CN108038848A - 基于医学影像序列斑块稳定性指标的快速计算方法及系统 - Google Patents

基于医学影像序列斑块稳定性指标的快速计算方法及系统 Download PDF

Info

Publication number
CN108038848A
CN108038848A CN201711282886.3A CN201711282886A CN108038848A CN 108038848 A CN108038848 A CN 108038848A CN 201711282886 A CN201711282886 A CN 201711282886A CN 108038848 A CN108038848 A CN 108038848A
Authority
CN
China
Prior art keywords
image
blood vessel
segment
sequence
tube chamber
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
CN201711282886.3A
Other languages
English (en)
Other versions
CN108038848B (zh
Inventor
涂圣贤
吴信雷
张素
黄佳悦
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 Bodong Medical Technology Co ltd
Original Assignee
Shanghai Jiaotong University
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 Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201711282886.3A priority Critical patent/CN108038848B/zh
Publication of CN108038848A publication Critical patent/CN108038848A/zh
Priority to EP18885666.0A priority patent/EP3723038B1/en
Priority to US16/768,545 priority patent/US11049246B2/en
Priority to JP2020529468A priority patent/JP6851672B2/ja
Priority to PCT/CN2018/088861 priority patent/WO2019109607A1/zh
Application granted granted Critical
Publication of CN108038848B publication Critical patent/CN108038848B/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
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • 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
    • G06T7/12—Edge-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
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • 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
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • 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
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Vascular Medicine (AREA)
  • Cardiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提供了一种基于医学影像序列斑块稳定性指标的快速计算方法及系统，该系统包括：影像采集和接收模块、图像处理模块、斑块稳定性计算模块、结果可视化模块。影像采集和接收模块用于动态二维血管影像序列的采集、接收和传输；图像处理模块用于基于二维影像下动脉实时形变的动态信息进行以局部特征或全局图像为配准来获取空间变换的位移场函数；斑块稳定性计算模块利用上述位移场函数通过计算获取随时间变化的血管直径序列、管腔中心线及轮廓形变参数及力学指标。本发明在现有医学影像功能的基础上，直接在二维影像上添加了时变的血管直径序列、管腔轮廓和面积的应变及应力等信息，从而简化并有效实现了斑块稳定性的在体评估。

Description

基于医学影像序列斑块稳定性指标的快速计算方法及系统
技术领域
本发明应用于医疗器械领域，尤其涉及一种基于医学影像序列的二维血管管腔变形行为，即时变的管腔几何形态及边界轮廓应变参数的准确、快速、无创计算方法与系统。
背景技术
目前临床常用的血管斑块评估主要有血管内超声、光学断层相干成像、X射线造影、CT造影等成像方式来确定二维管腔的狭窄程度、斑块大小及位置等信息。然而，众多研究表明斑块的形态学指标与其破裂风险的高危性并不存在直接的关系，如冠脉直径狭窄率越高，斑块破裂的发生率并非越大。动脉管壁在腔内脉冲性血压、周围软组织束缚和(或)心肌周期性舒缩等因素作用下呈现周期性形变。这可能导致某一时刻下，动脉的形态学指标结果存在一定的变异性。
现有的基于具备血管管壁形变的医学影像序列的技术方法和发明专利虽然从不同的医学影像源、不同空间维度和不同的计算方法等方面对血管管壁的形变性能进行了评估，但仍然存在诸多局限或不足，甚至可操作性欠佳而不能较好地应用于临床实际。
专利文献CN 101474082 B：公开了一种基于有限元形变理论的血管壁弹性分析方法，通过计算血管内超声(Intravascular ultrasound,IVUS)影像中的血管壁在一定压力下的应变特征值来分析其弹性性能。主要采用超声探头悬停在血管腔内某一位置来采集若干个心动周期的影像，并利用模板匹配法搜索出原始影像中标记点的匹配对应点，然后基于有限元法来分割计算血管壁弹性。但是，此类基于超声的多普勒原理结合活体组织弹性成像的方法，往往由于超声本身的采集时间过长，导致在较短的心动周期中无法进行以较高频率对时变的血管进行采集影像，因此不适用于冠脉范围的应用。
专利文献CN 106974622 A：公开了一种基于光学相干断层成像(opticalcoherence tomography,OCT)的斑块稳定性测量方法及系统，用于对冠脉影像进行图像处理和分析，包含纤维帽信息、巨噬细胞信息和脂质核信息等。其主要采用探头悬停在血管腔内某一位置采集的若干个心动周期的影像结果以获取脂质核大小和斑块应力的信息，然后结合斑块的病理指标来进行综合分析斑块的稳定性。然而，即使控制探头停留的位置来采集的多桢影像，前后桢的影像可能存在因血管在心动周期中具有较大的纵向伸缩而导致在纵向上的变异。此外，类似于血管腔内影像以采取某一位置处血管横截面影像，对于血管纵向多处狭窄病变(如弥漫性病变、狭长病变等)则需要在不同位置进行多次采集并评估，从而造成操作上的繁杂化。
专利文献CN 106570313 A：公开了一种获取四维血管变形行为与管壁在体应力的方法及系统，该方法通过冠脉造影影像三维重建技术与离散近似理论相结合，对心动周期中血管壁的大变形行为进行了仿真计算并获取管壁在体应力及定量化描述血管壁的运动学特征，可供三维斑块的稳定性评估。然而，基于多时刻下三维重建后实现的在体四维血管形变行为，存在工作量大、实现复杂，并且因不同时刻多次的三维重建造成空间上的变换，而存在一定的误差或多次的误差累积等缺点。
此外，目前尚无基于医学影像序列获取二维管腔形变参数及其对应于斑块稳定性评估的快速计算方法和系统。
发明内容
有鉴于此，本发明提供了一种基于医学影像序列的动脉斑块稳定性指标的快速计算方法及系统，在具备血管周期性形变的动态医学影像序列的基础上，通过利用在二维平面内动脉管腔轮廓的时变信息，结合医学影像处理技术与有限元方法，获取二维病变管腔(或斑块浅表壁)的实时动态变形性能参数，进而确定表征斑块稳定性指标。总之，本发明基于上述信息，可实现一种效率高、操作性强的斑块稳定性评估的快速计算方法与系统。
具体而言，本发明提供了以下的技术方案：
一方面，本发明提供了一种基于医学影像序列斑块稳定性指标的快速计算系统，所述系统包括：
影像采集模块，主要用于影像采集，并产生动态影像序列；
影像接收模块，用于接收影像采集模块产生的影像序列，并传输给图像处理模块；
图像处理模块，对接收到的影像序列进行处理；其中包括对管腔轮廓的分割及配准：管腔轮廓的分割包括正常管腔及狭窄管腔的快速分割，管腔的配准具体是指对不同时刻下，依据同一血管节段的特征空间进行配准而生成位移场函数；
斑块稳定性计算模块，用于对二维血管管腔，利用上述位移场函数，进行几何形变计算或受力分析；并选定某一时刻的血管管腔为初始状态，通过本模块的计算获得随时间变化的参数及云图，包括获得管腔直径序列或面积随时间的变化函数、管腔轮廓的应变及应力等；以及结合上述参数对斑块稳定性贡献的强弱，最终获得斑块稳定性指标；线应变。
优选的，该系统还包括结果可视化模块，用于显示图像处理模块与斑块稳定性计算模块的斑块形变和受力分析结果，以及斑块稳定性的评估指标。
优选地，所述图像处理模块进一步包括以下子模块：
图像分割模块：用于对管腔轮廓进行快速分割，对正常管腔节段及狭窄管腔节段的所在区域的轮廓进行分级，实现分级化建模，获得分级化后的血管分割模型；
图像配准模块：用于对多时刻下血管轮廓进行配准，对多时刻下分级化后的血管分割模型进行轮廓特征或全局图像配准，获取配准过程中产生的位移场函数。
优选地，在对大样本数据以斑块形变和受力计算结果的基础上，并结合大样本在体腔内影像的斑块稳定性数据，对上述各指标进行相关性分析，根据其相关性强弱来对应各指标在计算斑块稳定性结果的权重值，最后在结果可视化模块可直接提示血管狭窄节段的稳定性信息。
优选地，所述系统中的影像接受模块、图像处理模块、斑块稳定性计算模块和结果可视化模块集成在一起，实现影像序列自动处理、感兴趣区域的半自动划分和结果显示等功能。
优选地，该系统针对在体影像的处理过程中采用实时的数据传输、快速的图像处理技术及简化的斑块形变和受力计算方法，以实现效率高、操作性强的斑块稳定性评估。
此外，另一方面，本发明还提供了一种基于医学影像序列斑块稳定性指标的快速计算方法，该方法包括：
步骤1、确定感兴趣血管的起始位置与终止位置，并定义为一级节段；优选地，以解剖标志点(分叉处)为感兴趣血管的起始位置和终止位置，此处以冠脉为血管示例，但不以此为限，凡能够具有动态周期性形变的血管均可适用于此；
步骤2、获取医学影像序列，并确定所述感兴趣血管在形变周期中的若干个特征时刻；所述医学影像序列中包含多个周期血管的完整影像；优选地，上述的特征时刻，可以通过结合血管的形变规律或借助附加数据信息，如心电图等，确定形变周期中若干个的特征时刻；
步骤3、对步骤2中不同特征时刻对应的帧图像中，不同形态的同一血管进行管腔轮廓分割，并生成血管中心线及直径序列，并确定狭窄节段在感兴趣血管中的起止位置，定义为二级节段；此处以冠脉造影影像为医学影像序列为示例，但不以此为限，凡能够具有血管动态周期性形变的医学影像序列均可适用于此；
步骤4、对所述一级节段、二级节段，分别结合边界轮廓线建立封闭的二维血管管腔几何模型，并确定为一级节段、二级节段的两处感兴趣区域；
步骤5、对不同帧图像中不同长度的一级节段血管，以中心线长度为标准，进行归一化处理，并基于归一化的血管长度进行生成等量同构化血管骨架(中心线、轮廓线及直径序列)；
步骤6、先在一级节段进行粗配准，再进行二级节段以血管骨架为线特征的精配准；进而获得直径序列的长度随时间变化参数，以及二维血管管腔的位移场函数；并利用数值求解方法进行分析，进一步获得周期性时变的直径序列、管腔轮廓及面积的应变与应力参数及其云图；
步骤7、基于步骤6中的周期性时变的直径序列、管腔轮廓及面积的应变与应力参数，并结合大样本在体腔内影像的斑块稳定性数据，对上述各指标进行相关性分析，根据其相关性强弱来对应各指标在计算斑块稳定性结果的权重值。
优选地，所述步骤2中所述特征时刻的选取，依据心电图的各个波段间的分界点进行确定；或者
对于其它未能用心电图等辅助工作检测关键时间点的周期性形变的动脉，如肾动脉，依据图像序列中的形变特征，选定若干个关键时间点，并获取周期时长及各相邻时间点的时间间隔，从而确定特征时刻。
优选地，所述步骤3进一步包括：
对血管进行管腔轮廓分割时，同时生成血管及参考管腔的中心线，以及沿血管纵向并垂直于中心线的一系列直径序列；
设置一直径狭窄百分比阈值，并计算感兴趣血管沿血管中心线当前位置的直径狭窄百分比DS％(x)，将满足直径狭窄百分比阈值要求的血管段的起止位置，作为二级节段的起止位置；
其中，DS％(x)，其计算公式如下：
式中，Dact是实际管腔直径，Dref是参考管腔直径，Dpro和Ddis分别是近端和远端管腔直径，Lcen是中心线总长，x是从当前截面位置到近端截面的中心线长度。
优选地，所述步骤4进一步包括：
建立图像配准的特征空间，所述特征空间包括的特征包括管腔轮廓、管腔中心线；以及
在所述归一化后，生成等量的直径序列。
优选地，所述步骤5进一步包括：
依据预设的相似性度量准则,并设定血管的一级节段、二级节段的相似性阈值，作为配准过程中量化标准。
进一步优选地，所述搜索策略可以是梯度下降法、黄金分割法等搜索算法等方法。
进一步优选地，该相似性度量准则可采用特征点欧氏距离、灰度差平方和、最大互信息等方法计算。
优选地，所述步骤6进一步包括：
利用非刚性配准方法，当满足狭窄节段和/或正常节段的相似性阈值时，获取相邻时刻间的位移场函数，直至遍历一个完整的血管变形周期，以形成血管变形周期中点云的位移路径。
优选地，所述步骤7中，直径序列、中心线及管腔轮廓的形变参数包括最大主应变、最小主应变、平面外应变等；应力参数包括von Mesis应力、最大与最小主应力等。其中直径序列形变的均值及最大值分别可以参考如下公式进行计算：
式中，为某时刻下某直径长度，上标j为形变周期帧数，下标i为直径序列数，和Dmax为狭窄节段直径序列的均值和最大值；
优选地，所述步骤7中，斑块稳定性可以参考如下公式进行计算：
式中，为狭窄节段面积均值，εmax、分别为狭窄节段管腔轮廓应变最大值及平均值，和σmax为狭窄节段应力的均值和最大值，A0为狭窄节段参考管腔面积，ci,i＝1,2,3,4为权重参数。
与现有CN 101474082 B和CN 106974622 A两个发明技术相比，本发明技术方案的有益效果在于：利用血管外成像来实时观察血管全局的变形情况，而非基于血管腔内的某一位置的变形，使得对血管形变的观察更全面、更完整。相比于CN 106570313 A发明专利，本发明技术方案的有益效果在于：计算血管空间维度上进行了降低，仅考虑二维成像平面内的血管形变情况，避免了因血管多时刻的三维重建而导致工作量大、效率低、累积空间转换误差、可应用操作性差等缺点，使得在仅考虑该平面下二维血管管腔形变的计算效率更高、更精确。而对于CTA影像，其分辨率不足而导致形变位移的精度不够。此外，本发明一方面通过利用传统医学影像序列中血管管腔的变形信息，在二维影像上直接进行快速图像分割、配准及计算(尤其是以直径序列为重要特征的配准及计算)，通过图像处理技术及数值求解方法来实现管腔直径序列的动态变化及轮廓形变性能的计算，能够快速、准确、有效地获取二维血管管腔的在该平面内的变形行为。另一方面，本发明以血管形变动态参数与影像上斑块稳定性类型的相关性基础上，建立以血管形变动态参数直接反映斑块稳定性的在体评估新方法及系统。因此，本发明在兼顾原医学影像功能的同时，增添了能够更直接高效地对斑块稳定性进行量化评估的功能，并且降低了成本，节约了时间，为斑块稳定性测量提供了一种全新的、高效的、可行的方法。
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，还可以根据这些附图获得其它的附图。
图1是本发明所述基于医学影像序列的动脉斑块稳定性指标的快速分析系统框架图；
图2为本发明实施例1的原始二维造影影像序列；
图3为本发明实施例1两关键时刻下的中心线及直径序列；
图4为本发明实施例1的真实管腔的应变参数结果；
图5为本发明实施例1的参考管腔的应变参数结果。
具体实施方式
下面结合附图对本发明实施例中的技术方案进行详细描述。本领域技术人员应当知晓，下述具体实施例或具体实施方式，是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式，而该些设置方式之间均是可以相互结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，下述的具体实施例或实施方式仅作为最优化的设置方式，而不作为限定本发明的保护范围的理解。
实施例1：
本发明提供基于医学影像序列的斑块稳定性指标的快速计算方法，下面以一具体实例说明本发明在采用冠脉造影影像序列作为医学影像源时，对斑块稳定性指标的快速计算方法。在本实施例中，以获取的冠脉前降支的序列图像作为示例，本领域技术人员应当明了，此处仅是作为一示例而取用特定部位血管图像数据，不应将这一具体部位或血管作为对本发明保护范围的限定而理解。
在一具体实施例中，该方法包括：由影像接收模块读取一冠脉前降支含完整心动周期的二维造影影像序列；确定血管的起始与终止位置，并定义为一级节段，优选地，上述起始位置与终止位置可以选择为前降支中近端、远端分叉处解剖标志点；
在一具体实施例中，选定一个完整周期中的至少一个特征时刻，例如在这一实施例中，该方法还包括结合血管的形变规律确定形变周期中选定以下三个特征时刻：舒张末、收缩末和静息末，如图2所示；对上述多个不同特征时刻的图像中不同形态的血管进行快速管腔轮廓分割，并生成血管骨架轮廓，即管腔中心线和血管纵向直径序列，从而确定血管中的狭窄节段在感兴趣血管中的起止位置，定义该段起止位置之间的血管为二级节段。
在一具体实施例中，该方法还包括对于不同帧下不同长度的血管中心线长，可选中心线最短时血管为参照标准对不同帧下血管轮廓上的点集利用重采样算法控制每帧下固定的关键点总数进行归一化处理；
在一具体实施例中，该方法还包括对上述基于归一化的血管长度进行生成等量同构化血管骨架(中心线、轮廓线及直径序列)；并采用光流法非刚性配准法进行以狭窄节段轮廓、直径序列(图3)等重要信息(局部细节信息)及二维血管管腔轮廓(全局整体信息)为特征空间的配准，在上述配准计算中，先在一级节段进行粗配准，再对二级节段进一步精配准，这里，在一级节段粗配准中，以图像灰度差平方和函数为相似性测度函数：
这里Ω为血管一级节段感兴趣区域，|Ω|为该区域内总像素，T(x)为位移场函数(空间变换函数)，If为上一帧参考图像，Im为下一帧浮动图像；
在二级节段精配准中，在前述基础上结合控制特征点和直径序列来优化配准变换函数并以特征点距离为相似性测度函数：
这里和分别为参考图像和浮动图像中的关键点集，位移场函数T：
这里aj为腔内直径序列向量，k为沿直径方向的总分数；
在一具体实施例中，该方法还包括对上述获得的二维血管管腔位移场函数建立有限元模型并进行求解，可选取基于时间推进的显式求解方法，获得周期性时变的直径序列、管腔轮廓及面积的应变与应力参数及其云图，如图4所示；
在一具体实施例中，该方法进一步包括对血管进行快速管腔轮廓分割时，并生成病变血管及参考管腔的中心线及沿血管纵向并垂直于中心线的一系列直径序列；
在一具体实施例中，该方法还包括对于二级节段，及狭窄节段在感兴趣血管中的起止位置，引入沿血管中心线当前位置的直径狭窄百分比DS％(x)，其计算公式如下：
式中：Dact是实际管腔直径，Dref是参考管腔直径，Dpro和Ddis分别是近端和远端管腔直径，Lcen是中心线总长，x是从当前截面位置到近端截面的中心线长度。
这里，作为阈值进行判断使用的DS％(x)，可选取50％，当然，也可以依据判断准则依据或者不同的区域血管特性，将该判定阈值调整为其它值。
在一具体实施例中，该方法进一步还包括将二维管腔轮廓作为后续图像配准的特征空间，并利用优化重采样算法在不同长度血管归一化；
在一具体实施例中，该方法进一步包括采用梯度下降搜索算法为搜索策略，在上述特征空间中进行快速有效的特征搜索；并可采用灰度差平方和函数和欧氏距离等作为相似性度量准则,在采用欧式距离方式时，可以设定狭窄节段特征点的欧式距离之和作为配准过程中指标，例如设定一欧式距离作为相似性度量阈值，作为判断标准；
在一具体实施例中，该方法进一步包括以收缩期末的二维管腔几何模型作为初始构型，优选地，对其进行结构化网格离散，并可采用拉普拉斯算法对网格进行平滑预处理，优选地，迭代次数选3次；
在一具体实施例中，该方法进一步包括，二维图像配准方法可以采用有限元法，当满足狭窄节段欧氏距离相似性度量阈值时，获取相邻时刻间的位移场函数，直至遍历一个周期，以形成血管变形周期中二维模型中点云的位移路径；
在一具体实施例中，该方法进一步包括采用病变管腔轮廓(浅表壁)的应变参数中的平面外应变等指标作为示例结果，如图4所示；采用参考管腔的平面外应变指标作为另一示例结果，如图5所示。
实施例2：
在另一个具体的实施例中，以一具体的应用情景，对本发明中进行斑块稳定性进行判断和评估的算法进行说明。
利用本发明所述方法对二维血管的周期性形变分析获取斑块稳定性指标，也即计算出用于判断斑块稳定性的数据，具体而言，该方法可以通过以下步骤来实现：
在一具体的实施方式中，采用病变管腔狭窄节段直径序列的应变参数中的最大主应变为具体指标，优选地，取最大值、均值反映动态周期性特征作为二次结果参数。当然，此处的具体指标以及二次结果参数，是可以进行调整选取的，例如，该应变参数中的最大主应变也可以改选用最小主应变、平面外应变等参数。
在一具体的实施方式中，采用狭窄节段管腔轮廓的应变参数中的最大主应变为具体指标，优选地，取极大值、平均值等作为二次结果参数，对于二次结果参数的选取，可以依据需要进行调整。
在一具体的实施方式中，通过大样本大数据库分析后，拟合建立的斑块稳定性S为函数值与狭窄节段面积均值狭窄节段直径序列的均值和最大值Dmax，狭窄节段管腔轮廓应变最大值εmax及平均值狭窄节段应力的均值和最大值σmax为变量的多因素相关表达式：
这里，ci,i＝1,2,3,4为权重系数，取值范围(0,1)；
在一具体的实施方式中，对上述多变量新结果带入斑块稳定性指标函数表达式，得到斑块稳定性指标，S取值范围为(0,1)，S值越小斑块越不稳定。
实施例3：
在又一具体的实施例中，本发明还提供了本发明提供的一种基于医学影像序列斑块稳定性指标的快速计算系统，所述系统包括：
影像采集模块，主要用于影像采集，并产生动态影像序列；
影像接收模块，用于接收影像采集模块产生的影像序列，并传输给图像处理模块；
图像处理模块，对接收到的影像序列进行处理；其中包括对管腔轮廓的分割及配准：管腔轮廓的分割包括正常管腔及狭窄管腔的快速分割，管腔的配准具体是指对不同时刻下，依据同一血管节段的特征空间进行配准而生成位移场函数；
斑块稳定性计算模块，用于对二维血管管腔，利用上述位移场函数，进行几何形变计算或受力分析；并选定某一时刻的血管管腔为初始状态，通过本模块的计算获得随时间变化的参数及云图，包括获得管腔直径序列或面积随时间的变化函数、管腔轮廓的线应变等；以及结合上述参数对斑块稳定性贡献的强弱，最终获得斑块稳定性指标；
结果可视化模块，用于显示图像处理模块与斑块稳定性计算模块的斑块形变和受力分析结果，以及斑块稳定性的评估指标。
优选地，所述图像处理模块进一步包括以下子模块：
图像分割模块：用于对管腔轮廓进行快速分割，对正常管腔节段及狭窄管腔节段的所在区域的轮廓进行分级，实现分级化建模，获得分级化后的血管分割模型；
图像配准模块：用于对多时刻下血管轮廓进行配准，对多时刻下分级化后的血管分割模型进行轮廓特征或全局图像配准，获取配准过程中产生的位移场函数。
优选地，在对大样本数据以斑块形变和受力计算结果的基础上，并结合大样本在体腔内影像的斑块稳定性数据，对上述各指标进行相关性分析，根据其相关性强弱来对应各指标在计算斑块稳定性结果的权重值，最后在结果可视化模块可直接提示血管狭窄节段的稳定性信息。
优选地，所述系统中的影像接受模块、图像处理模块、斑块稳定性计算模块和结果可视化模块集成在一起，实现影像序列自动处理、感兴趣区域的半自动划分和结果显示等功能。
优选地，该系统针对在体影像的处理过程中采用实时的数据传输、快速的图像处理技术及简化的斑块形变和受力计算方法，以实现效率高、操作性强的斑块稳定性评估。
与现有技术相比，本发明技术方案的有益效果在于：通过利用传统医学影像序列中血管管腔的变形信息，通过医学影像处理技术及有限元方法来实现管腔形态的动态变化及轮廓的应变性能，从而建立斑块稳定性测量的新方法及系统。本发明采用在原有二维影像上直接进行图像分割及配准，不仅能够快速、准确、有效地获取二维血管管腔的在该平面内的变形行为，而且避免了因血管三维重建而导致的效率低、累积空间转换误差、可应用操作性差等缺点。本发明在兼顾原医学影像功能的同时，增添了能够以管腔直径序列、中心线和真实管腔轮廓线的应变及应力等信息对斑块稳定性进行量化评估的功能，并且降低了成本，节约了时间，为斑块稳定性评估提供了全新的、高效的、可行的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (11)

1.一种基于医学影像序列斑块稳定性指标的快速计算系统，其特征在于，所述系统包括：
影像采集模块，主要用于影像采集，并产生动态影像序列；
影像接收模块，用于接收影像采集模块产生的影像序列，并传输给图像处理模块；
图像处理模块，对接收到的影像序列进行处理；其中包括对管腔轮廓的分割及配准：管腔轮廓的分割包括正常管腔及狭窄管腔的快速分割，管腔的配准具体是指对不同时刻下，依据同一血管节段的特征空间进行配准而生成位移场函数；
斑块稳定性计算模块，用于对二维血管管腔，利用上述位移场函数，进行几何形变计算或受力分析；并选定某一时刻的血管管腔为初始状态，通过本模块的计算获得随时间变化的参数及云图，包括获得管腔直径序列或面积随时间的变化函数、管腔轮廓的应变及应力等；以及结合上述参数对斑块稳定性贡献的强弱，最终获得斑块稳定性指标；
结果可视化模块，用于显示图像处理模块与斑块稳定性计算模块的斑块形变和受力分析结果，以及斑块稳定性的评估指标。
2.根据权利要求1所述的系统，其特征在于，所述图像处理模块进一步包括以下子模块：
图像分割模块：用于对管腔轮廓进行快速分割，对正常管腔节段及狭窄管腔节段的所在区域的轮廓进行分级，实现分级化建模，获得分级化后的血管分割模型；
图像配准模块：用于对多时刻下血管轮廓进行配准，对多时刻下分级化后的血管分割模型进行轮廓特征或全局图像配准，获取配准过程中产生的位移场函数。
3.一种基于医学影像序列斑块稳定性指标的快速计算方法，其特征在于，该方法包括：
步骤1、确定感兴趣血管的起始位置与终止位置，并定义为一级节段；
步骤2、获取医学影像序列，并确定所述感兴趣血管在形变周期中的若干个特征时刻；所述医学影像序列中包含多个周期血管的完整影像；
步骤3、对步骤2中不同特征时刻的图像中，不同形态的同一血管进行管腔轮廓分割，并生成血管中心线及直径序列，再确定狭窄节段在感兴趣血管中的起止位置，定义为二级节段；
步骤4、对所述一级节段、二级节段，分别结合边界轮廓线建立封闭的二维血管管腔几何模型，并确定为一级节段、二级节段的两处感兴趣区域；
步骤5、对不同帧图像中不同长度的一级节段血管，以中心线长度为标准，进行归一化处理，并基于归一化的血管长度进行生成等量同构化血管骨架(中心线、轮廓线及直径序列)；
步骤6、先在一级节段进行粗配准，再进行二级节段以血管骨架为线特征的精配准；进而获得直径序列的长度随时间变化参数，以及二维血管管腔的位移场函数；并利用数值求解方法进行分析，进一步获得周期性时变的直径序列、管腔轮廓及面积的应变与应力参数及其云图(该数值求解方法可采用有限元法、有限体积法等)；
步骤7、基于步骤6中的周期性时变的直径序列、管腔轮廓及面积的应变与应力参数，并结合大样本在体腔内影像的斑块稳定性数据，对上述各指标进行相关性分析，根据其相关性强弱来对应各指标在计算斑块稳定性结果的权重值。
4.根据权利要求3所述的方法，其特征在于，所述步骤2中所述特征时刻的选取，对于心脏血管，可依据心电图的各个波段间的分界点进行确定；或者
对于外周血管可依据图像序列中的形变特征，选定若干个关键时间点，并获取周期时长及各相邻时间点的时间间隔，从而确定特征时刻。
5.根据权利要求3所述的方法，其特征在于，所述步骤3进一步包括：
步骤301、对血管进行管腔轮廓分割时，同时生成血管真实管腔及参考管腔的轮廓线与中心线，以及沿血管纵向并垂直于中心线的一系列直径序列；
步骤302、设置一直径狭窄百分比阈值，并计算感兴趣血管沿血管中心线当前位置的直径狭窄百分比DS％(x)，将满足直径狭窄百分比阈值要求的血管段的起止位置，作为二级节段的起止位置；
其中，DS％(x)，其计算公式如下：
式中，Dact是实际管腔直径，Dref是参考管腔直径，Dpro和Ddis分别是近端和远端管腔直径，Lcen是中心线总长，x是从当前截面位置到近端截面的中心线长度。
6.根据权利要求3所述的方法，其特征在于，所述步骤4进一步包括：
建立图像配准的特征空间，所述特征空间包括的特征包括管腔轮廓、管腔中心线；以及
在所述归一化后，生成等量的直径序列。
7.根据权利要求6所述的方法，其特征在于，所述步骤5进一步包括：
依据预设的相似性度量准则,并设定血管的一级节段、二级节段的相似性阈值，作为配准过程中量化标准(该相似性度量准则采用特征空间上欧式距离、图像灰度的互信息等)。
8.根据权利要求3所述的方法，其特征在于，所述步骤6进一步包括：
利用非刚性配准方法，当满足狭窄节段和/或正常节段的相似性阈值时，获取相邻时刻间的位移场函数，直至遍历一个完整的血管变形周期，以形成血管变形周期中特征几何的位移路径(该非刚性配准方法采用弹性配准、流体配准及光流配准等)。
9.根据权利要求3所述的方法，其特征在于，所述步骤7进一步包括：
步骤701、直径序列、中心线及管腔轮廓的形变参数包括最大主应变、最小主应变、平面外应变等；应力参数包括von Mesis应力、最大与最小主应力等。其中直径序列形变的均值及最大值分别可以参考如下公式进行计算：
式中，为某时刻下某直径长度，上标j为形变周期帧数，下标i为直径序列数，和Dmax为狭窄节段直径序列的均值和最大值；
步骤702、斑块稳定性可以参考如下公式进行计算：
式中，为狭窄节段面积均值，εmax、分别为狭窄节段管腔轮廓应变最大值及平均值，和σmax为狭窄节段应力的均值和最大值，A0为狭窄节段参考管腔面积，ci,i＝1,2,3,4为权重参数。
10.根据权利要求1所述的系统，其特征在于，所述系统还包括结果可视化模块，其用于显示图像处理模块及有限元计算模块相应的分析结果，以及斑块稳定性的评估指标。
11.根据权利要求3或6所述的方法，其特征在于，所述系统中所采用的归一化方法为双线性插值法或立方卷积插值法；或者，所述系统中所预设的搜索策略为黄金分割法或梯度下降法。
CN201711282886.3A 2017-12-07 2017-12-07 基于医学影像序列斑块稳定性指标的快速计算方法及系统 Active CN108038848B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201711282886.3A CN108038848B (zh) 2017-12-07 2017-12-07 基于医学影像序列斑块稳定性指标的快速计算方法及系统
EP18885666.0A EP3723038B1 (en) 2017-12-07 2018-05-29 Fast calculation method and system employing plaque stability index of medical image sequence
US16/768,545 US11049246B2 (en) 2017-12-07 2018-05-29 Rapid calculation method and system for plaque stability index based on medical image sequence
JP2020529468A JP6851672B2 (ja) 2017-12-07 2018-05-29 医療画像シーケンスに基づくプラーク安定性指標の高速計算方法及びシステム
PCT/CN2018/088861 WO2019109607A1 (zh) 2017-12-07 2018-05-29 基于医学影像序列斑块稳定性指标的快速计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711282886.3A CN108038848B (zh) 2017-12-07 2017-12-07 基于医学影像序列斑块稳定性指标的快速计算方法及系统

Publications (2)

Publication Number Publication Date
CN108038848A true CN108038848A (zh) 2018-05-15
CN108038848B CN108038848B (zh) 2020-08-11

Family

ID=62096091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711282886.3A Active CN108038848B (zh) 2017-12-07 2017-12-07 基于医学影像序列斑块稳定性指标的快速计算方法及系统

Country Status (5)

Country Link
US (1) US11049246B2 (zh)
EP (1) EP3723038B1 (zh)
JP (1) JP6851672B2 (zh)
CN (1) CN108038848B (zh)
WO (1) WO2019109607A1 (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109064442A (zh) * 2018-06-21 2018-12-21 上海遥思企业管理中心 血管压力差修正方法、装置及设备
WO2019109607A1 (zh) * 2017-12-07 2019-06-13 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统
CN110490851A (zh) * 2019-02-15 2019-11-22 腾讯科技（深圳）有限公司 基于人工智能的乳腺图像分割方法、装置及系统
US10631718B2 (en) 2015-08-31 2020-04-28 Gentuity, Llc Imaging system includes imaging probe and delivery devices
CN111681224A (zh) * 2020-06-09 2020-09-18 上海联影医疗科技有限公司 获取血管参数的方法和装置
CN111920388A (zh) * 2020-08-25 2020-11-13 南京沃福曼医疗科技有限公司 一种基于oct图像评估斑块负荷的方法
CN112509020A (zh) * 2020-12-07 2021-03-16 昆山戎影医疗科技有限公司 血管外部影像与腔内影像的配准方法、装置及计算设备
CN112674736A (zh) * 2021-01-08 2021-04-20 博动医学影像科技（上海）有限公司 一种用于自动评价血管形变的监测显示方法及系统
CN112686991A (zh) * 2021-01-08 2021-04-20 博动医学影像科技（上海）有限公司 一种采用混合方式重建血管正常管腔形态的方法及系统
CN113160265A (zh) * 2021-05-13 2021-07-23 四川大学华西医院 一种用于胼胝体状态评估的脑部胼胝体分割预测图像的构建方法
CN113192004A (zh) * 2021-04-01 2021-07-30 温州医科大学附属第二医院（温州医科大学附属育英儿童医院） 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统
CN113592925A (zh) * 2021-07-16 2021-11-02 华中科技大学 一种术中超声图像及其轮廓实时配准方法及系统
CN113744223A (zh) * 2021-08-26 2021-12-03 联影智能医疗科技(北京)有限公司 血管的风险评估方法、计算机设备和存储介质
CN113876304A (zh) * 2021-09-08 2022-01-04 深圳市中科微光医疗器械技术有限公司 一种基于oct图像和造影图像确定ffr的方法及装置
CN114155243A (zh) * 2022-02-09 2022-03-08 天津恒宇医疗科技有限公司 基于特征信息的ivus和oct图像融合方法及系统
US11278206B2 (en) 2015-04-16 2022-03-22 Gentuity, Llc Micro-optic probes for neurology
CN114403817A (zh) * 2022-01-25 2022-04-29 首都医科大学附属北京安贞医院 一种冠脉径向变化测定方法和装置
WO2022109907A1 (zh) * 2020-11-25 2022-06-02 苏州润迈德医疗科技有限公司 精确获取狭窄病变区间的方法及存储介质
US11684242B2 (en) 2017-11-28 2023-06-27 Gentuity, Llc Imaging system
CN116705330A (zh) * 2023-07-31 2023-09-05 柏意慧心(杭州)网络科技有限公司 确定血管壁的弹性特征的方法、计算设备和介质
CN116898472A (zh) * 2023-09-14 2023-10-20 柏意慧心(杭州)网络科技有限公司 用于确定主动脉血管直径的方法、计算设备和介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070899B (zh) * 2020-09-10 2024-04-05 杭州晟视科技有限公司 基于医学图像还原血管零压模型的方法、装置及存储介质
CN113066064B (zh) * 2021-03-29 2023-06-06 郑州铁路职业技术学院 基于人工智能的锥束ct图像生物结构识别及三维重建系统
CN113538537B (zh) * 2021-07-22 2023-12-12 北京世纪好未来教育科技有限公司 图像配准、模型训练方法、装置、设备、服务器及介质
CN115409880B (zh) * 2022-08-31 2024-03-22 深圳前海瑞集科技有限公司 工件数据配准方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060100502A1 (en) * 2004-06-23 2006-05-11 Chen David T Anatomical visualization and measurement system
CN101474082A (zh) * 2009-01-16 2009-07-08 北京工业大学 基于有限元形变理论的血管壁弹性分析方法
CN106570313A (zh) * 2016-10-18 2017-04-19 上海交通大学 获取四维血管变形行为与管壁在体应力的方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2449080A1 (en) * 2003-11-13 2005-05-13 Centre Hospitalier De L'universite De Montreal - Chum Apparatus and method for intravascular ultrasound image segmentation: a fast-marching method
US11064964B2 (en) * 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP6134789B2 (ja) * 2012-06-26 2017-05-24 シンク−アールエックス，リミティド 管腔器官における流れに関連する画像処理
JP6091870B2 (ja) * 2012-12-07 2017-03-08 東芝メディカルシステムズ株式会社 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
US10631718B2 (en) * 2015-08-31 2020-04-28 Gentuity, Llc Imaging system includes imaging probe and delivery devices
CN106974622B (zh) 2017-04-06 2021-08-24 上海交通大学 基于光学相干断层成像的斑块稳定性测量系统
CN108038848B (zh) * 2017-12-07 2020-08-11 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060100502A1 (en) * 2004-06-23 2006-05-11 Chen David T Anatomical visualization and measurement system
CN101474082A (zh) * 2009-01-16 2009-07-08 北京工业大学 基于有限元形变理论的血管壁弹性分析方法
CN106570313A (zh) * 2016-10-18 2017-04-19 上海交通大学 获取四维血管变形行为与管壁在体应力的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈飞等: "《颈动脉斑块稳定性与内脏脂肪含量相关性分析》", 《中华血管外科杂》 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11278206B2 (en) 2015-04-16 2022-03-22 Gentuity, Llc Micro-optic probes for neurology
US11064873B2 (en) 2015-08-31 2021-07-20 Gentuity, Llc Imaging system includes imaging probe and delivery devices
US10631718B2 (en) 2015-08-31 2020-04-28 Gentuity, Llc Imaging system includes imaging probe and delivery devices
US11583172B2 (en) 2015-08-31 2023-02-21 Gentuity, Llc Imaging system includes imaging probe and delivery devices
US11937786B2 (en) 2015-08-31 2024-03-26 Gentuity, Llc Imaging system includes imaging probe and delivery devices
US11684242B2 (en) 2017-11-28 2023-06-27 Gentuity, Llc Imaging system
WO2019109607A1 (zh) * 2017-12-07 2019-06-13 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统
CN109064442B (zh) * 2018-06-21 2022-07-05 上海遥思企业管理中心 血管压力差修正方法、装置及设备
CN109064442A (zh) * 2018-06-21 2018-12-21 上海遥思企业管理中心 血管压力差修正方法、装置及设备
US11954864B2 (en) 2019-02-15 2024-04-09 Tencent Technology (Shenzhen) Company Limited Medical image segmentation method, image segmentation method, and related apparatus and system
CN110490851B (zh) * 2019-02-15 2021-05-11 腾讯科技（深圳）有限公司 基于人工智能的乳腺图像分割方法、装置及系统
CN110490851A (zh) * 2019-02-15 2019-11-22 腾讯科技（深圳）有限公司 基于人工智能的乳腺图像分割方法、装置及系统
CN111681224A (zh) * 2020-06-09 2020-09-18 上海联影医疗科技有限公司 获取血管参数的方法和装置
CN111920388A (zh) * 2020-08-25 2020-11-13 南京沃福曼医疗科技有限公司 一种基于oct图像评估斑块负荷的方法
WO2022109907A1 (zh) * 2020-11-25 2022-06-02 苏州润迈德医疗科技有限公司 精确获取狭窄病变区间的方法及存储介质
CN112509020A (zh) * 2020-12-07 2021-03-16 昆山戎影医疗科技有限公司 血管外部影像与腔内影像的配准方法、装置及计算设备
CN112674736A (zh) * 2021-01-08 2021-04-20 博动医学影像科技（上海）有限公司 一种用于自动评价血管形变的监测显示方法及系统
CN112686991A (zh) * 2021-01-08 2021-04-20 博动医学影像科技（上海）有限公司 一种采用混合方式重建血管正常管腔形态的方法及系统
CN113192004B (zh) * 2021-04-01 2022-01-18 温州医科大学附属第二医院（温州医科大学附属育英儿童医院） 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统
CN113192004A (zh) * 2021-04-01 2021-07-30 温州医科大学附属第二医院（温州医科大学附属育英儿童医院） 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统
CN113160265A (zh) * 2021-05-13 2021-07-23 四川大学华西医院 一种用于胼胝体状态评估的脑部胼胝体分割预测图像的构建方法
CN113592925B (zh) * 2021-07-16 2024-02-06 华中科技大学 一种术中超声图像及其轮廓实时配准方法及系统
CN113592925A (zh) * 2021-07-16 2021-11-02 华中科技大学 一种术中超声图像及其轮廓实时配准方法及系统
CN113744223A (zh) * 2021-08-26 2021-12-03 联影智能医疗科技(北京)有限公司 血管的风险评估方法、计算机设备和存储介质
CN113876304A (zh) * 2021-09-08 2022-01-04 深圳市中科微光医疗器械技术有限公司 一种基于oct图像和造影图像确定ffr的方法及装置
CN114403817A (zh) * 2022-01-25 2022-04-29 首都医科大学附属北京安贞医院 一种冠脉径向变化测定方法和装置
CN114155243A (zh) * 2022-02-09 2022-03-08 天津恒宇医疗科技有限公司 基于特征信息的ivus和oct图像融合方法及系统
CN116705330B (zh) * 2023-07-31 2023-11-10 柏意慧心(杭州)网络科技有限公司 确定血管壁的弹性特征的方法、计算设备和介质
CN116705330A (zh) * 2023-07-31 2023-09-05 柏意慧心(杭州)网络科技有限公司 确定血管壁的弹性特征的方法、计算设备和介质
CN116898472A (zh) * 2023-09-14 2023-10-20 柏意慧心(杭州)网络科技有限公司 用于确定主动脉血管直径的方法、计算设备和介质
CN116898472B (zh) * 2023-09-14 2023-12-12 柏意慧心(杭州)网络科技有限公司 用于确定主动脉血管直径的方法、计算设备和介质

Also Published As

Publication number Publication date
EP3723038B1 (en) 2022-08-10
EP3723038A4 (en) 2021-09-15
JP2021504059A (ja) 2021-02-15
WO2019109607A1 (zh) 2019-06-13
US20200320688A1 (en) 2020-10-08
EP3723038A1 (en) 2020-10-14
CN108038848B (zh) 2020-08-11
JP6851672B2 (ja) 2021-03-31
US11049246B2 (en) 2021-06-29

Similar Documents

Publication Publication Date Title
CN108038848A (zh) 基于医学影像序列斑块稳定性指标的快速计算方法及系统
CN110853029B (zh) 用于基于医学图像自动预测血流特征的方法、系统和介质
US11896416B2 (en) Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
CN110866914B (zh) 脑动脉瘤血流动力学指标的评估方法、系统、设备及介质
Pan et al. Fast tracking of cardiac motion using 3D-HARP
EP3420483B1 (en) Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models
US11881299B2 (en) Estimating flow, resistance or pressure from pressure or flow measurements and antiography
CN105518684A (zh) 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法
JP2019193808A (ja) リアルタイムの診断上有用な結果
Zeng et al. A study on the compliance of a right coronary artery and its impact on wall shear stress
CN108122616B (zh) 个体特异性的心血管模型的生成方法及其应用
CN108665449B (zh) 预测血流矢量路径上的血流特征的深度学习模型及装置
CN108735270A (zh) 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质
CN103781425B (zh) 超声波摄像装置以及方法
Auricchio et al. A clinically applicable stochastic approach for noninvasive estimation of aortic stiffness using computed tomography data
CN112669449A (zh) 基于3d重建技术的cag和ivus精准联动分析方法及系统
CN112384138A (zh) 获取心表大动脉的血流量的方法、装置、系统及存储介质
WO2023117820A1 (en) Aortic abdominal aneurysm biomarkers
US20160098531A1 (en) Method for assessing stenosis severity in a lesion tree through stenosis mapping
CN109785308A (zh) 一种心排量求解的方法、装置、设备及存储介质
Jansen et al. Local and global distensibility assessment of abdominal aortic aneurysms in vivo from probe tracked 2D ultrasound images
Giachetti et al. Web-based 3D quantitative measurements of abdominal aortic aneurysms
Vukicevic et al. Software tools for image-based modeling of fluid-solid interaction in coronary arteries fusing ivus and angiography modalities
Thiriet Images, Signals, and Measurements

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230601

Address after: 200235 A6, Building 1, No. 900 Yishan Road, Xuhui District, Shanghai

Patentee after: Shanghai Bodong Medical Technology Co.,Ltd.

Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District

Patentee before: SHANGHAI JIAO TONG University