CN106327476A - 一种ct图像处理方法及装置 - Google Patents

一种ct图像处理方法及装置 Download PDF

Info

Publication number
CN106327476A
CN106327476A CN201610729500.8A CN201610729500A CN106327476A CN 106327476 A CN106327476 A CN 106327476A CN 201610729500 A CN201610729500 A CN 201610729500A CN 106327476 A CN106327476 A CN 106327476A
Authority
CN
China
Prior art keywords
image
arteria coronaria
arteria
coronaria
type
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.)
Pending
Application number
CN201610729500.8A
Other languages
English (en)
Inventor
于洋
于文渊
王家阳
高铭鑫
王鹏程
唐田
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201610729500.8A priority Critical patent/CN106327476A/zh
Publication of CN106327476A publication Critical patent/CN106327476A/zh
Pending legal-status Critical Current

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
    • G06T2207/10081—Computed x-ray tomography [CT]

Landscapes

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

Abstract

本发明实施例公开了一种CT图像处理方法及装置，方法包括：获取CT图像，并识别确定CT图像中CT图像冠脉的参数，其中，CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；根据CT图像冠脉的参数，确定CT图像冠脉的CT图像冠脉类型，其中，CT图像冠脉类型包括左优势和右优势；根据预设CT图像冠脉模型，确定与预设冠脉模型存在差异的差异节段；根据预设评分表，计算得到差异节段的参数指标。本发明实施例根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段，能够自动识别差异部位，分析差异特点，降低评分难度，缩短评分时间；并通过根据预设评分表，计算得到所述差异节段的参数指标，方便用户参考，同时提高了评分结果的准确性。

Description

一种CT图像处理方法及装置
技术领域
本发明实施例涉及图像处理技术领域，具体涉及一种CT图像处理方法及装置。
背景技术
近年来，随着人民生活水平的不断提高，我国冠心病的发病率和死亡率也逐年升高，伴随着计算机技术的快速发展，对冠心病的研究从医学领域逐渐转变至计算机图像处理领域。
Syntax评分是冠心病研究过程中的一项成果，Syntax评分是基于心脏外科与介入治疗狭窄CT图像冠脉研究(简称SYNTAX研究)总结出的一套国际公认的评分系统，得到了全世界心血管医生的认可，该评分系统有两个作用：一是帮助医生选择血运重建方法；二是将患者的CT图像冠脉异常情况量化，有助于医师根据量化结果对患者的异常情况进行分析。但是该评分系统也有其缺陷，首先该评分系统步骤繁琐，如果进行大宗患者的评分，工作量较大；其次，该评分系统要求评分者对患者的影像学检查(CT图像冠脉造影、CT图像冠脉CTA等)做出准确的分析后定位出异常位置，并且还要将患者实际的异常情况同CT图像冠脉解剖结构示意图进行对应，这对于经验不足的医师来说较为困难，常常造成评分不准确。
在实现本发明实施例的过程中，发明人发现现有的评分系统步骤繁琐，工作量较大，且需要评分者对患者的影像学检查做出准确的分析后定位出异常位置，对于经验不足的医师来说较为困难，造成评分不准确，同时耗费评分者大量时间。
发明内容
由于现有的评分系统步骤繁琐，工作量较大，且需要评分者对患者的影像学检查做出准确的分析后定位出异常位置，对于经验不足的医师来说较为困难，造成评分不准确，同时耗费评分者大量时间的问题，本发明实施例提出一种CT图像处理方法及装置。
第一方面，本发明实施例提出一种CT图像处理方法，包括：
获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；
根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；
根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；
根据预设评分表，计算得到所述差异节段的参数指标。
优选地，所述根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，进一步包括：
根据CT图像左冠脉和CT图像右冠脉的长度比值，确定所述CT图像冠脉的CT图像冠脉类型。
优选地，所述根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，进一步包括：
根据所述CT图像冠脉的分支数量，确定所述CT图像冠脉的CT图像冠脉类型。
优选地，所述根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段，进一步包括：
将所述CT图像冠脉的各节段与所述预设CT图像冠脉模型进行匹配，若判断获知当前节段不匹配，则确定当前节点为所述CT图像冠脉的差异节段。
优选地，所述根据预设评分表，计算得到所述差异节段的参数指标，进一步包括：
根据预设标准评分表，计算所述差异节段的基础分值；
根据预设细节评分表和所述基础分值，计算得到所述差异节段的参数指标。
第二方面，本发明实施例还提出一种CT图像处理装置，包括：
参数确定模块，用于获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；
类型确定模块，用于根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；
差异确定模块，用于根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；
分值计算模块，用于根据预设评分表，计算得到所述差异节段的参数指标。
优选地，所述类型确定模块进一步用于根据CT图像左冠脉和CT图像右冠脉的长度比值，确定所述CT图像冠脉的CT图像冠脉类型。
优选地，所述类型确定模块进一步用于根据所述CT图像冠脉的分支数量，确定所述CT图像冠脉的CT图像冠脉类型。
优选地，所述差异确定模块进一步包括用于将所述CT图像冠脉的各节段与所述预设CT图像冠脉模型进行匹配，若判断获知当前节段不匹配，则确定当前节点为所述CT图像冠脉的差异节段。
优选地，所述分值计算模块进一步包括：
基础分值计算单元，用于根据预设标准评分表，计算所述差异节段的基础分值；
目标分值计算单元，用于根据预设细节评分表和所述基础分值，计算得到所述差异节段的参数指标。
由上述技术方案可知，本发明实施例根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段，能够自动识别差异部位，分析差异特点，降低评分难度，缩短评分时间；并通过根据预设评分表，计算得到所述差异节段的参数指标，方便用户参考，同时提高了评分结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种CT图像处理方法的流程示意图；
图2为本发明一实施例提供的一种预设CT图像冠脉模型的结构示意图；
图3为本发明一实施例提供的一种CT图像处理装置的结构示意图。
具体实施方式
下面结合附图，对发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
图1示出了本实施例提供的一种CT图像处理方法的流程示意图，包括：
S101、获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；
其中，所述CT图像为通过电子计算机断层扫描(Computed Tomography，简称CT)精确准直的X线束、γ射线、超声波等与灵敏度极高的探测器一同围绕人体心脏的CT图像冠脉作一个接一个的断面扫描后的图像。
所述CT图像冠脉的参数描述CT图像冠脉本身状态的参数。
S102、根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；
其中，所述CT图像冠脉类型用于描述CT图像冠脉支配室间隔和左心室隔面部分的血液供应情况。
所述左优势为CT图像冠脉支配室间隔和左心室隔面主要由CT图像左冠脉承担血供；所述右优势为CT图像冠脉支配室间隔和左心室隔面主要由CT图像右冠脉承担血供。
S103、根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；
其中，所述预设CT图像冠脉模型由用户根据需求预先设置。
所述CT图像冠脉的差异节段为所述CT图像冠脉中发生差异的节段。
S104、根据预设评分表，计算得到所述差异节段的参数指标。
其中，所述预设评分表为根据实际医学研究结果预先设置的CT图像冠脉中各节段的评分对应表。
以具体应用为例，首先将获取患者的CT图像冠脉造影以及CT图像冠脉CT重建图像；然后根据左CT图像右冠脉长度比值以及分支数量将患者CT图像冠脉分为左优势或右优势；接着依据预先设置的标准化CT图像冠脉模型将患者CT图像冠脉同解剖结构示意图进行对应，并将差异节段名称显示于界面上，其中节段名称及解剖分段遵照Syntax评分标准，依据Syntax评分标准中的分值标准算出每处差异的基础分值；最后确定差异节段后，对每一处差异依据评分细节进行分别评分，但受限于CT图像冠脉CTA成像和系统对病史采集的局限性，可以对于“是否完全闭塞”、“闭塞时间”、“是否完全钙化”三个选项进行校正，并计算得到目标分值。
其中，若接收到用户对结果的反馈，且用户对结果不满意，则可以根据用户具体要求进行方法的调整。
本实施例根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段，能够自动识别差异部位，分析差异特点，降低评分难度，缩短评分时间；并通过根据预设评分表，计算得到所述差异节段的参数指标，方便用户参考，同时提高了评分结果的准确性。
进一步地，在上述方法实施例的基础上，S102进一步包括：
根据CT图像左冠脉和CT图像右冠脉的长度比值，确定所述CT图像冠脉的CT图像冠脉类型。
通过CT图像左冠脉和CT图像右冠脉的长度比值，能够精确确定所述CT图像冠脉的CT图像冠脉类型。
进一步地，在上述方法实施例的基础上，S102进一步包括：
根据所述CT图像冠脉的分支数量，确定所述CT图像冠脉的CT图像冠脉类型。
其中，所述分支数量为CT图像冠脉的分支的数量，如图2中所示，每一段分支均有对应的代码。
通过所述CT图像冠脉的分支数量，能够快速确定所述CT图像冠脉的CT图像冠脉类型。
进一步地，在上述方法实施例的基础上，S103进一步包括：
将所述CT图像冠脉的各节段与所述预设CT图像冠脉模型进行匹配，若判断获知当前节段不匹配，则确定当前节点为所述CT图像冠脉的差异节段。
通过将CT图像冠脉的各节段与预设CT图像冠脉模型进行匹配，匹配则为正常节段，不匹配则为差异节段，能够快速准确地获取匹配结果。
进一步地，在上述方法实施例的基础上，S104进一步包括：
根据预设标准评分表，计算所述差异节段的基础分值；
根据预设细节评分表和所述基础分值，计算得到所述差异节段的参数指标。
举例来说，如图2所示为本实施例提供的一种预设CT图像冠脉模型的结构示意图，图中CT图像冠脉的节段名称及解剖分段遵照Syntax评分标准。
对应地，所述预设标准评分表可以如下表1所示：
表1 CT图像冠脉解剖节段代码所对应的分值
所述预设细节评分表可以如下表2所示：
表2不同差异特定的评分细节
通过预设标准评分表能够确定差异节段的基础分值；通过预设细节评分表，能够在基础分值的基础上，进一步计算差异节段的目标分值。不仅能快速识别差异，快速定位解剖位置，而且能快速计算目标分值，以后续由医师根据目标分值进行进一步的分析和处理。
图3示出了本实施例提供的一种CT图像处理装置的结构示意图，所述装置包括：参数确定模块301、类型确定模块302、差异确定模块303和分值计算模块304，其中：
所述参数确定模块301用于获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；
所述类型确定模块302用于根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；
所述差异确定模块303用于根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；
所述分值计算模块304用于根据预设评分表，计算得到所述差异节段的参数指标。
具体地，所述参数确定模块301获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；所述类型确定模块302根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；所述差异确定模块303根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；所述分值计算模块304根据预设评分表，计算得到所述差异节段的参数指标。
本实施例根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段，能够自动识别差异部位，分析差异特点，降低评分难度，缩短评分时间；并通过根据预设评分表，计算得到所述差异节段的参数指标，方便用户参考，同时提高了评分结果的准确性。
进一步地，在上述装置实施例的基础上，所述类型确定模块302进一步用于根据CT图像左冠脉和CT图像右冠脉的长度比值，确定所述CT图像冠脉的CT图像冠脉类型。
进一步地，在上述装置实施例的基础上，所述类型确定模块302进一步用于根据所述CT图像冠脉的分支数量，确定所述CT图像冠脉的CT图像冠脉类型。
进一步地，在上述装置实施例的基础上，所述差异确定模块303进一步包括用于将所述CT图像冠脉的各节段与所述预设CT图像冠脉模型进行匹配，若判断获知当前节段不匹配，则确定当前节点为所述CT图像冠脉的差异节段。
进一步地，在上述装置实施例的基础上，所述分值计算模块304进一步包括：
基础分值计算单元，用于根据预设标准评分表，计算所述差异节段的基础分值；
目标分值计算单元，用于根据预设细节评分表和所述基础分值，计算得到所述差异节段的参数指标。
本实施例所述的CT图像处理装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种CT图像处理方法，其特征在于，包括：
获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；
根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；
根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；
根据预设评分表，计算得到所述差异节段的参数指标。
2.根据权利要求1所述的方法，其特征在于，所述根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，进一步包括：
根据CT图像左冠脉和CT图像右冠脉的长度比值，确定所述CT图像冠脉的CT图像冠脉类型。
3.根据权利要求1所述的方法，其特征在于，所述根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，进一步包括：
根据所述CT图像冠脉的分支数量，确定所述CT图像冠脉的CT图像冠脉类型。
4.根据权利要求1所述的方法，其特征在于，所述根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段，进一步包括：
将所述CT图像冠脉的各节段与所述预设CT图像冠脉模型进行匹配，若判断获知当前节段不匹配，则确定当前节点为所述CT图像冠脉的差异节段。
5.根据权利要求1所述的方法，其特征在于，所述根据预设评分表，计算得到所述差异节段的参数指标，进一步包括：
根据预设标准评分表，计算所述差异节段的基础分值；
根据预设细节评分表和所述基础分值，计算得到所述差异节段的参数指标。
6.一种CT图像处理装置，其特征在于，包括：
参数确定模块，用于获取CT图像，并识别确定所述CT图像中CT图像冠脉的参数，其中，所述CT图像冠脉包括CT图像左冠脉和CT图像右冠脉；
类型确定模块，用于根据所述CT图像冠脉的参数，确定所述CT图像冠脉的CT图像冠脉类型，其中，所述CT图像冠脉类型包括左优势和右优势；
差异确定模块，用于根据预设CT图像冠脉模型，确定与所述预设冠脉模型存在差异的差异节段；
分值计算模块，用于根据预设评分表，计算得到所述差异节段的参数指标。
7.根据权利要求6所述的装置，其特征在于，所述类型确定模块进一步用于根据CT图像左冠脉和CT图像右冠脉的长度比值，确定所述CT图像冠脉的CT图像冠脉类型。
8.根据权利要求6所述的装置，其特征在于，所述类型确定模块进一步用于根据所述CT图像冠脉的分支数量，确定所述CT图像冠脉的CT图像冠脉类型。
9.根据权利要求6所述的装置，其特征在于，所述差异确定模块进一步包括用于将所述CT图像冠脉的各节段与所述预设CT图像冠脉模型进行匹配，若判断获知当前节段不匹配，则确定当前节点为所述CT图像冠脉的差异节段。
10.根据权利要求6所述的装置，其特征在于，所述分值计算模块进一步包括：
基础分值计算单元，用于根据预设标准评分表，计算所述差异节段的基础分值；
目标分值计算单元，用于根据预设细节评分表和所述基础分值，计算得到所述差异节段的参数指标。
CN201610729500.8A 2016-08-25 2016-08-25 一种ct图像处理方法及装置 Pending CN106327476A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610729500.8A CN106327476A (zh) 2016-08-25 2016-08-25 一种ct图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610729500.8A CN106327476A (zh) 2016-08-25 2016-08-25 一种ct图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN106327476A true CN106327476A (zh) 2017-01-11

Family

ID=57790973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610729500.8A Pending CN106327476A (zh) 2016-08-25 2016-08-25 一种ct图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN106327476A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932497A (zh) * 2020-06-30 2020-11-13 数坤（北京）网络科技有限公司 一种冠状动脉识别方法及装置
CN112336361A (zh) * 2020-09-29 2021-02-09 查云飞 一种冠脉检测方法、装置及存储介质
CN112801999A (zh) * 2021-02-05 2021-05-14 深圳睿心智能医疗科技有限公司 确定心脏冠脉优势型的方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102803951A (zh) * 2009-06-15 2012-11-28 心脏Dx公司 冠状动脉疾病风险的测定
CN104116563A (zh) * 2014-07-02 2014-10-29 北京工业大学 一种个性化冠状动脉搭桥术的血流动力学快速规划方法
CN104867147A (zh) * 2015-05-21 2015-08-26 北京工业大学 基于冠状动脉造影图像分割的syntax自动评分方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102803951A (zh) * 2009-06-15 2012-11-28 心脏Dx公司 冠状动脉疾病风险的测定
CN104116563A (zh) * 2014-07-02 2014-10-29 北京工业大学 一种个性化冠状动脉搭桥术的血流动力学快速规划方法
CN104867147A (zh) * 2015-05-21 2015-08-26 北京工业大学 基于冠状动脉造影图像分割的syntax自动评分方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932497A (zh) * 2020-06-30 2020-11-13 数坤（北京）网络科技有限公司 一种冠状动脉识别方法及装置
CN112336361A (zh) * 2020-09-29 2021-02-09 查云飞 一种冠脉检测方法、装置及存储介质
CN112336361B (zh) * 2020-09-29 2023-10-31 查云飞 一种冠脉检测方法、装置及存储介质
CN112801999A (zh) * 2021-02-05 2021-05-14 深圳睿心智能医疗科技有限公司 确定心脏冠脉优势型的方法及装置

Similar Documents

Publication Publication Date Title
US11615894B2 (en) Diagnostically useful results in real time
JP7039442B2 (ja) 血管モデルの作成方法
CN105051784B (zh) 对模拟准确度和性能的图像质量评估
CN109035284B (zh) 基于深度学习的心脏ct图像分割方法、装置、设备及介质
CN111612743B (zh) 一种基于ct图像的冠状动脉中心线提取方法
CN108701354A (zh) 识别超声图像中感兴趣区域轮廓的方法及系统
US20150339847A1 (en) Creating a vascular tree model
CN112244883B (zh) 基于ct图像提取左心耳数据参数的方法及系统
Lee et al. Segmentation of individual ribs from low-dose chest CT
CN106327476A (zh) 一种ct图像处理方法及装置
US20150206302A1 (en) Systems, methods and computer readable storage media storing instructions for integrating fluoroscopy venogram and myocardial images
EP2498222B1 (en) Method and system for regression-based 4D mitral valve segmentation from 2D+T magnetic resonance imaging slices
Du et al. Real-time lesion detection of cardiac coronary artery using deep neural networks
DE102004056591A1 (de) Herzdarstellungsverfahren und-vorrichtung
CN109155065B (zh) 用于诊断图像分析和图像质量评估的系统及方法
US10417765B2 (en) Adaptive segmentation for rotational C-arm computed tomography with a reduced angular range
DE602004011504T2 (de) Regionenabgrenzung bei der ct-angiographie
CN110494893A (zh) 基于ffr的对非侵入性成像的交互监测
CN106308838A (zh) 一种ct图像处理方法及装置
Wu et al. A fully automated multi-modal computer aided diagnosis approach to coronary calcium scoring of MSCT images
Kulberg et al. Automatic segmentation and determining radiodensity of the liver in a large-scale CT database
Zlokolica et al. 3D epicardial fat registration optimization based on structural prior knowledge and subjective-objective correspondence
CN117716394A (zh) 识别解剖特征
Rakshe et al. An improved algorithm for femoropopliteal artery centerline restoration using prior knowledge of shapes and image space data
KR20190002958A (ko) 심장의 기하학적 정보를 이용한 좌심방이 검출방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170111

RJ01 Rejection of invention patent application after publication