CN107945169A - 一种冠状动脉影像分析方法及数据结构 - Google Patents

一种冠状动脉影像分析方法及数据结构 Download PDF

Info

Publication number
CN107945169A
CN107945169A CN201711248939.XA CN201711248939A CN107945169A CN 107945169 A CN107945169 A CN 107945169A CN 201711248939 A CN201711248939 A CN 201711248939A CN 107945169 A CN107945169 A CN 107945169A
Authority
CN
China
Prior art keywords
data
detection
coronary artery
human body
coronaries
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
CN201711248939.XA
Other languages
English (en)
Other versions
CN107945169B (zh
Inventor
李颖
刘丽
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.)
Third Military Medical University TMMU
Original Assignee
Third Military Medical University TMMU
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 Third Military Medical University TMMU filed Critical Third Military Medical University TMMU
Priority to CN201711248939.XA priority Critical patent/CN107945169B/zh
Publication of CN107945169A publication Critical patent/CN107945169A/zh
Application granted granted Critical
Publication of CN107945169B publication Critical patent/CN107945169B/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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10024—Color image
    • 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]
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/404—Angiography

Abstract

本发明提供一种冠状动脉影像分析方法及数据结构，其中，包括以下步骤：S1：对参照人体数据和检测人体数据进行预处理；S2：对参照人体预处理数据和检测人体预处理数据进行三维分析和二维分析，获取参照人体宏观及微观分析数据和检测人体宏观及微观分析数据，将参照人体分析数据和检测人体分析数据相关联；S3：参照人体分析数据和检测人体分析数据同步显示。本发明的有益效果是：用户可以同时对照观测参照人体和检测人体冠状动脉的二维图像数据、三维模型及血管腔内的影像，实现更好的冠状动脉教学效果。

Description

一种冠状动脉影像分析方法及数据结构
技术领域
本发明涉及一种影像分析方法，具体涉及一种冠状动脉影像分析方法及数据结构。
背景技术：
CT冠状动脉造影，也称CTA(Computed Tomography Angiography，计算机断层扫描血管造影术)是指通过向血管注入造影剂，使血管在CT下显影。可以将显影的过程拍摄下来能够更清楚的看到血管几何形态的变化。
对冠状动脉造影图像的分析，可以在冠状动脉医学领域教学过程中发挥作用。然而传统的基于CTA的成像技术最大的局限在于只能清楚的看到血管腔内的血液，即能够准确获取管腔的边界，对于血管壁的边界比较模糊，难以准确界定其边界，因此给量化分析带来较大误差，使得冠状动脉造影教学难度增加。
发明内容：
为了解决上述问题，本发明提出一种冠状动脉影像分析方法，包括以下步骤：
S1：对参照人体数据和检测人体数据进行预处理；
S2：对参照人体预处理数据和检测人体预处理数据进行三维及二维分析，获取参照人体和检测人体数据宏观及微观分析数据，将参照人体分析数据和检测人体分析数据相关联；
S3：参照人体分析数据和检测人体分析数据同步显示。
进一步的，还包括所述步骤S1包括，
S11：对参照人体数据进行预处理；
S12：对检测人体数据进行预处理。
进一步的，所述步骤S11包括以下步骤：
转换坐标系步骤：将参照人体数据坐标系转至与检测人体数据坐标系一致的新坐标系；
提取二值图像步骤：依据预设标定文件，设定背景色为黑色，冠状动脉为白色，获取参照人体冠状动脉二值图像；
获取参照人体冠状动脉中心线数据步骤。
进一步的，所述步骤S12包括：
获取检测人体数据包括心脏连续断层影像数据和检测人体信息数据；
对检测人体数据分割冠状动脉并获取检测人体冠状动脉中心线数据。
进一步的，所述步骤S2包括：
对参照人体冠状动脉中心线数据和检测人体冠状动脉中心线数据进行平滑操作或/和剪枝操作或/和标定操作，得到参照人体冠状动脉标定数据和检测人体冠状动脉标定数据。
进一步的，所述步骤S2包括：
对参照人体冠状动脉标定数据进行三维重建获取参照人体冠状动脉三维模型；
对检测人体冠状动脉标定数据进行三维重建获取检测人体冠状动脉三维模型；
所述检测人体冠状动脉三维模型和参照人体冠状动脉三维模型包括左右冠状动脉开口或 /和分段或/和空间形态及走行。
进一步的，所述步骤S2包括：
标定左右冠状动脉窦口；
获取左右冠状动脉节段直径信息或/和节段长度信息或/和体积信息并在对应的冠状动脉三维模型处显示；
获取检测人体数据左右冠状动脉曲率信息，CT衰减值，并对CT衰减值建立体素图，进行量化分析。
进一步的，所述步骤S2包括步骤：
参照人体数据和检测人体数据进行二维重建获取参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据；
所述参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据包括横断面数据或/和冠状面数据或/和矢状面数据或/和曲平面数据；
所述曲平面数据包括拉伸曲平面数据或/和拉直曲平面数据；
进一步的，所述步骤S3包括：
检测人体冠状动脉三维模型和参照人体冠状动脉三维模型同步显示；
参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据同步显示。
为了保证上述方法的实施，本发明还提供一种检测人体信息数据结构，
包括字段：ID或/和Patient_IdName或/和AgeSexOrigo或/和BodyPartHeart_Rate或/ 和Contrast_Type或/和Contrast_Ml或/和Diag_Time。
为了保证上述方法的实施，本发明还提供一种图片数据结构，
包括字段：ID或/和Patient_IdSize或/和ModalityFormat或/和SliceThick或/和Img_Pos或/和Img_OriWin_C或/和Win_W或/和Dic_Local或/和CenLine_Local Create_time。
为了保证上述方法的实施，本发明还提供一种分段表数据结构，
包括字段:ID No.或/和pRCA或/和mRCA或/和dRCA或/和P-PDA或/和LM或/和pLAD或/和mLAD或/和dLAD或/和D1或/和D2或/和pCx或/和OM1或/和LCx或/和OM2或/和L-PDA或/和R-PLB或/和RI或/和L-PLB。
为了保证上述方法的实施，本发明还提供一种冠脉节段表数据结构，
包括字段：ID或/和Patient_Id或/和Segment_Id或/和Coordinary或/和 Length_abLength或/和Diameter或/和Volume Cur。
为了保证上述方法的实施，本发明还提供一种冠脉特征表数据结构，
包括字段：ID或/和Patient_Id或/和Segment_Id或/和N_coor或/和Length_ab或/和Diameter或/和Area或/和plaque或/和Crv。
本发明的有益效果是：
1.本发明解决了通过CTA成像技术得到的检测人体冠状动脉数据缺乏空间毗邻位置关系 (特别是软组织及血管壁)无法直观的缺点。
参照人体(可以是中国可视化人体数据)(1)采用整体铣切技术，为整个人体标本原位的连续切片，无节段性数据缺损，能够原位展示解剖结构在人体内部的形态和毗邻关系；(2) 中国可视化人体图像的分辨率和层间距分别为610－1200万像素和0.1-1mm，其解剖结构的解析度均高于临床影像，可以准确区分软组织，尤其是血管壁的内中外膜，这在临床的CTA或 MRI图像中难以辨识；(3)解剖结构的自然色成像，便于观察软组织细节。利用参照人体数据集同步显示检测人体冠状动脉，提供心血管部分的共性特征，结合检测人体的CTA数据，为冠状动脉的观察提供了个性化差异的观察方法，同时也弥补了CTA数据缺少空间结构，解剖细节不丰富的缺点。可观察检测人体冠状动脉与参照人体冠状动脉的差异，获得检测人体冠状动脉详细空间位置信息；
2.本发明建立了冠状动脉三维空间走行与二维局部形态特征、解剖结构知识与其量化分析参数之间的联系。在医学影像教学方面，通过同步显示及对检测人体冠状动脉基本信息的测量和计算，可获得该冠脉节段信息和具体一点信息，包括长度、直径、面积、体积、曲率、 CT衰减值等，从多角度进行软、硬斑块的分析，评估管腔狭窄程度、先天性发育异常或开口及走行差异等信息。因心血管结构微小、断层图像在空间上对血管信息的理解困难不容易观察，将参照人体数据和检测人体CTA数据同步显示，并提取部分信息可为血管分布的宏观观察提供便利；在应用解剖教学领域，可通过同步显示了解检测人体该段冠状动脉的上下毗邻关系，利用测量的检测人体冠状动脉长度、直径和管腔狭窄度等信息，模拟或指导冠状动脉 PCI(Percutaneous Coronary Intervention，经皮冠状动脉介入术)手术教学。
附图说明
图1为本发明一种冠状动脉影像分析方法的流程图。
图2为本发明一种冠状动脉影像分析方法二维图像数据执行流程示意图。
图3参照人体胸腔部断层图像(30％)示意图。
图4参照人体心脏断层图像(100％)示意图。
图5参照人体与检测人体CTA数据坐标示意图。
图6参照人体冠状动脉三维重建示意图。
图7检测人体冠状动脉三维重建示意图。
图8参照人体冠状动脉横断面重建示意图。
图9参照人体冠状动脉拉伸曲平面重建示意图。
图10参照人体冠状动脉拉直曲平面重建示意图。
图11检测人体冠状动脉拉伸曲平面重建示意。
图12本发明一实施例示意图。
具体实施方式：
本发明解决背景问题的思路是：获取参照人体数据，对参照人体数据的冠状动脉进行二维图像和三维模型的重建，获取检测人体CTA数据，对检测人体冠状动脉的二维图像和三维模型进行重建，将参照人体冠状动脉的二维图像、三维模型分别与检测人体冠状动脉的二维图像和三维模型进行关联和同步显示，用户可以同时观测参照人体和检测人体的二维图像纹理细节和三维模型的空间走行，实现更好的冠状动脉医学领域教学效果。
实施例1：
本实施例中参照人体数据选用中国可视化人体数据集，中国可视化人体数据集由陆军军医大学(原第三军医大学)数字医学研究所建立，选择无器质性病变的人体标本，经过外形测量、灌注、包埋和冰冻等步骤，放入低温实验室用TK-6350型数控铣床从头至足逐层铣切，并且采用高清晰度数码相机逐层拍摄，获取高清的完整的人体断层照片，得到人体结构数据集(张绍祥,刘正津等.首例中国数字化可视人体完成[J].第三军医大学学报,2002,(10):24-10)。数据集共包含8套人体标本，包含不同年龄不同性别层面数据，具有断面解剖结构高清晰度和解剖结构高精细度的特点,可以清楚看见人体器官的几何形态及其毗邻关系，对血管、脑脊髓和肌肉纹理等都有较高的可辨识度。
本实施例采用中国可视化人体第二套数据集。数据集全部为彩色解剖断面数据，单张分辨率为3872*2048，像素解析度为0.12mm*0.12mm，心脏部分层间距为0.5mm，能完整地显示心脏内部的细微结构和走行关系，可原位的显示做冠状动脉起始段和分叉、右冠状动脉及其心脏内部结构，为心脏的进一步可视化研究提供厚薄均匀、解剖信息丰富、连续、完整的薄层断面数据集。
一种冠状动脉影像分析方法，包括以下步骤：
S1：对参照人体数据和检测人体数据进行预处理；
S2：对参照人体预处理数据和检测人体预处理数据进行三维及二维分析，获取参照人体和检测人体数据宏观及微观分析数据，将参照人体分析数据和检测人体分析数据相关联；
在本实施例中分析数据指冠状动脉三维模型和冠状动脉二维图像数据。
S3：参照人体分析数据和检测人体分析数据同步显示。
进一步的，所述步骤S1包括，
S11：对参照人体数据进行预处理；
在本实施例中将中国可视化人体第二套数据集作为参照人体数据，为保证解剖结构分割的准确性，该数据所有结构经经验丰富的解剖学专家人工标定，选用以原图为背景的标定文件，图像选取上起自升主动脉开口，下至心尖处，在photoshop使用批量操作工具，将原来的PSD格式文件全部转换成PNG格式文件。
S12：对检测人体数据进行预处理。
在本实施例中检测人体数据为检测人体的CTA数据。
进一步的，所述步骤S11包括以下步骤：
转换坐标系步骤：将参照人体数据坐标系转至与检测人体数据坐标系一致的新坐标系；
在本实施例中转换坐标系步骤具体为：参照人体和检测人体CTA数据使用不同坐标系，参照人体数据使用人体铣切技术，从头到脚断层取片，使用数码照相机成像，坐标原点位于人体头部左顶点。
-X轴，正方向为从左Left到右Right
-Y轴，正方向为从前胸Anterior到后背Posterior
-Z轴，正方向为从头顶Head到脚底Foot
检测人体CTA数据采集时使用检测人体坐标系统，坐标原点位于人体右足部。
-X轴，正方向为从右Right到左Left
-Y轴，正方向为从前胸Anterior到后背Posterior
-Z轴，正方向为从脚底Foot到头顶Head
为方便同步显示，现将参照人体坐标(x，y，z)转换到与CTA坐标系一致的新坐标(x'，y'，z')，需将参照人体所选图片进行水平翻转180度，再首尾倒置调整图片顺序。
提取二值图像步骤：依据预设标定文件，设定背景色为黑色，冠状动脉为白色，获取参照人体冠状动脉二值图像；在本实施例中提取二值图像步骤：标定文件使用不同RGB值表示人体不同器官组织，查看冠脉部分的PNG格式的图像得到心肌、左右冠状动脉和主动脉的颜色值，得到各部位的RGB值如下：
主动脉壁：R＝242.G＝50.B＝100；
主动脉：R＝170.G＝28.B＝0；
左冠状动脉:R＝170.G＝28.B＝113；
右冠状动脉:R＝170.G＝56.B＝113；
心肌：R＝170.G＝0.B＝114；
根据得出的所需部位的RGB值，对心肌、冠状动脉和主动脉分别进行提取，分别得到只包含有心肌的二值图像和只包含左右冠状动脉和主动脉的二值图像，其中背景色为黑色，心肌、左右冠脉和主动脉部分为白色。
提取中心线数据步骤：对参照人体数据进行中心线数据提取获取参照人体冠状动脉中心线数据。
在本实施例中提取中心线数据步骤具体为：对参照人体冠状动脉和主动脉三维可视化模型使用一个3*3的模板进行细化和单体素化，并且删除掉1um以下的短小分支、环状结构和离散节点，进行血管中心线提取，具体方法参见专利：基于球空间划分的冠状动脉自动分段与解剖学标记方法(中国专利专利号ZL201610362810.0)；
进一步的，所述步骤S12包括：
获取检测人体数据包括心脏连续断层影像数据和检测人体信息数据；
选择检测人体CTA数据最佳成像时相点心脏连续断层影像，为DICOM数据，提取检测人体信息存入数据表Patient_Info，同时，提取图片信息，存入数据表Image_Info，数据表字段如下：
Patient_Info
ID Patient_Id Name Age Sex Origo BodyPart Heart_Rate Contrast_Type Contrast_Ml Diag_Time
说明：数据表Patient_Info用于存储检测人体个人生理信息及检查时的详细参数：
1)ID：使用UUID(Universally Unique Identifier)随机生成，根据当前日期时间、时钟序列和MAC地址组合生成，保证生成的标识符全球唯一，使用ID作为主键，作为坐标数据的唯一标识。
2)Patient_Id：参照人体数据使用“0”标识，检测人体CTA数据使用就医时真实ID标识；
3)Name；检测人体真实姓名；
4)Age：检测人体年龄；
5)Sex：检测人体性别；
6)Origo：检测人体籍贯；
7)BodyPart：检测人体检查部位；
8)Heart_Rate：检测人体检查时心率；
9)Contrast_Type：检测人体做检查时所注射造影机类型；
10)Contrast_Ml：检测人体做检查时所注射造影剂剂量；
11)Diag_Time：检测人体检查时间。
Image_Info
说明：数据表Image_Info用于存储冠脉造影图片信息：
1)Size：图像大小；
2)Modality：检查类型；
3)Format：图像格式；
4)SliceThick：扫描层厚；
5)Img_Pos：图像显示位置，1表示左上角，2表示顶居中，3表示右上角，4表示左居中，5表示居中，6表示右居中，7表示右下角，8表示底居中，9表示右下角；
6)Img_Ori：图像起始点坐标；
7)Win_C：窗位；
8)Win_W：窗宽；
9)Dic_Local：检测人体原始断层CTA数据存放位置；
10)CenLine_Local：检测人体在经过冠脉中心线提取后包含中心线冠脉数据的存储位置；
11)Create_time：数据上传时间。
对检测人体数据分割冠状动脉并获取检测人体冠状动脉中心线数据。
根据阈值分割的方法和血管区域连通性的特点分割出冠状动脉，再进行血管中心线提取。
进一步的，所述步骤S2包括：
对参照人体冠状动脉中心线数据和检测人体冠状动脉中心线数据进行平滑操作、剪枝操作、标定操作，得到参照人体冠状动脉标定数据和检测人体冠状动脉标定数据。
根据国家心血管CT协会(SSCT)冠状动脉分段指南(Jonathon Leipsic MD,FSCCTCo_Chair,et al.SCCT guidelines for the interpretation and reporting ofcoronary CT angiography:A report of the Society of Cardiovascular ComputedTomography Guidelines Committee[J].Journal of cardiovascular computedtomography,2014(8):342-358)，将参照人体冠状动脉血管中心线和检测人体CTA血管中心线进行平滑、剪枝操作和冠状动脉标定。具体实施方法参见专利：基于球空间划分的冠状动脉自动分段与解剖学标记方法(中国专利，专利号ZL201610362810.0)。
国家心血管CT协会(SSCT)冠状动脉分段标准信息存储在数据表Segment中，经标定的参照人体冠脉和检测人体CTA数据，其节段信息以坐标存储在数据库表Seg_Coordinary，包含字段如下:
Segment
ID No. Seg_name_en Seg_name_cn Info
说明：
1)No.：存储按照《国家心血管CT协会(SSCT)冠状动脉分段标准》分段的每节段序号；
2)Seg_name_en：按照《国家心血管CT协会(SSCT)冠状动脉分段标准》分段的冠脉节段缩略名称；
3)Seg_name_cn：按照《国家心血管CT协会(SSCT)冠状动脉分段标准》分段的冠脉节段中文全称；
4)Info：按照《国家心血管CT协会(SSCT)冠状动脉分段标准》分段的每节段起止点描述。
Seg_Coordinary
ID Patient_Id Segment_Id Coordinary Length_ab Length Diameter Volume
说明：
1)Segment_Id：用于Segment数据表中对应节段的ID；
2)Coordinary：以数值形式存储每节段中心线上每一点的三维坐标信息；
3)Length_ab：中心线上从左右冠脉窦口到左右冠脉该节段终止位置的几何距离；
4)Length:冠脉该节段起始点之间的中心点几何距离；
5)Diameter：冠脉该节段直径；
6)Volume：冠脉该节段对应的体积。
参照人体分析数据和检测人体分析数据相关联步骤具体为：将参照人体数据和检测人体 CTA数据相关联，在数据表Seg_Coordinary中，使用Patient_Id字段来区分参照人体和检测人体CTA数据，使用Segment_Id字段对参照人体和检测人体CTA数据的同一节段进行关联，达到点击参照人体三维模型中某节段，自动显示检测人体CTA数据上对应节段的功能，使检测人体冠状动脉与参照人体冠状动脉节段一一对应；
进一步的，所述步骤S2包括：
对参照人体冠状动脉标定数据进行三维重建获取参照人体冠状动脉三维模型；
利用三角形贴面技术对已标定的参照人体心肌数据和冠脉数据进行三维重建，并选择心肌叠加显示，或只显示冠脉三维模型，同时，对检测人体冠状动脉标定数据进行三维重建，所用算法为移动立方体算法(marching cube)，三维建模基础上显示左右冠状动脉开口、分段、空间形态及走行；
对检测人体冠状动脉标定数据进行三维重建获取检测人体冠状动脉三维模型；
前述标定操作已经对原始数据做了相应处理，通过对标定后的数据进行三维重建可以获得与冠脉解剖结构知识对应的三维模型，可以按根据其关注的解剖节段显示对应的冠脉腔内影像(血管拉直或沿血管走形方向的影像)。
所述检测人体冠状动脉三维模型和参照人体冠状动脉三维模型包括左右冠状动脉开口、分段、空间形态及走行。
进一步的，所述步骤S2包括：
对参照人体冠状动脉三维模型和患者冠状动脉三维模型各节段提取生理信息包括，
标定左右冠状动脉窦口；
获取左右冠状动脉节段直径信息、节段长度信息、体积信息并在对应的冠状动脉三维模型处显示。
1)冠状动脉窦口即冠状动脉开口处；
2)节段长度信息，指每节段中点处的直径，即垂直于该点中心线法向量的管腔内圆的直径，求取方法选用基于迭代模型的主动轮廓算法(Roman Goldenberg,Dov Eilot,etal.,“Computer-aided simple triage(CAST)for coronary CT angiography(CCTA).”IntJ CARS, DOI 10.1007/s11548-012-0684-7)。
3)体积信息，即每节段管腔面积之和，对于管腔面积定义为冠状动脉一点垂直于中心线法向量的圆的面积，每一点的直径均通过求取管腔直径的方式获得，通过圆面积公式求取管腔面积。
将以上生理信息依据对应的Patient_Id和Segment_Id存储于数据表Seg_Coordinary中对应字段中。
在本实施例中将参照人体分析数据和检测人体分析数据相关联步骤具体为：在进行三维到二维的精确相互同步显示时，参照人体和检测人体CTA需要根据坐标值进行对应，分别表示为Co_cvh_seg和Co_cta_seg(其中seg表示为某一节段名称)，但因个体差异，相互之间冠脉每节段长度不一致，即：
L_cvh＝Length(Co_cvh_seg)
L_cta＝Length(Co_cta_seg)
L_cvh_L_cta
坐标映射步骤如下：
1)首先对每一段冠脉节段进行长度比较，分为如下两种情况：
L_cvh_L_cta或L_cvh≤L_cta
2)假设L_cvh_L_cta，则从参照人体和检测人体CTA每节段的第一个坐标为起始位置开始映射直到将其中较短节段坐标全部映射完，即：
Co_cvh_seg_1映射Co_cta_seg_1
Co_cvh_seg_2映射Co_cta_seg_2
……
Co_cvh_seg_n映射Co_cta_seg_n
直到n＝L_cta,则‘L_cta-n’的剩余坐标不参与坐标映射，可用鼠标选择剩余部分并查看其特征值，下一节段的坐标映射仍然从下一节段的第一个坐标开始；
当L_cvh≤L_cta时，同理。
进一步的，所述步骤S2包括步骤：
参照人体数据和检测人体数据进行二维重建获取参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据；
完成坐标映射后，可使用坐标映射关系对参照人体和检测人体CTA数据进行二维重建同步显示，包括横断面、冠状面、矢状面和曲平面二维重建，将冠状动脉的三维空间走行与血管二维图像关联，从宏观和微观两个层面的不同角度观察冠状动脉的血管延展。其中曲平面重建包括拉伸曲平面重建和拉直曲平面重建的方法(Armin Kanitsar,DominikFleischmann,et al.CPR-Curved Planar Reformation.Visualization,2002:37-44)。
拉伸曲平面重建：指将弯曲的血管表面，投影到一个平面上去保证管腔结构可以不重叠的整体显示，保留了冠状动脉的空间信息；
拉直曲平面重建：指将血管线性拉直，并保存血管的直径信息，所得图像高度对应于中心线的长度，可以更加直观的观察冠状动脉的长度和直径。
将几种方法进行标准化，规定标准的数据入口和出口，数据入口为：标定好的冠状动脉的坐标信息，每个方法作为一个工具类进行调用。
所述参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据包括横断面数据、冠状面数据、矢状面数据和曲平面数据；
所述曲平面数据包括拉伸曲平面数据和拉直曲平面数据；
进一步的，所述步骤S2包括：
基于冠状动脉三维图像和二维图像的联合观察，量化分析冠状动脉具体一点特征信息，包括如下：冠状动脉具体一点距离对应冠状窦口绝对长度(Length_ab)、管腔直径(Diameter)、管腔面积(Area)和曲率(Crv)。
定义数据表Corn_Info，将以上每一点冠状动脉特征信息将存储于数据表中，包含字段如下：
Corn_Info
ID Patient_Id Segment_Id N_coor Length_ab Diameter Area plaque Crv
说明：1)其中N_coor用于表示冠状动脉具体某一点的坐标；
2)冠脉某节点处曲率。
曲率：冠状动脉某点的曲率表示冠脉每节段弯曲程度，计算公式为：
特别的，因为造影剂的存在使得冠脉中软硬板块表现不同，软斑(即非钙化斑块)在CT图像中一般呈现较低密度值(S.Voros,S.Rinehart,Z.Qian et al.,“Coronaryatherosclerosis imaging by coronary CT angiography:current status,correla-tion with intravascular interrogation and meta-analysis,”Jour-nal of theAmerican College of Cardiology,vol.4,no.5,pp.537–548, 2011.)。
进一步的，所述步骤S3包括：
检测人体冠状动脉三维模型和参照人体冠状动脉三维模型同步显示；
参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据同步显示；
检测人体冠状动脉二维图像数据和三维模型的同步显示。
在本实施例中，同步显示具体采用以下方式：
将显示界面一分为二，一边显示参照人体冠状动脉二维图像数据和三维重建模型，另一边显示检测人体冠状动脉二维图像数据和三维重建模型，在以上四个对象中，用户在任意对象做标记，则在另外三个对象基于数据关联显示对应节段，用户可以直观的观察同一节段的二维图像、三维模型以及在健康的参照人体中所对应的二维图像和三维模型，给在相关领域学习的学生以直观的感受，增强学生对于冠状动脉的理解，加深学习效果。
在本实施例中所使用的数据结构如下表所示
在本实施例中segment数据结构具体定义如下表所示：
Seg_name_en Seg_name_cn Info
pRCA 左冠状动脉近端 从右冠开口至心脏锐缘
mRCA 左冠状动脉中端 从右冠近段末端至心脏
dRCA 左冠状动脉远端 从右冠中段末端至后降
P-PDA 后冠起源后降支 起源自右冠状动脉的后
LM 左主干 从左冠开口至左前降支
pLAD 前降支近段 从左主干末端至第一大
mLAD 前降支中段 从前降支近段末端至心
dLAD 前降支远段 从前降支中段末端至前
D1 第一对角支 第一支对角支
D2 第二对角支 第二支对角支
pCx 回旋支近端 从左主干末端至第一钝
OM1 第一钝缘支 横穿左室侧壁的第一支
LCx 回旋支中段 走行于冠状沟，从第一钝
OM2 第二钝缘支 第二支钝缘支
L-PDA 回旋支起源后降支 起源自左旋支的后降支
R-PLB 右冠起源后降支 起源自右冠的后侧支
RI 中间支 左主干三支分叉情况下
L-PLB 回旋支起源后侧支 起源自左旋支的后侧支
在本实施例中CVH数据在图像质量、解剖细节显示方面有优势，心肌和冠脉部分的叠加显示能清晰的从各角度展示冠状动脉解剖结构及其毗邻关系，临床CTA数据具有检测人体的个体特征信息而空间信息不丰富的特点。本实施例使用冠脉节段将检测人体CTA数据和CVH 数据关联，将CVH数据空间信息丰富的特点和CTA数据具有检测人体个性化信息结合，从宏观和微观多角度观察血管形态，在医学教学中，方便医学生直观学习冠状动脉；
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种冠状动脉影像分析方法，其特征在于，包括以下步骤：
S1：对参照人体数据和检测人体数据进行预处理；
S2：对参照人体预处理数据和检测人体预处理数据进行三维分析和二维分析，获取参照人体宏观及微观分析数据和检测人体宏观及微观分析数据，将参照人体分析数据和检测人体分析数据相关联；
S3：参照人体分析数据和检测人体分析数据同步显示。
2.如权利要求1所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S1包括，
S11：对参照人体数据进行预处理；
S12：对检测人体数据进行预处理。
3.如权利要求2所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S11包括以下步骤：
转换坐标系步骤：将参照人体数据坐标系转至与检测人体数据坐标系一致的新坐标系；
提取二值图像步骤：依据预设标定文件，设定背景色为黑色，冠状动脉为白色，获取参照人体冠状动脉二值图像；
获取参照人体冠状动脉中心线数据步骤。
4.根据权利要求2所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S12包括：
获取检测人体数据包括心脏连续断层影像数据和检测人体信息数据；
对检测人体数据分割冠状动脉并获取检测人体冠状动脉中心线数据。
5.根据权利要求1所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S2包括：
对参照人体冠状动脉中心线数据和检测人体冠状动脉中心线数据进行平滑操作或/和剪枝操作或/和标定操作，得到参照人体冠状动脉标定数据和检测人体冠状动脉标定数据。
6.根据权利要求1所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S2包括：
对参照人体冠状动脉标定数据进行三维重建获取参照人体冠状动脉三维模型；
对检测人体冠状动脉标定数据进行三维重建获取检测人体冠状动脉三维模型；
所述检测人体冠状动脉三维模型和参照人体冠状动脉三维模型包括左右冠状动脉开口或/和分段或/和空间形态及走行。
7.根据权利要求6所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S2包括：
标定左右冠状动脉窦口；
获取左右冠状动脉节段直径信息或/和节段长度信息或/和体积信息并在冠状动脉三维模型对应处显示；
获取检测人体数据左右冠状动脉曲率信息，CT衰减值，并对CT衰减值建立体素图，进行量化分析。
8.根据权利要求1所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S2包括步骤：
对参照人体数据和检测人体数据进行二维重建获取参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据；
所述参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据包括横断面数据或/和冠状面数据或/和矢状面数据或/和曲平面数据；
所述曲平面数据包括拉伸曲平面数据或/和拉直曲平面数据。
9.根据权利要求1所述的一种冠状动脉影像分析方法，其特征在于，所述步骤S3包括：
参照人体冠状动脉三维模型和检测人体冠状动脉三维模型同步显示；
参照人体冠状动脉二维图像数据和检测人体冠状动脉二维图像数据同步显示。
10.一种应用于权利要求1-9任一项的方法的检测人体信息数据结构，其特征在于，
包括字段：ID或/和Patient_IdName或/和AgeSexOrigo或/和BodyPartHeart_Rate或/和 Contrast_Type或/和 Contrast_Ml或/和Diag_Time。
11.一种应用于权利要求1-9任一项的方法的图片数据结构，其特征在于，
包括字段：ID或/和Patient_IdSize或/和ModalityFormat或/和SliceThick或/和Img_Pos或/和Img_Ori或/和Win _C或/和Win_W或/和Dic_Local或/和CenLine_Local Create_time。
12.一种应用于权利要求1-9任一项的方法的分段表数据结构，其特征在于，
包括字段:ID No.或/和pRCA或/和mRCA或/和dRCA或/和P-PDA或/和LM或/和pLAD或/和mLAD或/和dLAD或/和D1或/和D2或/和pCx或/和OM1或/和LCx或/和OM2或/和L-PDA或/和R-PLB或/和RI或/和L-PLB。
13.一种应用于权利要求1-9任一项的方法的冠脉节段表数据结构，其特征在于，
包括字段：ID或/和Patient_Id或/和Segment_Id或/和 Coordinary或/和 Length_abLength或/和 Diameter或/和Volume Cur。
14.一种应用于权利要求1-9任一项的方法的冠脉特征表数据结构，其特征在于，
包括字段：ID或/和Patient_Id或/和Segment_Id或/和N_coor或/和Length_ab或/和Diameter或/和Area或/和plaque或/和Crv。
CN201711248939.XA 2017-12-01 2017-12-01 一种冠状动脉影像分析方法 Active CN107945169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711248939.XA CN107945169B (zh) 2017-12-01 2017-12-01 一种冠状动脉影像分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711248939.XA CN107945169B (zh) 2017-12-01 2017-12-01 一种冠状动脉影像分析方法

Publications (2)

Publication Number Publication Date
CN107945169A true CN107945169A (zh) 2018-04-20
CN107945169B CN107945169B (zh) 2022-02-15

Family

ID=61948274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711248939.XA Active CN107945169B (zh) 2017-12-01 2017-12-01 一种冠状动脉影像分析方法

Country Status (1)

Country Link
CN (1) CN107945169B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717695A (zh) * 2018-04-25 2018-10-30 数坤（北京）网络科技有限公司 心脏冠脉血管自动分段命名方法
CN109087707A (zh) * 2018-07-18 2018-12-25 上海理工大学 一种用于建立肺部影像数据库的方法及设备
CN109087352A (zh) * 2018-08-16 2018-12-25 数坤（北京）网络科技有限公司 一种心脏冠脉优势型自动判别方法
CN109448005A (zh) * 2018-10-31 2019-03-08 数坤（北京）网络科技有限公司 一种用于冠状动脉的网络模型分割方法及设备
CN111667456A (zh) * 2020-04-28 2020-09-15 北京理工大学 一种冠状动脉x光序列造影中血管狭窄检测方法及装置
WO2021097820A1 (zh) * 2019-11-19 2021-05-27 苏州润迈德医疗科技有限公司 具有狭窄病变区间的血管三维建模方法、装置和系统
CN113838567A (zh) * 2020-06-08 2021-12-24 华为技术有限公司 动脉硬化检测界面生成方法、装置及终端、系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1977773A (zh) * 2005-12-09 2007-06-13 西门子公司 用于支架规划和支架植入过程的计算机化的工作流方法
US20080008366A1 (en) * 2006-06-20 2008-01-10 Vladimir Desh Simultaneous visualization, analysis and navigation of multi-modality medical imaging data
CN101422352A (zh) * 2008-12-10 2009-05-06 华北电力大学（保定） 一种交互式冠状动脉虚拟血管镜的实现方法
US20100290693A1 (en) * 2007-03-08 2010-11-18 Sync-Rx, Ltd. Location-sensitive cursor control and its use for vessel analysis
CN102411795A (zh) * 2011-08-16 2012-04-11 中国人民解放军第三军医大学第一附属医院 一种关于冠状动脉的多模图像的联合显示方法
CN102436539A (zh) * 2010-08-27 2012-05-02 通用电气公司 用于分析和可视化局部临床特征的系统和方法
CN102497805A (zh) * 2009-09-17 2012-06-13 富士胶片株式会社 医用图像显示设备、方法和程序
CN102543044A (zh) * 2011-11-28 2012-07-04 中国人民解放军第三军医大学第二附属医院 使冠状动脉显示更精细的方法及系统
CN104933756A (zh) * 2014-03-21 2015-09-23 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
CN106097298A (zh) * 2016-05-27 2016-11-09 中国人民解放军第三军医大学 基于球空间划分的冠状动脉自动分段与解剖学标记方法
US20160335766A1 (en) * 2015-05-17 2016-11-17 Lightlab Imaging, Inc. Intravascular Imaging System Interfaces and Stent Detection Methods
CN107194988A (zh) * 2017-05-15 2017-09-22 青岛海信医疗设备股份有限公司 显示人体器官三维医学模型内部标记点的方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1977773A (zh) * 2005-12-09 2007-06-13 西门子公司 用于支架规划和支架植入过程的计算机化的工作流方法
US20080008366A1 (en) * 2006-06-20 2008-01-10 Vladimir Desh Simultaneous visualization, analysis and navigation of multi-modality medical imaging data
US20100290693A1 (en) * 2007-03-08 2010-11-18 Sync-Rx, Ltd. Location-sensitive cursor control and its use for vessel analysis
CN101422352A (zh) * 2008-12-10 2009-05-06 华北电力大学（保定） 一种交互式冠状动脉虚拟血管镜的实现方法
CN102497805A (zh) * 2009-09-17 2012-06-13 富士胶片株式会社 医用图像显示设备、方法和程序
CN102436539A (zh) * 2010-08-27 2012-05-02 通用电气公司 用于分析和可视化局部临床特征的系统和方法
CN102411795A (zh) * 2011-08-16 2012-04-11 中国人民解放军第三军医大学第一附属医院 一种关于冠状动脉的多模图像的联合显示方法
CN102543044A (zh) * 2011-11-28 2012-07-04 中国人民解放军第三军医大学第二附属医院 使冠状动脉显示更精细的方法及系统
CN104933756A (zh) * 2014-03-21 2015-09-23 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
US20160335766A1 (en) * 2015-05-17 2016-11-17 Lightlab Imaging, Inc. Intravascular Imaging System Interfaces and Stent Detection Methods
CN106097298A (zh) * 2016-05-27 2016-11-09 中国人民解放军第三军医大学 基于球空间划分的冠状动脉自动分段与解剖学标记方法
CN107194988A (zh) * 2017-05-15 2017-09-22 青岛海信医疗设备股份有限公司 显示人体器官三维医学模型内部标记点的方法和装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CHUNYAN ZHONG等: "Three-Dimensional Reconstruction of Coronary Arteries and Its Application in Localization of Coronary Artery Segments Corresponding to Myocardial Segments Identified by Transthoracic Echocardiography", 《COMPUTATIONAL AND MATHEMATICAL METHODS IN MEDICINE》 *
何沙等: "用中心线重组新方法处理和显示血管三维图像", 《中华放射学杂志》 *
卢环等: "二维斑点追踪技术对前降支不同狭窄程度患者心肌应变及运动研究", 《赣南医学院学报》 *
李颖: "心脏可视化研究及其在量化分析中的应用", 《中国博士学位论文全文数据库 医药卫生科技辑》 *
樊令仲等: "小脑深部核团薄层横断面解剖与MRI的对照研究", 《解剖学报》 *
肖永飞: "医学数据三维交互可视化方法的研究", 《中国博士学位论文全文数据库 信息科技辑》 *
郭燕丽等: "人体冠状动脉三维可视化模型在经胸实时三维超声心动图诊断冠心病中的应用", 《中国数字医学》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717695A (zh) * 2018-04-25 2018-10-30 数坤（北京）网络科技有限公司 心脏冠脉血管自动分段命名方法
CN108717695B (zh) * 2018-04-25 2021-07-13 数坤(北京)网络科技股份有限公司 心脏冠脉血管自动分段命名方法
CN109087707A (zh) * 2018-07-18 2018-12-25 上海理工大学 一种用于建立肺部影像数据库的方法及设备
CN109087352A (zh) * 2018-08-16 2018-12-25 数坤（北京）网络科技有限公司 一种心脏冠脉优势型自动判别方法
CN109448005A (zh) * 2018-10-31 2019-03-08 数坤（北京）网络科技有限公司 一种用于冠状动脉的网络模型分割方法及设备
CN109448005B (zh) * 2018-10-31 2019-12-27 数坤（北京）网络科技有限公司 一种用于冠状动脉的网络模型分割方法及设备
WO2021097820A1 (zh) * 2019-11-19 2021-05-27 苏州润迈德医疗科技有限公司 具有狭窄病变区间的血管三维建模方法、装置和系统
CN111667456A (zh) * 2020-04-28 2020-09-15 北京理工大学 一种冠状动脉x光序列造影中血管狭窄检测方法及装置
CN111667456B (zh) * 2020-04-28 2023-11-14 北京理工大学 一种冠状动脉x光序列造影中血管狭窄检测方法及装置
CN113838567A (zh) * 2020-06-08 2021-12-24 华为技术有限公司 动脉硬化检测界面生成方法、装置及终端、系统
CN113838567B (zh) * 2020-06-08 2023-04-07 华为技术有限公司 动脉硬化检测界面生成方法、装置及终端、系统

Also Published As

Publication number Publication date
CN107945169B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN107945169A (zh) 一种冠状动脉影像分析方法及数据结构
CN105719324B (zh) 图像处理装置以及图像处理方法
CN107230206B (zh) 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法
Jin et al. 3D PBV-Net: an automated prostate MRI data segmentation method
Robb Virtual endoscopy: development and evaluation using the Visible Human datasets
CN103781416B (zh) 使用体相位对比mri的全面的心血管分析
JP6080248B2 (ja) ３次元画像表示装置および方法並びにプログラム
CN107590809A (zh) 肺分割方法及医学成像系统
CN103229210B (zh) 图像配准装置
CN107808156A (zh) 感兴趣区域提取方法
CN106327479B (zh) 血管造影中介下先心病术中血管辨识的装置及方法
CN103077557B (zh) 一种自适应分层次胸部大数据显示的实现方法
CN107481326A (zh) 一种基于ct影像体渲染的解剖结构vr显示方法
CN109498046A (zh) 基于核素图像与ct冠脉造影融合的心肌梗死定量评估方法
CN108961278B (zh) 基于影像数据的腹壁肌肉分割的方法及其系统
CN109620404A (zh) 基于医学图像的肾脏分段的方法及其系统
CN102548480B (zh) 医用图像显示设备和方法
EP2483866A1 (en) Medical image analysis system using n-way belief propagation for anatomical images subject to deformation and related methods
Cutroneo et al. In vivo CT direct volume rendering: a three-dimensional anatomical description of the heart
CN106097422A (zh) 基于大数据的肝脏三维图像动态演示系统
Kim et al. Automatic navigation path generation based on two-phase adaptive region-growing algorithm for virtual angioscopy
Robb Virtual endoscopy: evaluation using the visible human datasets and comparison with real endoscopy in patients
Schenkenfelder et al. Elastic registration of abdominal MRI scans and RGB-D images to improve surgical planning of breast reconstruction
Li et al. Three-dimensional reconstruction of paracentesis approach in transjugular intrahepatic portosystemic shunt
Garcia et al. Multimodal breast parenchymal patterns correlation using a patient-specific biomechanical model

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
GR01 Patent grant
GR01 Patent grant