CN107203741A - 血管提取方法、装置及其系统 - Google Patents

血管提取方法、装置及其系统 Download PDF

Info

Publication number
CN107203741A
CN107203741A CN201710303879.0A CN201710303879A CN107203741A CN 107203741 A CN107203741 A CN 107203741A CN 201710303879 A CN201710303879 A CN 201710303879A CN 107203741 A CN107203741 A CN 107203741A
Authority
CN
China
Prior art keywords
vessel
image
interest
module
certain embodiments
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
CN201710303879.0A
Other languages
English (en)
Other versions
CN107203741B (zh
Inventor
吴柯
王旭
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201710303879.0A priority Critical patent/CN107203741B/zh
Priority to PCT/CN2017/088276 priority patent/WO2018001099A1/zh
Priority to US15/663,909 priority patent/US10357218B2/en
Publication of CN107203741A publication Critical patent/CN107203741A/zh
Priority to US16/517,961 priority patent/US11344273B2/en
Application granted granted Critical
Publication of CN107203741B publication Critical patent/CN107203741B/zh
Priority to US17/654,598 priority patent/US20220192617A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种血管提取方法,装置及其系统。所述方法包括如下步骤:获取包含血管信息的图像;确定所述图像中感兴趣区域;统计所述感兴趣区域的灰度值;根据所述灰度值,设置生长参数;基于Fast Marching生长血管主干;以及调整所述生长参数,追踪血管分支;基于所述血管主干和血管分支,提取血管区域。本发明提供的血管提取方法可以快速、完整的提取血管主干及其分支。

Description

血管提取方法、装置及其系统
【技术领域】
本发明涉及医学图像处理领域,尤其涉及血管提取的方法、装置及其系统。
【背景技术】
门静脉血管系统是人体循环系统中重要的组成部分。自动提取门静脉血管不但可以帮助医生快速诊断门脉高压等相关的疾病,也能够给医生提供更加直观的系统解剖结构视图,方便进行手术计划。
现有的门静脉提取主要局限于肝内门静脉的提取,主要方法可分为阈值类、增强类以及模型类方法。阈值类方法利用门静脉显影时灰度值较高的特点,在肝内一定的阈值范围内进行区域生长,提取出肝内的门静脉血管。该方法过于依赖造影剂的信息,对于造影剂显影较弱,或者期相抓取不准导致动脉/静脉显影的情况适应性较差,且容易过分割到肋骨、杂质等同样高亮度的区域。
模型类方法充分考虑了血管的结构特点:首先追踪血管的中心线骨架,并预估血管在某一区域内半径,在得到完整的血管骨架后利用血管半径信息重建血管。该方法能够保持血管的细节和拓扑结构完整,但整个追踪过程相当耗时,对于较粗的血管适应性有限,大多应用于手动交互的场景。
【发明内容】
本发明解决的问题是但能够快速提取出完整的门静脉血管结构,还可以在局部对血管进行追踪优化,体现出更多的血管细节信息。
为解决上述技术问题,本发明提供一种血管提取方法,包括:
获取包含血管信息的图像;
确定所述图像中感兴趣区域;
统计所述感兴趣区域的灰度值;
根据所述灰度值,设置生长参数;
基于Fast Marching生长血管主干;以及
调整所述生长参数,追踪血管分支;
基于所述血管主干和血管分支,提取血管区域。
可选的,所述确定所述图像中感兴趣区域,包括:
基于肝脏的解剖学信息,确定门静脉入肝图层的位置。
可选的,所述确定所述图像中感兴趣区域,还包括:
采用Heseian法增强所述门静脉入肝图层的位置所在区域;
基于Hessian增强结果确定所述感兴趣区域。
可选的,所述生长参数包括灰度阈值、迭代次数、血管生长范围。
可选的,所述调整所述生长参数,追踪血管分支,包括如下步骤:
根据血管造影剂的流动和/或当前血管区域的状况,判断是否需要调整生长参数;
如是,则根据调整后的生长参数,生长血管主干和/或血管分支;
如否,则继续追踪血管分支。
可选的,所述方法还包括:
基于所述基于Fast Marching生长血管主干,根据肝脏和血管主干的解剖关系,定位到所述血管主干的中心;
基于所述血管中心和所述生长参数,追踪所述血管分支。
为解决上述技术问题,本发明还提供一种血管提取装置,所述装置包括:
感兴趣区域确定模块;以及
统计模块,用于统计所述感兴趣区域的灰度值;
设置模块,用于根据所述灰度值,设置生长参数;
第一生长模块,用于基于Fast Marching生长血管主干;
第二生长模块,用于根据调整所述生长参数,追踪血管分支;
提取模块,基于所述血管主干和血管分支,提取血管区域。
可选的,所述装置还包括参数判断模块,用于根据血管造影剂的流动和/ 或当前血管区域的状况,判断是否需要调整生长参数。
为解决上述技术问题,本发明还提供一种医学成像系统,包括存储设备、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,还包括:显示设备,用于显示的所述系统接受或处理的图像,显示血管提取结果;
其中,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的血管提取方法。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前所述的血管提取方法。
【附图说明】
图1是根据本申请的一些实施例所示的一个成像系统的示意图;
图2是根据本申请的一些实施例所示的生成图像的示例性流程图;
图3是根据本申请的一些实施例所示的图像生成器的示意图;
图4是根据本申请的一些实施例所示的图像处理模块的示意图;
图5是根据本申请的一些实施例所示的血管提取单元的示意图;
图6是根据本申请的一些实施例所示的提取血管的示例性流程图;
图7A-7G是根据本申请的一些实施例所示的提取肝门静脉的示例性实验结果图;
图8是根据本申请的一些实施例所示的血管提取装置的示意图。
【具体实施方式】
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。应当理解,给出这些示例性实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
根据本申请的一些实施例,图1所示的是一个成像系统100的示意图。在一些实施例中,成像系统100可以对既定目标进行扫描,得到扫描数据和并生成与之相关的图像。在一些实施例中,成像系统100可以对生成的图像进行进一步处理。在一些实施例中,成像系统100可以是一个设备或一个设备组。具体地,成像系统100可以是一个医学成像系统,例如,一个PET (Positron Emission Tomography)设备、一个SPECT(SinglePhotonEmissionComputed Tomography)设备、一个CT(Computed Tomography)设备、一个 MRI(Magneticresonance imaging)设备等。进一步地,所述医学成像系统可以是单独使用,也可以结合使用。例如,一个PETCT设备、一个PETMRI设备或一个SPECTMRI设备等。
在一些实施例中,成像系统100可以包括一个扫描仪,扫描仪可以对既定目标进行扫描,并获得与之相关的信息(例如扫描数据)。进一步地,成像系统100可以是一个放射性扫描设备。该放射性扫描设备可以包括一个放射性扫描源。放射性扫描源可以向既定目标发射放射性射线。所述放射性射线可以包括微粒射线、光子射线等中的一种或其组合。所述微粒射线可以包括中子、质子、电子、μ介质、重离子等中的一种或其组合。光子射线可以包括X射线、γ射线、α射线、β射线、紫外线、激光等中的一种或其组合。作为示例,光子射线可能是X射线,其相应的成像系统100则可以是一个CT 系统、一个数字式射线成像系统(DR)、一个多模态医学成像系统等其中的一种或多种。进一步地,在一些实施例中,多模态医学成像系统可以包括CTPET 系统、SPECTMRI系统等中的一种或多种。
在一些实施例中,成像系统100可以包括一个腔体110、一个床架120、一个高压发生器130、一个操作控制计算机设备140、一个图像生成器150、和一个控制显示设备160。腔体110内部可以收容用来产生和检测放射性射线的组件。在一些实施例中,腔体110可以收容一个辐射发生器180和一个探测器160。辐射发生器180可以发射放射性射线。放射性射线可以发射到置于腔体110中的物体处,并透过物体被探测器160接收。作为示例,所述辐射发生器180可以是一个X射线管。X射线管可以发射X射线,该射线透过置于腔体110内部的物体,并被探测器160接收。在一些实施例中,探测器160 可以是圆形探测器、方形探测器、或弧形探测器等。所述弧形探测器的旋转角度可以是在0度到360度之间。在一些实施例中,弧形探测器的旋转角度可以是固定不变的。在一些实施例中,弧形探测器的旋转角度可以根据需要调整。例如,可以根据所需要的图像的分辨率、图像的大小、探测器的灵敏度、探测器的稳定性或其中的一种或者几种的组合,进行调整。在一些实施例中,探测器160可以是一维探测器、二维探测器、或三维探测器。
床架120可以支撑待检测的物体(例如待检测的病人)。在一些实施例中,床架120可以在检测过程中在腔体110内部移动。如图1所示,在检测过程中,床架120可以沿Z轴方向移动。根据检测的需要,病人可以仰卧、俯卧、头部在前或脚部在前。在一些实施例中,床架120可以以恒定的速度在腔体 110内部移动。床架120移动的速度可以和扫描时间、扫描区域等因素相关。在一些实施例中,床架120移动的速度可以是系统默认值,也可以由用户设定。
高压发生器130可以产生高压或者强电流。在一些实施例中,所产生的高压或强电流可以传输至辐射发生器180。所产生的高压可以是80kV140kV、 75Kv150kV或120kV140kV。所产生的电流可以是20mA500mA。
操作控制计算机设备140可以与腔体110、辐射发生器180、探测器160、高压发生器130、床架120、图像生成器150和/或控制显示设备160相关联。上述设备之间可以通过直接或者间接的方式相连接。在一些实施例中,操作控制计算机设备140可以控制腔体110旋转至某一位置。该位置可以是系统默认值,也可以由用户(例如医生、护士等)设定。在一些实施例中,操作控制计算机设备140可以控制高压发生器130。例如,操作控制计算机设备 140可以控制高压生成器130产生的电压或电流的强度。在一些实施例中,操作控制计算机设备140可以控制显示设备160。例如,操作控制计算机设备 140可以控制与显示相关的参数。所述参数可以包括显示尺寸、显示比例、显示顺序、显示数量等。作为示例,可以控制显示图像的整体或部分。作为又一示例,可以将一个图像分为几个子图(例如头部子图、颈部子图、下肢子图等),同时或依次显示几个子图。作为进一步示例,可以放大或缩小某个图像。
图像生成器150可以生成图像。在一些实施例中,图像生成器150可以进行图像预处理、图像重建、和/或血管提取等操作。图像生成器150可以和探测器160、操作控制计算机设备140、显示设备160和/或外部数据源(图中未体现)相关联。在一些实施例中,图像生成器150可以从探测器160或者外部数据源接收数据,并基于所接收的数据生成图像。所述的外部数据源可以是硬盘、软盘、随机存储器(random access memory,RAM)、动态随机存储器(dynamic random access memory,DRAM)、静态随机存储器(static random accessmemory,SRAM)、磁泡存储器(bubble memory)、薄膜存储器 (thin film memory)、磁镀线存储器(magnetic plated wire memory)、相变存储器(phase change memory)、闪速存储器(flash memory)、云盘(a cloud disk)等中的一种或多种。在一些实施例中,图像生成器150可以将生成的图像传送至显示设备160进行显示。
显示设备160可以显示所接收的数据或图像。显示设备160可以和操作控制计算机设备140和图像生成器150相连接。在一些实施例中,显示设备 160可以显示由图像生成器150所生成的图像。在一些实施例中,显示设备 160可以向图像生成器150和/或操作控制计算机设备140发送指令。例如,用户可以通过显示设备160设置成像参数,该成像参数可以发送至操作控制计算机设备140。所述成像参数可以包括数据采集参数和图像重建参数等。其中,数据采集参数可以包括扫描时间、扫描目标定位信息、机架的旋转速度、电压/电流的强度等中一个或多个。图像重建参数可以包括重建视场、重建矩阵、重建算法等中的一个或多个。
需要说明的是,以上对于成像系统100的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接,对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。
根据本申请的一些实施例,图2所示的是生成图像过程的一种示例性流程图。在步骤204中,可以设置扫描参数。设置扫描参数的过程可以由操作控制计算机设备140实现。在一些实施例中,扫描参数可以包括扫描时间、扫描目标定位信息、机架的位置、机架的旋转速度、电压/电流的强度等中的一个或者多个。作为示例,可以旋转床架120至某一特定位置。作为又一示例,可以移动腔体110至某一特定位置。在一些实施例中,该特定位置可以是系统默认值,也可以由用户(例如医生、护士)设定。在一些实施例中,根据被测物的不同,设置的位置也不同。被测物可以是检测对象的整体或其中的一部分。检测对象可以包括人体、动物、非生物物体等。作为示例,被测物可以包括器官、组织、病变部位、肿瘤部位或者上述部位的任意组合。具体例如,被测物可以是头部、胸部、腹部、心脏、肝脏、上肢、下肢、脊椎、骨骼、血管等,或者上述部位的任意组合。
在步骤206中,可以对被测物进行扫描。在步骤208中,可以获取被测物的扫描数据。扫描过程和获取扫描数据的过程可以由辐射发生器180和探测器160共同完成。在一些实施例中,放射性射线可以透过被测物,经过被测物吸收后,由探测器160接收。在一些实施例中,放射性射线可以由被测物反射至探测器160并由探测器接收。在一些实施例中,扫描数据可以全部或部分地从外部数据源获得。
在步骤210,可以根据扫描数据,生成图像。在一些实施例中,步骤210 可以由图像生成器150实现。生成的图像可以包括MRI图像、CT图像、PET 图像或上述图像的任意组合。作为示例,可以利用再现算法计算得到CT图像。在一些实施例中,生成的图像可以包括二维图像或三维图像。在一些实施例中,还可以对生成的图像进行处理。对图像的处理可以包括对图像的滤波去噪、灰度的归一化、图像水平旋转、尺度大小的校正等。
在步骤212中,可以输出图像。在一些实施例中,图像可以由显示设备 160显示。在一些实施例中,图像可以传输至任何一个与成像系统100相关的外部设备,例如,数据库、终端等。
需要注意的是,以上对于图像形成过程的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个步骤进行调换或者任意组合,对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。例如,可以在获取扫描数据步骤208和生成图像步骤210 之间加入其他的选择或处理条件。例如,可以将获取的扫描数据进行存储备份。类似地,该存储备份步骤可以添加至流程图中的任何两个步骤之间。
根据本申请的一些是实施例,图3所示的是图像生成器150的示意图。图像生成器150可以包括一个数据接收模块310、一个数据处理模块320、一个图像处理模块330、一个存储模块340、一个控制模块350、和一个图像输出模块360。
数据接收模块310可以接收与被测物相关的数据。与被测物相关的数据可以包括扫描数据、基本信息(例如姓名、年龄、性别、身高、体重,病史等)、扫描参数等。在一些实施例中,所述扫描数据可以由探测器160收集并传送至数据接收模块310。在一些实施例中,扫描数据由探测器160收集之后,可以先传送至存储模块340,再由存储模块340传送至数据接收模块310。在一些实施例中,数据接收模块310可以从操作控制计算机设备140接收扫描参数数据。在一些实施例中,数据接收模块310可以从外部数据源(图中未体现)接收数据(例如病人的基本信息)。
数据处理模块320可以对接收到的数据进行分析处理。数据处理模块320 可以从数据接收模块310、存储模块340和/或外部数据源接收数据并进行分析处理。在一些实施例中,数据处理模块320可以对所接收的数据进行预处理操作。作为示例,数据处理模块320可以处理暗电流和空扫数据、去除坏点、去除噪声、进行几何校正等。在一些实施例中,数据处理模块320可以分析处理接收到的扫描数据,生成初始图像。此处所述初始图像是基于被测物的扫描数据生成的未经预处理的图像。在一些实施例中,数据处理模块320 可以统计分析扫描数据和基本信息,生成统计结果。作为示例,数据处理模块320可以统计某一类人群患某一种疾病的概率。所述统计结果可以传输至存储模块340。
图像处理模块330可以生成图像和/或处理图像。在一些实施例中,图像处理模块330可以接收由数据处理模块320所处理的扫描数据,并根据经过处理的扫描数据生成图像。在一些实施例中,图像处理模块330可以处理由数据处理模块320生成的初始图像。所述处理操作可以包括滤波去噪、灰度的归一化、图像水平旋转、尺度大小的校正、部分遮挡物的去除(例如,眼镜的去除)等。在一些实施例中,图像处理模块330可以进行图像重建。例如,图像处理模块330可以进行血管造影。在一些实施例中,图像处理模块 330可以进一步分析处理生成的图像。例如,图像处理模块330可以提取图像中的血管。作为示例,图像处理模块330可以控制图像处理模块330进行血管提取的参数。所述参数可以包括感兴趣区域的确定、种子点的确定、中心线的确定等。此处所述种子点是指从图像中选定的一个血管内部的图像体素。例如,种子点可以是靠近血管中心的一个图像体素。此处所述中心线是指位于血管内部的沿着血管走向的一条线。在一些实施例中,血管中心线可以指位于血管中心部位或靠近血管中心部位像素点的集合。在一些实施例中,血管中心线可以指到血管边界距离相等或基本相等的像素点的连线。
存储模块340可以存储数据、图像和/或相关参数等。存储的数据可以是各种形式数据。例如,数值、信号、图像、既定目标的相关信息、命令、算法、程序等中的一种或多种。作为示例,扫描数据、初始图像、经过处理的图像、处理参数(例如去噪参数、归一化参数等)可以存储在存储模块340 中。在一些实施例中,存储模块340可以包括固定的存储系统(例如,磁盘)、移动式的存储系统(例如,USB接口、火线端口等的接口和/或磁盘驱动类的驱动)等。具体地,在一些实施例中,存储模块340可以存储血管初始图像、经过处理的血管图像、血管图像设置参数等。进一步地,存储模块340可以是数据的临时存储,即为下一次的数据处理转存数据;也可以是数据的长期存储,即存储最终的数据处理结果。
控制模块350可以控制数据接收模块310、数据处理模块320、图像处理模块330、存储模块340、和/或输出模块360。在一些实施例中,控制模块 350可以控制数据接收模块310接收数据的时间和/或传输数据的路径。在一些实施例中,控制模块350可以控制数据传输速度和数据传输模式(例如,实时传输或延时传输)等。在一些实施例中,控制模块350可以控制图像处理模块330进行图像重建。作为示例,控制模块350可以选择图像重建时所选用的算法。作为又一示例,控制模块350可以控制图像处理模块330进行血管提取的参数。所述参数可以包括感兴趣区域的确定、种子点的确定、中心线的确定等。在一些实施例中,控制模块350可以接收来自用户(例如,医生、成像工程师等)的指令。
输出模块360可以输出信息。所述信息可以包括数据、图像和/或相关参数等。所述信息可以来自数据接收模块310、数据处理模块320、图像处理模块330、存储模块340、和/或控制模块350。所述信息可以有多种呈现方式,包括但不限于音频、视频、图像、文字等中的一种或多种。作为示例,可以通过麦克风、扩音器等播报信息。作为又一示例,可以在显示屏上呈现信息。在一些实施例中,所述信息可以是各种形式的数据,包括但不限于数值、信号、图像、既定目标的相关信息、命令、算法、程序等中的一种或多种。作为示例,所述信息可以包括血管初始图像、血管灰度图像、血管掩膜图像、血管粗处理图像、血管精处理图像等。作为又一示例,所述信息可以包括相关参数,例如,直方图、水平集、函数集等。在一些实施例中,所述信息可以输出至任何一个与成像系统100相关的外部设备(例如数据库、终端等)。在一些实施例中,所述信息可以显示在任何一个显示设备上(例如显示设备 160、电脑显示屏、手机显示屏等)。
在一些实施例中,图像生成器150内部的各个模块可以包括一个或多个通用处理器。所述处理器包括但不限于,可编程逻辑设备(programed programmable logic device,PLD)、专用集成电路(special integrated circuit,ASIC)、微处理器(microprocessor)、嵌入式芯片系统(system on chip,SoC)、通讯信号处理器(digital signal processor,DSP)等中的一种或多种。所述两个及以上的处理器可结合在一个硬件设备上。所述处理器可通过多种方式实现数据处理,例如,通过硬件、软件或硬件软件结合等方式。
以上对于图像生成器150的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解基本原理后,可能在不背离这一原理的情况下,对具体实施方式与步骤进行形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,图像生成器150中各个模块内可以添加一个存储单元,用于存储各模块运行过程中产生的中间数据或处理结果。又例如,一个或多个模块可以集成在同一个模块中,实现一个或多个模块的功能。再例如,数据接收模块310和图像输出模块360可以集成在一个模块中,同时实现输入/输出功能。进一步例如,控制模块350可以集成在图像处理模块330中,控制图像处理模块330 运行中可能涉及的各种参数。
根据本申请的一些实施例,图4是图像处理模块330的示意图。如图4 所示,图像处理模块330可以包括一个图像信息获取单元410、一个图像预处理单元420、一个图像重建单元430、和一个血管提取单元440。
图像信息获取单元410可以获取初始图像信息。图像信息可以是用于生成图像的扫描数据,也可以是已经生成的初始图像。在一些实施例中,图像信息获取单元410可以从数据处理模块320或存储模块340获取扫描数据或初始图像。在一些实施例中,图像信息获取单元410可以将所接收的扫描数据或初始图像传输至图像预处理单元420和/或图像重建单元430。
图像预处理单元420可以对图像进行预处理操作。所述预处理操作可以包括滤波去噪、灰度的归一化、图像水平旋转、尺度大小的校正、和部分遮挡物的去除(例如,眼镜的去除)等。作为示例,图像预处理单元420可以对初始图像进行滤波平滑操作,降低图像噪声。
图像重建单元430可以重建图像。在一些实施例中,图像重建单元430 可以基于扫描数据进行图像重建。在一些实施例中,图像重建单元430可以进行二维重建或三维重建。在一些实施例中,用于图像重建的算法可以包括滤波反投影(Filtered Back Projection,FBP)、有序子集最大期望值(Ordered Subsets Expectation Maximization,OSEM)、FDK算法等中的一种或多种。在一些实施例中,图像重建单元430可以将图像传输至图像预处理单元420 和/或血管提取单元440进行进一步处理。
血管提取单元440可以从图像中提取血管。在一些实施例中,可以提取头部、颈部、腹部、下肢等部位的血管。血管提取算法可以包括:模式识别算法、模型算法、跟踪算法、人工智能的算法、神经网络算法、管状物检测算法等。在一些实施例中,血管提取单元440可以确定进行血管提取的感兴趣区域、目标血管的种子点、中心线、以及血管的特定部分(例如,静脉窦) 等。在一些实施例中,血管提取单元440可以基于水平集、区域生长、MS模型、CV模型等进行血管的提取。在一些实施例中,血管提取单元440可以分离血管的边界。例如,可以通过数据膨胀和/或数据腐蚀操作确定血管边界。又例如,可以采用多级的模型边界参数分离血管边界。
以上对于图像处理模块330的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解基本原理后,可能在不背离这一原理的情况下,对具体实施方式与步骤进行形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。例如,图像预处理单元420可以集成在图像重建单元430中,同时实现图像重建和图像预处理的功能。又例如,血管提取单元440可以集成在图像重建单元430 中,重建得到图像后可以直接从图像中提取血管。
根据本申请的一些实施例,图5是血管提取单元440的示意图。如图5 所示,血管提取单元440可以包括一个分离单元510、一个提取单元520和一个特征提取单元530。
分离单元510可以确定感兴趣区域。所述感兴趣区域可以是包含血管的区域。感兴趣区域的形状可以是管状、环形、圆形、椭圆形、三角形、矩形、不规则形状等。具体地,在一些实施例中,感兴趣区域的形状与目标血管或其所在区域的生理解剖结构有关。例如,脑动脉的感兴趣区域可以是管状。在一些实施例中,分离单元510可以采用模板配准的方式确定感兴趣区域。例如,可以将待处理图像和对应的模板进行配准,确定感兴趣区域。在一些实施例中,可以采用多模板配准的方式确定感兴趣区域。例如,可以将图像按照生理结构划分成不同的区域,例如,头部、颈部、腹部、下肢等,然后将不同区域的待处理图像和对应区域的模板进行配准,以确定各个区域的感兴趣区域。在一些实施例中,分离单元510可以采用基于分类器的方法确定感兴趣区域。例如,可以提取图像特征(例如,图像灰度值、梯度值、增强值、形状等中的一种或多种),利用分类器对所提取的图像特征进行分析,确定感兴趣区域。
提取单元520可以提取目标血管。所述目标血管可以是头颈部血管、腹部血管、下肢血管等。头颈部血管可以包括椎动脉、基底动脉、颈内动脉等。腹部血管可以包括腹主动脉、肾动脉、肝门静脉等。在一些实施例中,提取单元520还可以进一步确定血管种子点和/或血管中心线等。作为示例,提取单元520可以根据血管类型的生理结构特性(例如,对称性),进行血管种子点的确定。作为又一示例,提取单元520可以基于血管种子点,确定血管中心线。作为进一步示例,提取单元520可以通过确定血管的起始点、路径点和终止点,并连接这些点的方式确定血管中心线。作为再进一步示例,提取单元520可以在完成血管提取后,进一步选择血管内部的一条连线作为血管中心线。在一些实施例中,提取单元520可以对血管图像进行血管增强,得到血管增强图像。在一些实施例中,提取单元520可以在血管增强图像中进行血管提取。在一些实施例中,提取单元520可以采用迭代的方式进行血管的分割(也称为“提取”)。例如,提取单元520可以将血管划分为不同的区域,保证区域内只有一条完整的主要血管;提取单元520可以针对各区域内的主要血管进行分割;提取单元520可以再检测血管分割是否成功;若提取单元520检测到血管分割失败,提取单元520则可采用迭代模式选择其他备选分割方法,直至分割成功。
特征提取单元530可以从已经提取的血管中进行特定部分的提取。所述特定部分可以是特定的某一类型的血管,或者是血管的某一部分。例如,血管的特定部分可以包括血管中的静脉窦等;特征提取单元530可以从已经提取的血管树中进行静脉窦的提取。具体地,在一些实施例中,特征提取单元 530可以对已经提取的血管进行分区,确定一个特定区域,在该特定区域内确定静脉窦所在的连通域,并在所在连通域内进行膨胀和生长,进行静脉窦的提取。
以上对于提取血管的描述仅仅是具体的示例,不应被视为是唯一可行的实施方案。显然,对于本领域的专业人员来说,在了解基本原理后,可能在不背离这一原理的情况下,对具体实施方式与步骤进行形式和细节上的各种修正和改变,但是这些修正和改变仍在以上描述的范围之内。
根据本申请的一些实施例,图6是所示的一种提取血管的示例性流程图。提取血管的过程可以由提取单元520实现。需要注意的是,图6中仅给出了一个示例性流程,并不表示本申请必须按照下述流程进行。在一些实施例中,一个或多个步骤可以删除或调整顺序。例如,在进行血管提取之前,先确定感兴趣区域。在一些实施例中,所述感兴趣区域可以是头部、颈部、腹部、下肢等。作为示例,提取腹部血管(例如肝门静脉)时,可以先确定肝脏区域。在一些实施例中,可以根据肝脏的解剖学信息,定位门静脉入肝图层的大致位置。例如,可以通过每层肝脏面积的变化估算门静脉入肝图层的大致位置。在一些实施例中,可以通过局部Hessian增强得到门静脉入肝图层的大致位置。在一些实施例中,可以在门静脉入肝图层定位血管种子点。
在步骤601,可以统计感兴趣区域的灰度值。在一些实施例中,可以统计肝脏的灰度值和血管的灰度值。在一些实施例中,可以计算得到灰度图像,在灰度图像中进行灰度值统计。在步骤602,可以根据灰度值统计结果,设置生长参数。在一些实施例中,算法可以是快速行进算法(Fast Marching Method)。生长参数可以包括灰度阈值、迭代次数、血管生长范围等。在步骤 603,可以基于生长参数,运行所述算法,生长血管主干。在步骤604,可以进一步生长血管枝节。
在步骤605,可以判断是否需要调整生长参数。在一些实施例中,判断步骤605可以实时进行,也可以以一定时间间隔进行。在一些实施例中,可以根据血管造影剂的流动和/或当前血管区域的状况,判断是否需要调整生长参数。如果需要,则返回步骤602,调整生长参数(例如灰度阈值、迭代次数等),并在步骤603和/或步骤604,根据调整后的生长参数,进一步生长血管主干和/或血管枝节。如果不需要,则在步骤606,追踪血管分支。
根据本申请的一些实施例,图7-A至7-G所示的是提取肝门静脉的示例性实验结果图。如图7-A所示,首先分割出肝脏区域,图中所示为肝脏区域的矢状位视图。之后根据每层肝脏的面积变化估算出大致的门静脉入肝位置。如图7-B所示,为门静脉入肝处的横截面视图。定位门静脉的入肝位置后,对门静脉附近的区域进行Hessian增强,得到增强图,如图7-C 所示。在增强图中,可以确定入肝处的门静脉血管的位置,在该位置定位血管种子点(图中圆点)。之后统计肝脏的灰度范围及门静脉的血管灰度,利用Gaussian曲线拟合算法估算门静脉血管的阈值。之后利用Fast Marching算法进行血管生长,如图7-D和图7-E所示,提取门静脉主干。再利用肝脏和门静脉主干的关系,定位到肝门静脉主干中心。如图7-F和图7-G所示,以肝门静脉主干中心为起点,在门静脉主干的基础上提取门静脉细枝。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网 (LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
根据本申请的一些实施例,图8所示为一种血管提取装置,所述装置包括:
统计模块810,用于统计所述感兴趣区域的灰度值;
设置模块820,用于根据所述灰度值,设置生长参数;
第一生长模块830,用于基于Fast Marching生长血管主干;
第二生长模块840,用于根据调整所述生长参数,追踪血管分支;
提取模块850,基于所述血管主干和血管分支,提取血管区域;
所述装置还包括:参数判断模块860,用于根据血管造影剂的流动和/或当前血管区域的状况,判断是否需要调整生长参数。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述发明披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”等来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确
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 (10)

1.一种血管提取方法,其特征在于,包括如下步骤:
获取包含血管信息的图像;
确定所述图像中感兴趣区域;
统计所述感兴趣区域的灰度值;
根据所述灰度值,设置生长参数;
基于Fast Marching生长血管主干;以及
调整所述生长参数,追踪血管分支;
基于所述血管主干和血管分支,提取血管区域。
2.如权利要求1所述的血管提取方法,其特征在于,所述确定所述图像中感兴趣区域,包括:
基于肝脏的解剖学信息,确定门静脉入肝图层的位置。
3.如权利要求2所述的血管提取方法,其特征在于,所述确定所述图像中感兴趣区域,还包括:
采用Heseian法增强所述门静脉入肝图层的位置所在区域;
基于Hessian增强结果确定所述感兴趣区域。
4.如权利要求1所述的血管提取方法,其特征在于,所述生长参数包括灰度阈值、迭代次数、血管生长范围。
5.如权利要求1所述的血管提取方法,其特征在于,所述调整所述生长参数,追踪血管分支,包括如下步骤:
根据血管造影剂的流动和/或当前血管区域的状况,判断是否需要调整生长参数;
如是,则根据调整后的生长参数,生长血管主干和/或血管分支;
如否,则继续追踪血管分支。
6.如权利要求5所述的血管提取方法,其特征在于,还包括:
基于所述基于Fast Marching生长血管主干,根据肝脏和血管主干的解剖关系,定位到所述血管主干的中心;
基于所述血管中心和所述生长参数,追踪所述血管分支。
7.一种血管提取装置,其特征在于,所述装置包括:
感兴趣区域确定模块;以及
统计模块,用于统计所述感兴趣区域的灰度值;
设置模块,用于根据所述灰度值,设置生长参数;
第一生长模块,用于基于Fast Marching生长血管主干;
第二生长模块,用于根据调整所述生长参数,追踪血管分支;
提取模块,基于所述血管主干和血管分支,提取血管区域。
8.如权利要求7所述的血管提取装置,其特征在于,还包括参数判断模块,用于根据血管造影剂的流动和/或当前血管区域的状况,判断是否需要调整生长参数。
9.一种医学成像系统,包括存储设备、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,还包括:显示设备,用于显示的所述系统接受或处理的图像,显示血管提取结果;
其中,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的血管提取方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的血管提取方法。
CN201710303879.0A 2016-06-30 2017-05-03 血管提取方法、装置及其系统 Active CN107203741B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710303879.0A CN107203741B (zh) 2017-05-03 2017-05-03 血管提取方法、装置及其系统
PCT/CN2017/088276 WO2018001099A1 (zh) 2016-06-30 2017-06-14 一种血管提取方法与系统
US15/663,909 US10357218B2 (en) 2016-06-30 2017-07-31 Methods and systems for extracting blood vessel
US16/517,961 US11344273B2 (en) 2016-06-30 2019-07-22 Methods and systems for extracting blood vessel
US17/654,598 US20220192617A1 (en) 2016-06-30 2022-03-14 Methods and systems for extracting blood vessel

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710303879.0A CN107203741B (zh) 2017-05-03 2017-05-03 血管提取方法、装置及其系统

Publications (2)

Publication Number Publication Date
CN107203741A true CN107203741A (zh) 2017-09-26
CN107203741B CN107203741B (zh) 2021-05-18

Family

ID=59905542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710303879.0A Active CN107203741B (zh) 2016-06-30 2017-05-03 血管提取方法、装置及其系统

Country Status (1)

Country Link
CN (1) CN107203741B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022237A (zh) * 2017-11-30 2018-05-11 上海联影医疗科技有限公司 血管提取方法、系统及存储介质
CN108573494A (zh) * 2018-04-28 2018-09-25 上海联影医疗科技有限公司 一种管状结构提取方法及装置
CN108648170A (zh) * 2018-04-02 2018-10-12 青岛海信医疗设备股份有限公司 一种血管路径确定方法、装置、终端及存储介质
CN108734771A (zh) * 2018-05-14 2018-11-02 合肥融视信息科技有限公司 基于三维医学影像的血管提取系统及分析方法
CN109377504A (zh) * 2018-10-26 2019-02-22 强联智创(北京)科技有限公司 一种颅内动脉血管图像分割方法及系统
CN110517275A (zh) * 2019-09-03 2019-11-29 上海联影医疗科技有限公司 一种交互方法、装置、设备及存储介质
CN111325759A (zh) * 2020-03-13 2020-06-23 上海联影智能医疗科技有限公司 血管分割方法、装置、计算机设备及可读存储介质
CN111445449A (zh) * 2020-03-19 2020-07-24 上海联影智能医疗科技有限公司 感兴趣区域的分类方法、装置、计算机设备和存储介质
CN111696089A (zh) * 2020-06-05 2020-09-22 上海联影医疗科技有限公司 一种动静脉确定方法、装置、设备和存储介质
CN112037168A (zh) * 2020-07-23 2020-12-04 上海交通大学附属第六人民医院 一种血管检测方法、装置以及计算机存储介质
CN112652011A (zh) * 2020-12-25 2021-04-13 北京阅影科技有限公司 目标血管的提取方法、提取装置与计算机可读存储介质
WO2021082544A1 (zh) * 2019-10-31 2021-05-06 北京市商汤科技开发有限公司 图像处理及神经网络训练方法、装置、设备、介质和程序
CN112907515A (zh) * 2021-01-25 2021-06-04 上海健康医学院 一种基于三维ct图像的主动脉血管自动检测方法及系统
CN113408647A (zh) * 2021-07-07 2021-09-17 中国科学院生物物理研究所 一种脑小血管结构特征的提取方法
CN116863146A (zh) * 2023-06-09 2023-10-10 强联智创(北京)科技有限公司 用于对血管瘤特征进行提取的方法、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003042921A1 (en) * 2001-11-13 2003-05-22 Koninklijke Philips Electronics Nv Method and apparatus for three-dimensional filtering of angiographic volume data
US20070081702A1 (en) * 2005-10-12 2007-04-12 Hadar Porat Method and system for processing an image of body tissues
CN101790748A (zh) * 2007-06-19 2010-07-28 爱克发医疗保健公司 对3d数字医学图像中的解剖实体进行分割的方法
CN102232845A (zh) * 2010-04-26 2011-11-09 西门子公司 用ct系统自动识别患者血管中造影剂流动的方法及ct 系统
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
CN102819823A (zh) * 2012-01-12 2012-12-12 北京理工大学 一种从造影图像中全自动跟踪提取血管的方法
CN103270513A (zh) * 2010-08-12 2013-08-28 哈特弗罗公司 用于患者特异性血流建模的方法和系统
CN104361554A (zh) * 2014-10-23 2015-02-18 中国科学院苏州生物医学工程技术研究所 一种基于血管内超声图像的血管外膜自动检测方法
CN106023165A (zh) * 2016-05-12 2016-10-12 曲阜师范大学 一种用于光学分辨率光声显微镜下活体肿瘤血管新生图像的血管提取方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003042921A1 (en) * 2001-11-13 2003-05-22 Koninklijke Philips Electronics Nv Method and apparatus for three-dimensional filtering of angiographic volume data
US20070081702A1 (en) * 2005-10-12 2007-04-12 Hadar Porat Method and system for processing an image of body tissues
CN101790748A (zh) * 2007-06-19 2010-07-28 爱克发医疗保健公司 对3d数字医学图像中的解剖实体进行分割的方法
CN102232845A (zh) * 2010-04-26 2011-11-09 西门子公司 用ct系统自动识别患者血管中造影剂流动的方法及ct 系统
CN103270513A (zh) * 2010-08-12 2013-08-28 哈特弗罗公司 用于患者特异性血流建模的方法和系统
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
CN102819823A (zh) * 2012-01-12 2012-12-12 北京理工大学 一种从造影图像中全自动跟踪提取血管的方法
CN104361554A (zh) * 2014-10-23 2015-02-18 中国科学院苏州生物医学工程技术研究所 一种基于血管内超声图像的血管外膜自动检测方法
CN106023165A (zh) * 2016-05-12 2016-10-12 曲阜师范大学 一种用于光学分辨率光声显微镜下活体肿瘤血管新生图像的血管提取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BERNARD GOSSELIN 等: "Pulmonary arteries segmentation and feature extraction through slice marching", 《HTTPS://WWW.RESEARCHGATE.NET/PUBLICATION/228558472》 *
WEI LIAO 等: "AUTOMATIC HUMAN BRAIN VESSEL SEGMENTATION FROM 3D 7 TESLA MRA IMAGES USING FAST MARCHING WITH ANISOTROPIC DIRECTIONAL PRIOR", 《2012 9TH IEEE INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING 》 *
刘晏丽 等: "基于Hessian矩阵和区域生长的肝血管树的分割算法研究", 《计算机与现代化》 *
赵洁 等: "双源CT冠状动脉三维分割算法的研究", 《生物医学工程研究》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022237A (zh) * 2017-11-30 2018-05-11 上海联影医疗科技有限公司 血管提取方法、系统及存储介质
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
CN108648170A (zh) * 2018-04-02 2018-10-12 青岛海信医疗设备股份有限公司 一种血管路径确定方法、装置、终端及存储介质
CN108648170B (zh) * 2018-04-02 2020-11-06 青岛海信医疗设备股份有限公司 一种血管路径确定方法、装置、终端及存储介质
CN108573494A (zh) * 2018-04-28 2018-09-25 上海联影医疗科技有限公司 一种管状结构提取方法及装置
CN108573494B (zh) * 2018-04-28 2021-06-15 上海联影医疗科技股份有限公司 一种管状结构提取方法及装置
CN108734771A (zh) * 2018-05-14 2018-11-02 合肥融视信息科技有限公司 基于三维医学影像的血管提取系统及分析方法
CN109377504A (zh) * 2018-10-26 2019-02-22 强联智创(北京)科技有限公司 一种颅内动脉血管图像分割方法及系统
CN109377504B (zh) * 2018-10-26 2021-11-30 强联智创(北京)科技有限公司 一种颅内动脉血管图像分割方法及系统
CN110517275A (zh) * 2019-09-03 2019-11-29 上海联影医疗科技有限公司 一种交互方法、装置、设备及存储介质
WO2021082544A1 (zh) * 2019-10-31 2021-05-06 北京市商汤科技开发有限公司 图像处理及神经网络训练方法、装置、设备、介质和程序
CN111325759A (zh) * 2020-03-13 2020-06-23 上海联影智能医疗科技有限公司 血管分割方法、装置、计算机设备及可读存储介质
CN111325759B (zh) * 2020-03-13 2024-04-16 上海联影智能医疗科技有限公司 血管分割方法、装置、计算机设备及可读存储介质
CN111445449B (zh) * 2020-03-19 2024-03-01 上海联影智能医疗科技有限公司 感兴趣区域的分类方法、装置、计算机设备和存储介质
CN111445449A (zh) * 2020-03-19 2020-07-24 上海联影智能医疗科技有限公司 感兴趣区域的分类方法、装置、计算机设备和存储介质
CN111696089A (zh) * 2020-06-05 2020-09-22 上海联影医疗科技有限公司 一种动静脉确定方法、装置、设备和存储介质
CN112037168B (zh) * 2020-07-23 2024-04-16 上海交通大学附属第六人民医院 一种血管检测方法、装置以及计算机存储介质
CN112037168A (zh) * 2020-07-23 2020-12-04 上海交通大学附属第六人民医院 一种血管检测方法、装置以及计算机存储介质
CN112652011B (zh) * 2020-12-25 2023-04-14 北京阅影科技有限公司 目标血管的提取方法、提取装置与计算机可读存储介质
CN112652011A (zh) * 2020-12-25 2021-04-13 北京阅影科技有限公司 目标血管的提取方法、提取装置与计算机可读存储介质
CN112907515A (zh) * 2021-01-25 2021-06-04 上海健康医学院 一种基于三维ct图像的主动脉血管自动检测方法及系统
CN113408647B (zh) * 2021-07-07 2024-04-02 中国科学院生物物理研究所 一种脑小血管结构特征的提取方法
CN113408647A (zh) * 2021-07-07 2021-09-17 中国科学院生物物理研究所 一种脑小血管结构特征的提取方法
CN116863146A (zh) * 2023-06-09 2023-10-10 强联智创(北京)科技有限公司 用于对血管瘤特征进行提取的方法、设备及存储介质
CN116863146B (zh) * 2023-06-09 2024-03-08 强联智创(北京)科技有限公司 用于对血管瘤特征进行提取的方法、设备及存储介质

Also Published As

Publication number Publication date
CN107203741B (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN107203741A (zh) 血管提取方法、装置及其系统
US11344273B2 (en) Methods and systems for extracting blood vessel
CN107545584A (zh) 医学图像中定位感兴趣区域的方法、装置及其系统
WO2018023917A1 (zh) 一种下肢血管的提取方法及系统
US10869644B2 (en) Method and system for extracting lower limb vasculature
CN106600609B (zh) 一种医学图像中脊柱的分割方法及系统
US20200184639A1 (en) Method and apparatus for reconstructing medical images
JP4728627B2 (ja) Ct血管造影法における構造を領域分割する方法及び装置
CN112508965B (zh) 医学影像中正常器官的轮廓线自动勾画系统
JP6080249B2 (ja) 3次元画像表示装置および方法並びにプログラム
JP5764147B2 (ja) 心臓イメージングにおける関心領域定義
CN109215033A (zh) 图像分割的方法及系统
CN101675455B (zh) 外科流程的风险指示
CN110706241B (zh) 一种三维病灶区域提取方法和装置
JP2013522712A5 (zh)
US8428316B2 (en) Coronary reconstruction from rotational X-ray projection sequence
US9042619B2 (en) Method and system for automatic native and bypass coronary ostia detection in cardiac computed tomography volumes
US8050470B2 (en) Branch extension method for airway segmentation
WO2010097534A1 (fr) Méthodes de segmentation d'images et de détection de structures particulières
WO2012094445A1 (en) System and method for treatment planning of organ disease at the functional and anatomical levels
CN108182434A (zh) 一种图像处理方法及装置
US20220092786A1 (en) Method and arrangement for automatically localizing organ segments in a three-dimensional image
US20230394654A1 (en) Method and system for assessing functionally significant vessel obstruction based on machine learning
KR102387928B1 (ko) 의료영상을 기초로 인체 조직을 분석하는 방법 및 그 장치
Torrents-Barrena et al. TTTS-STgan: stacked generative adversarial networks for TTTS fetal surgery planning based on 3D ultrasound

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant