制的参数包括坐标转换的原点位置和坐标转换后的图像大小，坐标转换的原点位置选择在整个图像的中心位置，该位置对应血管内断层成像系统进行旋转采集数据的中心；坐标转换过程是从坐标转换原点位置发出的射线上对血管组织进行采样，坐标转换后图像大小与该过程中采样点的数目相关，其中每一列数据代表一个血管内断层成像系统采集的A-Scan数据；在一列数据中寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标中的位置；对于未找到血管组织的列，采用直接连接相邻列血管位置；
(8)逆坐标转换映射血管边缘：通过逆坐标变换将血管内壁信息映射到极坐标系中，即原始图像坐标系，最终实现对血管内壁边缘信息的自动寻找。
其中，步骤(1)中，所述的原始血管内壁断层图像为从血管内断层成像系统中实时采集得到的图像或读取事先采集并保存的图像数据。
由于血管内断层成像系统在采集过程中会出现噪声，同时由于血管内部及血管壁内部组织的不均匀性存在的散斑噪声，最终造成血管内断层成像系统采集到血管图像中噪声相对较大，为了后期寻找血管内壁边缘算法的稳定性，因此需要利用图像去噪算法对图像中的噪声进行抑制。步骤(2)中，所述的去噪算法为高斯去噪算法或中值滤波去噪算法，优选地，选用中值滤波去噪算法。
由于血管内断层成像系统在采集数据时的数据位数为16位数据，实际采集到的最大数据不能够完全利用这些位数，例如只有12位数据，因此得到的图像整体效果偏暗。另外，由于组织结构的不同，每次采集到的图像中的灰度值也会发生一定的变化。为了保证后期算法的稳定性，因此需要对图像进行对比度调节。步骤(3)中，实现对比度调节的算法为直方图均衡化或局部图像对比度调节算法，优选地，采用局部对比度调节算法进行实现，经过对比度调整后的图像中血管变得更加清晰。
由于血管组织内部结构的不均匀性，散斑噪声相对较大，虽然前面的去噪算法去除了一部分噪声，但是对于分割算法来说，噪声依然非常大，不利于稳定地寻找到血管组织，因此采用针对灰度图像的形态学闭运算模糊内部的散斑噪声和细微干扰结构(如支架造成的亮点)。步骤(4)中，所述的灰度图像形态学闭运算的结构算子采用N×N个像素的矩形算子实现。通过该运算后，血管组织相对于非血管组织的背景更加明显。
步骤(5)中，分割运算采用的分割算法为固定阈值法或自动阈值法，从而实现血管组织与背景的自动分割，优选地，选用自动阈值法中的大津法。
血管内断层成像系统成像过程中会对导管成像，并将导管的尺寸作为血管图像中心位置的依据。由于导管成像相对较亮，在分割过程中容易被认为是血管组织的一部分，因此有必要将导管从分割结果中去除。另外，由于导管的尺寸是已知的，因此可以根据其尺寸直接从图像中心画出导管内的区域进行去除。步骤(6)中，通过在中心直接画出导管区域，将分割区域中与导管区域重合的部分去除掉，剩下的分割区域即为血管组织区域。
如果血管图像不受到干扰，能够完整地获得整个血管组织的区域，那么分割得到的血管区域应该是一个圆环，可以直接通过获取圆环的内部边缘获取血管的内壁边缘，但是由于会存在干扰(如图支架遮挡，其下面的血管组织未成像)，血管分割区域是断开的，因此无法通过上述方法分辨血管的内壁边缘和外壁边缘。步骤(7)中，采用将血管分割区域通过极坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域，极坐标转换需要控制的参数有：坐标转换的中心位置和坐标转换后的图像大小。其中极坐标转换的原点位置选择在整个图像的中心位置，该位置对应血管内断层成像系统进行旋转采集数据的中心；坐标转换过程是从坐标转换原点位置发出的射线上对血管组织进行采样，坐标转换后图像大小与该过程中采样点的数目相关，其中每一列数据代表一个血管内断层成像系统采集的A-Scan数据。因此，该坐标转换后的图像宽度越大，射线相对越密集，最终得到的血管内壁边缘信息细节表现能力越好，反之，则血管内壁边缘信息细节表现能力差，不过更能体现血管内壁边缘的总体趋势。血管内断层成像系统采集的一个A-Scan对应的每一列数据，寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标中的位置。对于未找到血管组织的列，采用直接连接相邻列血管位置。
有益效果：本发明的基于图像处理的血管内壁自动寻找方法可以实现血管断层图像中血管内壁边缘的自动、准确寻找。
附图说明
图1为本发明的方法流程示意图；
图2为读取的原始血管内壁断层图像；
图3为图像去噪后得到的图像；
图4为调节对比度后的图像；
图5为经灰度图像形态学闭运算后的图像；
图6为经图像分割后获取的血管区域的图像；
图7为导管在血管断层图像中的尺寸位置示意图；
图8为除掉导管区域的血管区域的图像；
图9为血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域的示意图；
图10为经逆坐标变换得到血管的内壁边缘在直角坐标中的位置；
图11为最终得到的血管内壁边缘的图。
具体实施方式
下面通过具体的实施例详细说明本发明。
如图1所示，本发明主要包括以下步骤：
(1)读取需要原始血管内壁断层图像：该图像可以是从血管内断层成像系统中实时采集得到的图像，也可以是之前采集到的并保存在本地磁盘中的图像数据，如图2所示。
(2)图像去噪：由于在血管内断层成像系统在采集过程中会出现噪声，同时由于血管内部及血管壁内部组织的不均匀性存在的散斑噪声，最终血管内断层成像系统采集到血管图像中噪声相对较大，为了后期寻找血管内壁边缘算法的稳定性，需要图像去噪算法对图像中的噪声进行去除。在这里去噪算法可以采用高斯去噪算法、中值滤波去噪算法以及各种成熟的去噪算法实现，在本实现中采用中值滤波算法实现去噪处理，如图3所示；
(3)对比度调节：由于血管内断层成像系统在采集数据时的数据位数为16位数据，实际采集到的最大数据不能够完全利用这些位数，例如只有12位数据，因此得到的图像如上所示，整体效果偏暗。另外，由于组织结构的不同，每次采集到的图像中的灰度值也会发生一定的变化，因此需要对图像进行对比度调节以保证后期算法的稳定性。实现对比度调节的算法可以采用直方图均衡化、局部图像对比度调节算法等实现，在本专利中，采用局部对比度调节算法进行实现，可以看出经过对比度调整后的图像中血管变得更加清晰，如图4所示。
(4)灰度图像形态学闭运算：由于血管组织内部结构的不均匀性，散斑噪声相对较大，虽然前面的去噪算法去除了一部分噪声，但是对于分割算法来说，噪声依然非常大，不利于稳定地寻找到血管组织，因此采用针对灰度图像的形态学闭运算模糊内部的散斑噪声和细微干扰结构(如支架造成的亮点)。如图5所示，通过该运算后，血管组织相对于非血管组织的背景更加明显，在本实现中闭运算的结构算子采用N×N个像素的矩形算子实现。
(5)图像分割获取血管区域：对灰度形态学闭运算后的血管图像进行分割运算获取血管组织。分割算法可以采用固定阈值法、自动阈值方法(例如大津法)等实现。在本实现中，采用大津法实现血管组织与背景的自动分割。获得的图形如图6所示。
(7)去除中心导管干扰：从上述分割图像可以看出，血管内断层成像系统成像过程中会对导管成像，并将导管的尺寸作为血管图像中心位置的依据。由于导管成像相对较亮，在分割过程中容易被认为是血管组织的一部分，因此有必要将导管从分割结果中去除。由于导管在血管断层图像中的尺寸是固定的，因此本专利通过在中心直接画出导管区域，将分割区域中与导管区域重合的部分去除掉，剩下的分割区域即为血管组织区域。如图7所示，圆圈内为导管区域，中间的部分为分割到的导管区域。图8为去除掉导管区域的血管区域。
(8)极坐标转换获取血管边缘：如果血管图像不受到干扰，能够完整地获得整个血管组织的区域，那么分割得到的血管区域应该是一个圆环，可以直接通过获取圆环的内部边缘获取血管的内壁边缘，但是由于会存在干扰(如图9中支架遮挡，其下面的血管组织未成像)，血管分割区域是断开的，因此无法通过上述方法分辨血管的内壁边缘和外壁边缘。本专利中采用将血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域。在本专利中，坐标转换需要控制的参数有：坐标转换的中心位置和坐标转换后的图像大小。其中坐标转换的中心位置选择在整个图像的中心位置，该位置对应血管内断层成像系统进行旋转采集数据的中心；坐标转换过程是从坐标转换原点位置发出的射线上对血管组织进行采样，坐标转换后图像大小与该过程中采样点的数目相关，其中每一列数据代表一个血管内断层成像系统采集的A-Scan数据。因此，该坐标转换后的图像宽度越大，射线相对越密集，最终得到的血管内壁边缘信息细节表现能力越好，反之，血管内壁边缘信息细节表现能力差，不过更能体现血管内壁边缘的总体趋势。如图9所示。血管内断层成像系统采集的一个A-Scan对应的每一列数据，寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标中的位置。对于未找到血管组织的列，在本专利中，采用直接连接相邻列血管位置。结果如图10所示。
(9)逆坐标转换映射血管边缘：通过上述步骤在直角坐标中找到血管内壁边缘信息，需要通过逆变换将血管内壁信息映射到极坐标系中，即原始图像坐标系。通过该步骤最终实现对血管内壁边缘信息的自动寻找，如图11所示。

Claims (6)

1.一种基于图像处理的血管内壁自动寻找方法，其特征在于，包括如下步骤：
(1)读取原始血管内壁断层图像；
(2)图像去噪：利用图像去噪算法对图像进行去噪处理；
(3)对比度调节：采用对比度调节算法实现对图像对比度的调节，使图像中的血管更加清晰；
(4)灰度形态学闭运算：采用针对灰度图像的形态学闭运算模糊内部的散斑噪声和细微干扰结构；
(5)图像分割获取血管区域：对灰度形态学闭运算后的血管图像进行分割运算获取血管组织，从而得到分割图像；
(6)去除中心导管干扰：去除分割图像中对应的导管区域，得到血管组织区域；
(7)极坐标转换获取血管边缘：将血管分割区域通过坐标转换，得到血管内断层成像系统采集血管时每个A-Scan对应的血管分割区域，其中，所述的坐标转换需要控制的参数包括坐标转换的原点位置和坐标转换后的图像大小，坐标转换的原点位置选择在整个图像的中心位置，该位置对应血管内断层成像系统进行旋转采集数据的中心；坐标转换过程是从坐标转换原点位置发出的射线上对血管组织进行采样，坐标转换后图像大小与该过程中采样点的数目相关；针对坐标转换后图像每一列数据寻找第一个出现的血管分割区域位置，即对应血管的内部位置，遍历所有列得到血管的内壁边缘在直角坐标系中的位置，对于未找到血管组织的列，采用直接连接相邻列血管位置；
(8)逆坐标转换映射血管边缘：通过逆变换将血管内壁信息映射到极坐标系中，即原始图像坐标系，最终实现对血管内壁边缘信息的自动寻找。
2.根据权利要求1所述的基于图像处理的血管内壁自动寻找方法，其特征在于，步骤(1)中，所述的原始血管内壁断层图像为从血管内断层成像系统中实时采集得到的图像或读取事先采集并保存的图像数据。
3.根据权利要求1所述的基于图像处理的血管内壁自动寻找方法，其特征在于，步骤(2)中，所述的去噪算法为高斯去噪算法或中值滤波去噪算法。
4.根据权利要求1所述的基于图像处理的血管内壁自动寻找方法，其特征在于，步骤(3)中，对比度调节的算法采用直方图均衡化或局部图像对比度调节算法。
5.根据权利要求1所述的基于图像处理的血管内壁自动寻找方法，其特征在于，步骤(4)中，所述的灰度图像形态学闭运算的结构算子采用N×N个像素的矩形算子实现。
6.根据权利要求1所述的基于图像处理的血管内壁自动寻找方法，其特征在于，步骤(5)中，分割运算采用的分割算法为固定阈值法或自动阈值法，从而实现血管组织与背景的自动分割。
CN201510320894.7A 2015-06-11 2015-06-11 一种基于图像处理的血管内壁自动寻找方法 Active CN104966288B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510320894.7A CN104966288B (zh) 2015-06-11 2015-06-11 一种基于图像处理的血管内壁自动寻找方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510320894.7A CN104966288B (zh) 2015-06-11 2015-06-11 一种基于图像处理的血管内壁自动寻找方法

Publications (2)

Publication Number Publication Date
CN104966288A true CN104966288A (zh) 2015-10-07
CN104966288B CN104966288B (zh) 2017-09-26

Family

ID=54220319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510320894.7A Active CN104966288B (zh) 2015-06-11 2015-06-11 一种基于图像处理的血管内壁自动寻找方法

Country Status (1)

Country Link
CN (1) CN104966288B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109118508A (zh) * 2018-08-31 2019-01-01 成都美律科技有限公司 Ivoct图像血管壁内腔轮廓提取方法
CN110070529A (zh) * 2019-04-19 2019-07-30 深圳睿心智能医疗科技有限公司 一种血管腔内影像分割方法、系统及电子设备
CN111134651A (zh) * 2019-12-09 2020-05-12 杭州脉流科技有限公司 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质
CN113705569A (zh) * 2021-08-31 2021-11-26 北京理工大学重庆创新中心 一种图像标注方法及系统
CN114820678A (zh) * 2022-06-27 2022-07-29 天津恒宇医疗科技有限公司 基于oct图像的血管壁内轮廓自动提取方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070167710A1 (en) * 2005-11-29 2007-07-19 Siemens Corporate Research, Inc. Method and Apparatus for Inner Wall Extraction and Stent Strut Detection Using Intravascular Optical Coherence Tomography Imaging
CN101964118A (zh) * 2010-09-30 2011-02-02 华北电力大学（保定） 一种血管内超声图像序列的三维分割方法
CN102800087A (zh) * 2012-06-28 2012-11-28 华中科技大学 超声颈动脉血管膜的自动分割方法
US20140350350A1 (en) * 2012-03-02 2014-11-27 Kabushiki Kaisha Toshiba Medical image processing apparatus and medical image processing method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070167710A1 (en) * 2005-11-29 2007-07-19 Siemens Corporate Research, Inc. Method and Apparatus for Inner Wall Extraction and Stent Strut Detection Using Intravascular Optical Coherence Tomography Imaging
CN101964118A (zh) * 2010-09-30 2011-02-02 华北电力大学（保定） 一种血管内超声图像序列的三维分割方法
US20140350350A1 (en) * 2012-03-02 2014-11-27 Kabushiki Kaisha Toshiba Medical image processing apparatus and medical image processing method
CN102800087A (zh) * 2012-06-28 2012-11-28 华中科技大学 超声颈动脉血管膜的自动分割方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CHUN YUAN ET AL: "《CLOSED CONTOUR EDGE DETECTION OF BLOOD VESSEL LUMEN AND》", 《MAGNETIC RESONANCE IMAGING》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107133959B (zh) * 2017-06-12 2020-04-28 上海交通大学 一种快速的血管边界三维分割方法及系统
CN109118508A (zh) * 2018-08-31 2019-01-01 成都美律科技有限公司 Ivoct图像血管壁内腔轮廓提取方法
CN109118508B (zh) * 2018-08-31 2022-03-25 成都美律科技有限公司 Ivoct图像血管壁内腔轮廓提取方法
CN110070529A (zh) * 2019-04-19 2019-07-30 深圳睿心智能医疗科技有限公司 一种血管腔内影像分割方法、系统及电子设备
CN111134651A (zh) * 2019-12-09 2020-05-12 杭州脉流科技有限公司 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质
CN111134651B (zh) * 2019-12-09 2022-03-08 杭州脉流科技有限公司 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质
CN113705569A (zh) * 2021-08-31 2021-11-26 北京理工大学重庆创新中心 一种图像标注方法及系统
CN114820678A (zh) * 2022-06-27 2022-07-29 天津恒宇医疗科技有限公司 基于oct图像的血管壁内轮廓自动提取方法及系统

Also Published As

Publication number Publication date
CN104966288B (zh) 2017-09-26

Similar Documents

Publication Publication Date Title
CN104966288A (zh) 一种基于图像处理的血管内壁自动寻找方法
US9119559B2 (en) Method and system of generating a 3D visualization from 2D images
CN105913432B (zh) 基于ct序列图像的主动脉提取方法及装置
CN102968783B (zh) 从腹部图像数据中自动分割骨骼的方法及系统
CN110415208B (zh) 一种自适应目标检测方法及其装置、设备、存储介质
CN104978730B (zh) 一种左心室心肌的分割方法和装置
CA2949264C (en) Method and system of determining probe position in surgical site
CN111145206A (zh) 肝脏图像分割质量评估方法、装置及计算机设备
CN105825516A (zh) 一种dicom影像血流分析系统
CN101576997A (zh) 基于二次三维区域生长的腹部器官分割方法
Mohanapriya et al. Adaptive Image Enhancement Using Hybrid Particle Swarm Optimization and Watershed Segmentation.
CN104794721A (zh) 一种基于多尺度斑点检测的快速视盘定位方法
CN105678746A (zh) 一种医学图像中肝脏范围的定位方法及装置
CN106096491B (zh) 一种眼底彩色照相图像中微动脉瘤自动化识别方法
CN110415216B (zh) 基于sd-oct和octa视网膜图像的cnv自动检测方法
CN104268893B (zh) 一种用左右扫描和四个角旋转扫描对肺实质分割去噪的方法
CN112465779B (zh) 腹部ct中胆总管囊肿病灶全自动检测分割方法及系统
CN105261015A (zh) 基于Gabor滤波器的眼底图像血管自动分割方法
CN111667467A (zh) 基于聚类算法的下肢血管钙化指数多参数累积计算方法
CN103164859A (zh) 一种血管内超声图像分割方法
CN116645384B (zh) 基于人工智能的干细胞区域快速分割方法
CN109886938A (zh) 一种超声图像血管直径自动测量方法
CN104504708A (zh) 一种基于毗邻图像特征点集的dsa脑血管图像自动分割方法
CN111145226A (zh) 基于ct影像的三维肺部特征提取方法
CN106846314A (zh) 一种基于术后角膜oct影像数据的图像分割方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method for automatic searching of inner wall of blood vessel based on image processing

Effective date of registration: 20200228

Granted publication date: 20170926

Pledgee: Bank of Nanjing Jiangbei District branch of Limited by Share Ltd.

Pledgor: NANJING FORSSMANN MEDICAL TECHNOLOGY Co.,Ltd.

Registration number: Y2020980000393

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20210126

Granted publication date: 20170926

Pledgee: Bank of Nanjing Jiangbei District branch of Limited by Share Ltd.

Pledgor: NANJING FORSSMANN MEDICAL TECHNOLOGY Co.,Ltd.

Registration number: Y2020980000393

PC01 Cancellation of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An automatic searching method of blood vessel inner wall based on image processing

Effective date of registration: 20210203

Granted publication date: 20170926

Pledgee: Bank of Nanjing Jiangbei District branch of Limited by Share Ltd.

Pledgor: NANJING FORSSMANN MEDICAL TECHNOLOGY Co.,Ltd.

Registration number: Y2021320000011

PE01 Entry into force of the registration of the contract for pledge of patent right
CB03 Change of inventor or designer information

Inventor after: Wang Longzhi

Inventor after: Meng Zhuo

Inventor after: Tao Kuiyuan

Inventor after: Zhang Tao

Inventor after: Jiang Yongjun

Inventor after: Tang Liming

Inventor after: Liu Tiegen

Inventor after: Kuang Hao

Inventor before: Wang Longzhi

Inventor before: Meng Zhuo

Inventor before: Tao Kuiyuan

Inventor before: Liu Xinfeng

Inventor before: Zhang Tao

Inventor before: Jiang Yongjun

Inventor before: Tang Liming

Inventor before: Liu Tiegen

Inventor before: Kuang Hao

CB03 Change of inventor or designer information
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20170926

Pledgee: Bank of Nanjing Jiangbei District branch of Limited by Share Ltd.

Pledgor: NANJING FORSSMANN MEDICAL TECHNOLOGY Co.,Ltd.

Registration number: Y2021320000011

PC01 Cancellation of the registration of the contract for pledge of patent right