CN105096270A - 一种冠脉三维重建中的钙化斑块去除方法 - Google Patents
一种冠脉三维重建中的钙化斑块去除方法 Download PDFInfo
- Publication number
- CN105096270A CN105096270A CN201510477351.6A CN201510477351A CN105096270A CN 105096270 A CN105096270 A CN 105096270A CN 201510477351 A CN201510477351 A CN 201510477351A CN 105096270 A CN105096270 A CN 105096270A
- Authority
- CN
- China
- Prior art keywords
- calcified plaque
- coronary
- grid
- dimensional
- coronary artery
- 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
Abstract
本发明公开了一种冠脉三维重建中的钙化斑块去除方法,本发明的具体步骤分为六步:在步骤S1中,开始,在步骤S2中,读取患者平扫CT和增强CT影像数据;在步骤S3中,针对平扫影像数据进行钙化斑块识别;在步骤S4中,在增强CT影像上进行冠脉分割和重建三维冠脉模型;在步骤S5中,对钙化斑块和冠脉网格的两个三维空间进行校准,放在同一个坐标系中;最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型;进入步骤S6,结束。本发明通过对比平扫CT和增强CT,从而在增强CT的冠脉三维模型中去除平扫识别的钙化斑块,获得精确的冠脉三维血液形态模型;为临床的狭窄评估和流体力学的血液动力分析提供支持。
Description
技术领域
本发明涉及一种钙化斑块去除方法,尤其涉及一种冠脉三维重建中的钙化斑块去除方法。
背景技术
与本发明最接近的技术是基于医学影像的血管图像分割技术,其原理是使用生长算法,按像素的灰度范围进行血管分割,从而获得三维图像模型。为了更好地进行图像分割,这类算法主要基于增强的CT(扫描前患者静脉注射使得血液在X光下亮度增高的造影剂),按照增强亮度的血液灰度值范围从周围组织中,利用区域生长算法,进行冠脉分割和三维图像重建。
现有技术不能很好的处理钙化斑块。按美国心脏病协会,根据CT值(组织对于X光的吸收率,CT值的单位是Hu)对斑块进行分型,将斑块分为:软斑块(CT值<50HU);纤维斑块(CT值50HU-130HU);钙化斑块(CT值>130HU),其中软斑块和纤维斑块统称为非钙化斑块。而在增强的CT图像中,血液的CT值范围在150~500HU,与钙化斑块的灰度范围重叠。这样,依靠灰度(与CT是线性正向关系,可以相互换算)范围是不可能把钙化斑块精确的分离出来。
另外,按医学统计,钙化斑块按灰度的体积分布是:大于400HU的占比只有10%,小于200HU的占比大约50%。也是说,按灰度阈值,对于一个钙化斑块,大约一半以上的体积是不能从血液中分割出来。这将造成冠脉三维重建的不准确性。特别是钙化斑块通常造成狭窄,没有完整去除钙化斑块的血管降造成血管狭窄程度测量的误差。对临床而言,错误的狭窄程度估计可能造成误诊。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种冠脉三维重建中的钙化斑块去除方法。
为了解决以上技术问题,本发明采用的技术方案是:一种冠脉三维重建中的钙化斑块去除方法,本发明的具体步骤为:
在步骤S1中,开始,进入步骤S2;
在步骤S2中,读取患者平扫CT和增强CT影像数据;在具体CT扫描时同时完成两种扫描或者分时段进行;分时段,要求两种扫描的体位和扫描角度是一致的;然后分别在影像数据上选择A、B、C三个校准点;校准点用来校准两个不同的影像数据到同一坐标空间中;校准点选择左冠入口、右冠入口和左冠第一个分叉点或其他分叉点;
所述校准点也可以选择其他点,能够形成三角形,独立标志一个三维坐标系即可;
记录下校准点的坐标,对平扫CT和增强CT的三个校准点分别计为A1、B1、C1和A2、B2、C2;用于步骤S5中坐标转换;
然后进入步骤S3和S4;
在步骤S3中,针对平扫影像数据进行钙化斑块识别;在平扫下,钙化斑块的灰度值大于130HU,与骨骼灰度值一样,而周围的组织的灰度值都小于130HU,灰度值与高亮度钙化斑块有明显区别,进而发现和识别钙化斑块,生成钙化斑块的空间像素点集合;然后进入步骤S5;
钙化斑块识别出来的要点为:
(1)、坐标系中限定心脏区间,排除骨骼的干扰;
(2)、寻找区间内所有CT值,按灰度值转换,大于130HU的像素点;
(3)、按是否相邻对这些像素点进行分块;
(4)、分块面积大于3个像素点的斑块标志为一个钙化斑块。
在三维坐标系中,四个像素点的钙化斑块分别标注为A1、A2、A3、A4;
针对个体差异,钙化斑块的CT阈值需要在80-140HU之间进行一些调整,未成年人的阈值低一些;冠心病患者,年龄50岁以上的,130HU是合理的阈值;
完成所有钙化斑块识别后进入步骤S5;
在步骤S4中,在增强CT影像上进行冠脉分割和重建三维冠脉模型;
然后对生长完成的图像进行网格化处理;
然后进入步骤S5;
在步骤S5中,对钙化斑块和冠脉网格的两个三维空间进行校准,放在同一个坐标系中;把钙化斑块放到冠脉网格坐标系中的方法如下:
(1)、按步骤S2,钙化斑块的校准点A1、B1、C1;冠脉网格的校准点A2、B2、C2;
(2)、钙化斑块坐标系平移,使得A1的坐标转化成A2即A1=A2;
(3)、钙化斑块坐标系旋转,使得向量A1B1与A2B2重合;
(4)、钙化斑块坐标系旋转,围绕A2B2,使得向量A1C1与A2C2重合;
至此,把钙化斑块中像素的坐标都转化到了冠脉网格的坐标系中;然后遍历钙化斑块中的像素,如果该像素在冠脉的某网格中,去除该网格;最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型;
进入步骤S6,结束。
本发明通过对比平扫CT和增强CT,从而在增强CT的冠脉三维模型中去除平扫识别的钙化斑块,获得精确的冠脉三维血液形态模型;为临床的狭窄评估和流体力学的血液动力分析提供支持。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明流程图。
图2为在影像数据上选择A、B、C三个校准点的示意图。
图3为血管中高亮度钙化斑块的示意图。
图4为在三维坐标系中,四个像素点的钙化斑块(A1,A2,A3,A4)的示意图。
图5为生长完成的图像网格化示意图。
图6为钙化斑块的校准点A1、B1、C1;冠脉网格的校准点A2、B2、C2的示意图。
图7为钙化斑块坐标系平移,使得A1的坐标转化成A2(即A1=A2)的示意图。
具体实施方式
如图1所示,本发明的具体步骤为:
在步骤S1中,开始,进入步骤S2;
在步骤S2中,读取患者平扫CT和增强CT影像数据;在具体CT扫描时,可以同时完成两种扫描,或者分时段进行。如果分时段,要求两种扫描的体位和扫描角度是一致的。然后分别在影像数据上选择A、B、C三个校准点。校准点用来校准两个不同的影像数据到同一坐标空间中。校准点可以选择左冠入口、右冠入口和左冠第一个分叉点(左前降支和左回旋支的分叉点)或其他分叉点,见图2箭头标注的A、B和C点。当然,校准点也可以选择其他点,只要能够形成三角形,独立标志一个三维坐标系即可。记录下校准点的坐标,对平扫CT和增强CT的三个校准点分别计为A1、B1、C1和A2、B2、C2。以便用于步骤S5中坐标转换。
然后进入步骤S3和S4;
在步骤S3中,针对平扫影像数据进行钙化斑块识别。在平扫下,钙化斑块的灰度值大于130HU,与骨骼灰度值一样。而周围的组织的灰度值都小于130HU,灰度值与高亮度钙化斑块1有明显区别(如图3所示)。进而发现和识别钙化斑块,生成钙化斑块的空间像素点集合;然后进入步骤S5;
按照如下规则将心脏的所有钙化斑块识别出来:
(1)、坐标系中限定心脏区间,排除骨骼的干扰。
(2)、寻找区间内所有CT值(按灰度值转换)大于130HU的像素点。
(3)、按是否相邻对这些像素点进行分块。
(4)、分块面积大于3个像素点(即该块至少包含3各像素点)的块标志为一个钙化斑块。
在三维坐标系中,四个像素点的钙化斑块(A1、A2、A3、A4),如图4所示,示例如下:
针对个体差异,钙化斑块的CT阈值需要进行一些调整(在80-140HU之间),未成年人的阈值低一些。如果针对冠心病患者,通常年龄偏大(50岁以上),130HU是合理的阈值。
完成所有钙化斑块识别后进入步骤S5;
在步骤S4中,在增强CT影像上进行冠脉分割和重建三维冠脉模型。冠脉分割可以采用生长算法实现(见专利“一种冠脉三维图像分割方法”(申请号:201510363154.1)。
然后对生长完成的图像进行网格化处理,即把三维图像(像素点组成的空间图像)划分成很多小的单元(单元称为网格,形状可以是四面体,五面体,六面体,三棱柱等等);网格的大小可以按所需的图像三维建模精确度进行定义,即如果对三维图像建模要求更高的精确度,可以使用更小的网格;基于目前CT扫描的精度和冠状动脉血管的直径,可以选择0.2mm或0.3mm左右边长的四面体或多面体;如图5所示。
然后进入步骤S5;
在步骤S5中,对钙化斑块和冠脉网格的两个三维空间进行校准,放在同一个坐标系中。一个具体的把钙化斑块放到冠脉网格坐标系中的方法如下:
(1)、按步骤S2,钙化斑块的校准点A1、B1、C1;冠脉网格的校准点A2、B2、C2;如图6所示。
(2)、钙化斑块坐标系平移,使得A1的坐标转化成A2(即A1=A2);如图7所示。
(3)、钙化斑块坐标系旋转,使得向量A1B1与A2B2重合;如图7所示。
(4)、钙化斑块坐标系旋转(围绕A2B2),使得向量A1C1与A2C2重合;如图7所示。
这样,就把钙化斑块中像素的坐标都转化到了冠脉网格的坐标系中。然后遍历钙化斑块中的像素,如果该像素在冠脉的某网格中,去除该网格。最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型。进入步骤S6;
步骤S6,结束。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (1)
1.一种冠脉三维重建中的钙化斑块去除方法,其特征在于:所述如图1所示,本发明的具体步骤为:
在步骤S1中,开始,进入步骤S2;
在步骤S2中,读取患者平扫CT和增强CT影像数据;在具体CT扫描时同时完成两种扫描或者分时段进行;分时段,要求两种扫描的体位和扫描角度是一致的;然后分别在影像数据上选择A、B、C三个校准点;校准点用来校准两个不同的影像数据到同一坐标空间中;校准点选择左冠入口、右冠入口和左冠第一个分叉点或其他分叉点;
所述校准点也可以选择其他点,能够形成三角形,独立标志一个三维坐标系即可;
记录下校准点的坐标,对平扫CT和增强CT的三个校准点分别计为A1、B1、C1和A2、B2、C2;用于步骤S5中坐标转换;
然后进入步骤S3和S4;
在步骤S3中,针对平扫影像数据进行钙化斑块识别;在平扫下,钙化斑块的灰度值大于130HU,与骨骼灰度值一样,而周围的组织的灰度值都小于130HU,灰度值与高亮度钙化斑块有明显区别,进而发现和识别钙化斑块,生成钙化斑块的空间像素点集合;然后进入步骤S5;
钙化斑块识别出来的要点为:
(1)、坐标系中限定心脏区间,排除骨骼的干扰;
(2)、寻找区间内所有CT值,按灰度值转换,大于130HU的像素点;
(3)、按是否相邻对这些像素点进行分块;
(4)、分块面积大于3个像素点的斑块标志为一个钙化斑块。
在三维坐标系中,四个像素点的钙化斑块分别标注为A1、A2、A3、A4;
针对个体差异,钙化斑块的CT阈值需要在80-140HU之间进行一些调整,未成年人的阈值低一些;冠心病患者,年龄50岁以上的,130HU是合理的阈值;
完成所有钙化斑块识别后进入步骤S5;
在步骤S4中,在增强CT影像上进行冠脉分割和重建三维冠脉模型;
然后对生长完成的图像进行网格化处理;
然后进入步骤S5;
在步骤S5中,对钙化斑块和冠脉网格的两个三维空间进行校准,放在同一个坐标系中;把钙化斑块放到冠脉网格坐标系中的方法如下:
(1)、按步骤S2,钙化斑块的校准点A1、B1、C1;冠脉网格的校准点A2、B2、C2;
(2)、钙化斑块坐标系平移,使得A1的坐标转化成A2即A1=A2;
(3)、钙化斑块坐标系旋转,使得向量A1B1与A2B2重合;
(4)、钙化斑块坐标系旋转,围绕A2B2,使得向量A1C1与A2C2重合;
至此,把钙化斑块中像素的坐标都转化到了冠脉网格的坐标系中;然后遍历钙化斑块中的像素,如果该像素在冠脉的某网格中,去除该网格;最后得到的网格即为去除钙化斑块的冠脉血流三维图像模型;
进入步骤S6,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510477351.6A CN105096270B (zh) | 2015-08-07 | 2015-08-07 | 一种冠脉三维重建中的钙化斑块去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510477351.6A CN105096270B (zh) | 2015-08-07 | 2015-08-07 | 一种冠脉三维重建中的钙化斑块去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105096270A true CN105096270A (zh) | 2015-11-25 |
CN105096270B CN105096270B (zh) | 2018-04-06 |
Family
ID=54576621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510477351.6A Expired - Fee Related CN105096270B (zh) | 2015-08-07 | 2015-08-07 | 一种冠脉三维重建中的钙化斑块去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105096270B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
CN108960322A (zh) * | 2018-07-02 | 2018-12-07 | 河南科技大学 | 一种基于心脏ct图像的冠状动脉钙化斑块自动检测方法 |
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 |
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 |
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 |
CN113012118A (zh) * | 2021-03-05 | 2021-06-22 | 推想医疗科技股份有限公司 | 图像处理方法以及图像处理装置 |
CN113034491A (zh) * | 2021-04-16 | 2021-06-25 | 北京安德医智科技有限公司 | 一种冠脉钙化斑块检测方法及装置 |
WO2023284055A1 (zh) * | 2021-07-13 | 2023-01-19 | 深圳市中科微光医疗器械技术有限公司 | 一种计算腔内oct图像的ipa的方法和装置 |
CN115690309A (zh) * | 2022-09-29 | 2023-02-03 | 中国人民解放军总医院第一医学中心 | 一种冠脉cta自动三维后处理方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004008967A1 (en) * | 2002-07-23 | 2004-01-29 | Ge Medical Systems Global Technology Company, Llc | Methods and systems for detecting components of plaque |
US20050043614A1 (en) * | 2003-08-21 | 2005-02-24 | Huizenga Joel T. | Automated methods and systems for vascular plaque detection and analysis |
CN101011260A (zh) * | 2006-02-01 | 2007-08-08 | 西门子公司 | 用于识别和区分患者血管结构中的斑块的方法和ct系统 |
CN101283929A (zh) * | 2008-06-05 | 2008-10-15 | 华北电力大学 | 一种血管三维模型的重建方法 |
-
2015
- 2015-08-07 CN CN201510477351.6A patent/CN105096270B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004008967A1 (en) * | 2002-07-23 | 2004-01-29 | Ge Medical Systems Global Technology Company, Llc | Methods and systems for detecting components of plaque |
US20050043614A1 (en) * | 2003-08-21 | 2005-02-24 | Huizenga Joel T. | Automated methods and systems for vascular plaque detection and analysis |
CN101011260A (zh) * | 2006-02-01 | 2007-08-08 | 西门子公司 | 用于识别和区分患者血管结构中的斑块的方法和ct系统 |
CN101283929A (zh) * | 2008-06-05 | 2008-10-15 | 华北电力大学 | 一种血管三维模型的重建方法 |
Non-Patent Citations (2)
Title |
---|
J. JEFFREY CARR ET AL: "Calcified coronary artery plaque measurement with cardiac CT in population-based studies standardized protocol of Multi-Ethnic Study of Atherosclerosis (MESA) and Coronary Artery Risk Development in Young Adults (CARDIA) study", 《RADIOLOGY》 * |
贡琪 等: "64层螺旋CT下冠状动脉重构与粥样斑块稳定性相关性研究", 《中国医药导刊》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106539622B (zh) * | 2017-01-28 | 2019-04-05 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入系统 |
CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
CN108960322B (zh) * | 2018-07-02 | 2022-01-28 | 河南科技大学 | 一种基于心脏ct图像的冠状动脉钙化斑块自动检测方法 |
CN108960322A (zh) * | 2018-07-02 | 2018-12-07 | 河南科技大学 | 一种基于心脏ct图像的冠状动脉钙化斑块自动检测方法 |
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 |
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 |
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 |
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 |
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 |
CN113012118A (zh) * | 2021-03-05 | 2021-06-22 | 推想医疗科技股份有限公司 | 图像处理方法以及图像处理装置 |
CN113034491A (zh) * | 2021-04-16 | 2021-06-25 | 北京安德医智科技有限公司 | 一种冠脉钙化斑块检测方法及装置 |
WO2023284055A1 (zh) * | 2021-07-13 | 2023-01-19 | 深圳市中科微光医疗器械技术有限公司 | 一种计算腔内oct图像的ipa的方法和装置 |
CN115690309A (zh) * | 2022-09-29 | 2023-02-03 | 中国人民解放军总医院第一医学中心 | 一种冠脉cta自动三维后处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105096270B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096270A (zh) | 一种冠脉三维重建中的钙化斑块去除方法 | |
CN106296664B (zh) | 血管提取方法 | |
JP4521271B2 (ja) | 変形可能な3次元対象の頭頂の動きに関する情報を表示する画像処理システム | |
CN101796544B (zh) | 体素数据的可视化方法和系统 | |
CN108805913B (zh) | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 | |
CN102576465B (zh) | 用于数字化牙颌面对象的方法 | |
CN108053433A (zh) | 一种基于物理对齐和轮廓匹配的多模态颈动脉mri配准方法 | |
CN107599412A (zh) | 一种基于组织结构的三维建模方法、系统及三维模型 | |
CN108618749B (zh) | 基于便携式数字化眼底照相机的视网膜血管三维重建方法 | |
CN106570859B (zh) | 一种牙齿图像分析系统 | |
CN102663819B (zh) | 基于超声图像和三维模型的肝脏体积测量方法 | |
CN107945169B (zh) | 一种冠状动脉影像分析方法 | |
CN114145719B (zh) | 双模冠脉血管图像三维融合的方法和融合系统 | |
CN111009032B (zh) | 基于改进外极线约束匹配的血管三维重建方法 | |
CN110033465A (zh) | 一种应用于双目内窥镜医学图像的实时三维重建方法 | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
CN105342701A (zh) | 一种基于影像信息融合的病灶虚拟穿刺系统 | |
CN110811653A (zh) | 一种测量正畸过程中牙齿三维移动的方法 | |
CN110353639A (zh) | 一种基于血管增强造影的供血区定量方法及系统 | |
CN111627023B (zh) | 一种冠脉投影图像生成的方法、装置及计算机可读介质 | |
CN108510506A (zh) | 一种管状结构图像分割方法 | |
JP2013236750A (ja) | 画像処理装置、撮像システム、およびプログラム | |
CN112381750A (zh) | 一种超声波图像和ct/mri图像的多模态配准融合方法 | |
CN110858412B (zh) | 基于图像配准的心脏冠脉cta模型建立方法 | |
CN108013892B (zh) | 多平面重建方法和系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180406 Termination date: 20180807 |