CN108198210A - 一种基于移动设备的oct影像判图方法及其系统 - Google Patents

一种基于移动设备的oct影像判图方法及其系统 Download PDF

Info

Publication number
CN108198210A
CN108198210A CN201711465197.6A CN201711465197A CN108198210A CN 108198210 A CN108198210 A CN 108198210A CN 201711465197 A CN201711465197 A CN 201711465197A CN 108198210 A CN108198210 A CN 108198210A
Authority
CN
China
Prior art keywords
image
mobile terminal
sentenced
sentence
oct
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
CN201711465197.6A
Other languages
English (en)
Other versions
CN108198210B (zh
Inventor
朱锐
李嘉男
曹挥
曹一挥
薛婷
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.)
Xi'an Zhongke Low Light Imaging Technology Co Ltd
Original Assignee
Xi'an Zhongke Low Light Imaging Technology 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 Xi'an Zhongke Low Light Imaging Technology Co Ltd filed Critical Xi'an Zhongke Low Light Imaging Technology Co Ltd
Priority to CN201711465197.6A priority Critical patent/CN108198210B/zh
Publication of CN108198210A publication Critical patent/CN108198210A/zh
Application granted granted Critical
Publication of CN108198210B publication Critical patent/CN108198210B/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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/08—Protocols specially adapted for terminal emulation, e.g. Telnet
    • 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
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及一种基于移动设备的OCT影像判图方法及其系统，该方法包括：通过移动端进行信息注册以获得注册信息；利用所述移动端读取待判图图像，所述待判图图像包括OCT图像；通过所述移动端将所述待判图图像上传至云端处理器；利用数据分析模块对所述待判图图像进行数据分析以获得数据分析结果；通过所述移动端查看所述数据分析结果。本发明的OCT影像判图系统能够应用于移动设备上，用户通过在移动端进行注册，即可将需要进行判图的OCT图像上传至移动端和云端处理器，最终可以实现不同地区的临床医生或相关职业的人员对上传的OCT图像进行共同判图，实现判图结果的共享，便于其他用户通过移动端获知OCT图像的判图结果。

Description

一种基于移动设备的OCT影像判图方法及其系统
技术领域
本发明涉及判图方法技术领域，特别是涉及一种基于移动设备的OCT影像判图方法及其系统。
背景技术
光学相干断层成像术(Optical Coherence Tomography，OCT)是一种高分辨率，非接触性、无创的生物组织成像技术。OCT成像的原理与超声波类似，是运用反射的近红外线作为成像媒介形成影像，而非运用反射的音波。近红外线(一般为800～1300nm)来源分为两个途径，其中一个途径用于组织取样；另一个则用于参考反射镜。取样手臂扫描经过组织时，可运用干涉仪，以参考臂的光线持续阻绝取样组织后端发出的反射。对于持续阻绝的光线，会执行数字信号处理算法，以达到深度解析的轴状扫描。将这些扫描相互堆栈即可形成2D或3D的组织影像。
目前，用于检测急性冠脉综合征等疾病的方法很多，包括冠状动脉造影、血管内超声、光学相干断层等，这些都需要人工分辨图像中是否用于诊断的信息，并对诊断信息进行临床分析确定治疗方案。到目前为止，临床医生对OCT影像(即OCT图像)的判断大多数是基于其临床经验以及相关共识标准。
然而，由于现在对OCT图像中的关键信息，如支架、血管等的读取主要依赖于人工完成，并且对于一些罕见的病例医生很难在较短时间内对其OCT影像进行判图及确诊，由此导致病人错过最佳治疗时间。
发明内容
因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种基于移动设备的OCT影像判图方法及其系统。
具体地，本发明一个实施例提出的一种基于移动设备的OCT影像判图方法及其系统，包括：
步骤1、通过移动端进行信息注册以获得注册信息；
步骤2、利用所述移动端读取待判图图像，所述待判图图像包括OCT图像；
步骤3、通过所述移动端将所述待判图图像上传至云端处理器；
步骤4、利用数据分析模块对所述待判图图像进行数据分析以获得数据分析结果；
步骤5、通过所述移动端查看所述数据分析结果。
在本发明的一个实施例中，所述注册信息包括用户名、登录密码、姓名、身份证号、性别、科室、电子邮箱、联系电话。
在本发明的一个实施例中，在步骤1之后，还包括：
将所述注册信息上传至所述云端处理器；
在所述云端处理器中新建一个以所述用户名命名的第一文件夹；
所述移动端在本地新建一个以所述用户名命名的第二文件夹；
利用所述注册信息登录所述移动端；
将所述待判图图像上传至所述移动端。
在本发明的一个实施例中，在步骤2之后，还包括：
判断所述待判图图像是否含有病人信息，若是，则所述移动端对所述病人信息及所述数据分析结果的获取时间进行读取，其中，所述病人信息包括：病人ID及姓名。
在本发明的一个实施例中，在步骤3之后，还包括：
将所述待判图图像存放于所述第一文件夹下。
在本发明的一个实施例中，步骤4包括：
利用数据分析模块判断所述待判图图像是否含有判图诊断特征；
若是，则对所述判图诊断特征进行检测以确定所述判图诊断特征的特征信息；
对所述特征信息进行编辑以获得所述数据分析结果。
在本发明的一个实施例中，所述判图诊断特征包括支架特征、易损斑块特征、血管特征或易损斑块种类特征中的任一项。
在本发明的一个实施例中，在步骤5之后，还包括：
通过所述移动端的投票区域或诊断区域对所述待判图图像进行分析和判断。
一种基于移动设备的OCT影像判图系统，包括数字信号处理单元及存储单元，所述存储单元用于存储处理指令，所述处理指令被所述数字信号处理单元执行时实现上述实施例中任一项方法中的步骤。
本发明实施例，具备如下优点：
1、本发明的OCT影像判图系统能够应用于移动设备上，用户通过在移动端进行注册，即可将需要进行判图的OCT图像上传至移动端和云端处理器，最终可以实现不同地区的临床医生或相关职业的人员对上传的OCT图像进行共同判图，实现判图结果的共享，便于其他用户通过移动端获知OCT图像的判图结果。
2、本发明利用数据分析模块对OCT图像进行判断，从而获知OCT图像的相关特征信息，如支架特征信息、易损斑块特征信息、血管特征信息或易损斑块种类特征信息，从而使用户通过数据分析结果获知OCT图像的判图结果，判图结果准确、快速，能够节省用户的时间，并能使病人得到及时的治疗。
3、本发明的云端处理器中存储有大量的已经经过判图的OCT图像及其相关信息，用户可以通过移动端及时、准确的获取到其想要了解的相关信息。
通过以下参考附图的详细说明，本发明的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
下面将结合附图，对本发明的具体实施方式进行详细的说明。
图1为本发明实施例提供的一种基于移动设备的OCT影像判图方法的流程示意图；
图2为本发明实施例提供的一种用户注册界面示意图；
图3为本发明实施例提供的一种登录界面示意图；
图4为本发明实施例提供的一种数据读取界面示意图；
图5为本发明实施例提供的一种数据上传界面示意图；
图6是本发明实施例提供的一种数据分析结果查看界面示意图；
图7是本发明实施例提供的一种文本编辑结果显示界面示意图；
图8是本发明实施例提供的一种移动端显示界面示意图；
图9为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法中血管造影系统获得的冠脉造影图像；
图10为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的二值化处理后的冠脉造影图像；
图11为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的形态学处理过的冠脉造影图像；
图12为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的血管中心线的计算原理示意图；
图13为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的近端探针标记点的位置示意图；
图14为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的探针标记点的位置示意图；
图15为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的进行第一主血管的血管中心线的位置示意图；
图16为本发明实施例提供的一种基于移动设备的OCT影像判图系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
实施例一
请参见图1～图8，图1为本发明实施例提供的一种基于移动设备的OCT影像判图方法的流程示意图，图2为本发明实施例提供的一种用户注册界面示意图，图3为本发明实施例提供的一种登录界面示意图，图4为本发明实施例提供的一种数据读取界面示意图，图5为本发明实施例提供的一种数据上传界面示意图，图6是本发明实施例提供的一种数据分析结果查看界面示意图，图7是本发明实施例提供的一种文本编辑结果显示界面示意图，图8是本发明实施例提供的一种移动端显示界面示意图。
如图1所示，该判图方法包括：
步骤1、通过移动端进行信息注册以获得注册信息；
步骤2、利用所述移动端读取待判图图像，所述待判图图像包括OCT图像；
步骤3、通过所述移动端将所述待判图图像上传至云端处理器；
步骤4、利用数据分析模块对所述待判图图像进行数据分析以获得数据分析结果；
步骤5、通过所述移动端查看所述数据分析结果。
本实施例的OCT影像判图系统能够应用于移动设备上，用户通过在移动端进行注册，即可将需要进行判图的OCT图像上传至移动端和云端处理器，最终可以实现不同地区的临床医生或相关职业的人员对上传的OCT图像进行共同判图，实现判图结果的共享，便于其他用户通过移动端获知OCT图像的判图结果。
其中，移动端可以为手机和/或平板电脑。
其中，注册信息可以包括用户名、登录密码、姓名、身份证号、性别、科室、电子邮箱、联系电话等信息。
其中，待判图图像可以为OCT图像，还可以为心电图、血管造影图像或病例。
具体地，该实施例的判图方法具体包括：
步骤a、通过移动端进行信息注册以获得注册信息；
具体地，需要读取、上传OCT图像或者数据分析模块的用户首先需要进行注册获得注册信息之后方可使用以上功能，用户注册界面如图2所示。
步骤b、注册信息上传至云端处理器；
具体地，用户通过移动端注册完成获得注册信息后，注册信息会同步上传至云端处理器中。
步骤c、在云端处理器中新建一个以用户名命名的第一文件夹；
具体地，当用户的注册信息上传至云端处理器的同时，会在云端处理器中新建一个以该用户的用户名命名的第一文件夹，第一文件夹用于存储该用户的所有相关信息和文件。
步骤d、移动端在本地新建一个以用户名命名的第二文件夹；
具体地，在新建第一文件夹的同时移动端会在用户本地新建一个以该用户的用户名命名的第二文件夹，第二文件夹用于存储该用户的所有相关信息和文件。
步骤e、利用注册信息登录移动端；
具体地，注册完成后即可利用注册信息登录到移动端上，登录界面如图3所示。
可选地，若用户并不需要使用以上功能则可直接使用OCT影像判图系统，云端处理器会每隔一段时间对用户进行系统推送，使用户能够通过该OCT影像判图系统获得推送信息。
步骤f、利用移动端读取待判图图像；
具体地，通过移动端的数据读取按键将待判图图像导入移动端中。
优选地，待判图图像格式可以为DICOM或JPEG。
步骤g、判断待判图图像是否含有病人信息；
具体地，移动端对上传的待判图图像进行判断，判断待判图图像是否含有病人信息，若是，则移动端对病人信息进行读取，其中，病人信息包括病人ID及姓名，若该病人之前已经通过本实施例的OCT影像判图系统进行判图，则移动端同时对该病人之前的数据分析结果的获取时间进行读取，如图4所示，同时将读取的内容显示在OCT影像判图系统的显示界面上。
步骤h、将待判图图像上传至云端处理器；
具体地，用户若需要对待判图图像进行数据分析，则通过点击移动端的分析数据按键，如图5所示，移动端便将待判图图像上传至云端处理器，用户可以对需要进行数据分析的待判图图像进行命名，并可以选择是否含有病人信息，与此同时，需要进行数据分析的待判图图像同步保存于以该用户的用户名命名的第一文件夹下。
步骤i、利用数据分析模块对待判图图像进行数据分析以获得数据分析结果；
步骤i1、通过移动端的数据分析模块判断待判图图像是否含有判图诊断特征；
其中，判图诊断特征包括支架特征、易损斑块特征、血管特征或易损斑块种类特征中的任一项。
步骤i2、若是，则对判图诊断特征进行检测以确定所述判图诊断特征的特征信息；
优选地，确定判图诊断特征是否为支架特征；
优选地，确定第一病理诊断特征是否为易损斑块特征；
优选地，确定第一病理诊断特征是否为血管特征，并判断血管特征是否配准。
步骤i3、对特征信息进行编辑以获得数据分析结果。
具体地，将待判图图像的特征信息进行编辑以获得数据分析结果，数据分析结果用于用户通过移动端进行查看，当特征信息为血管特征且血管特征已经配准时，则将上述信息进行编辑以形成用于移动端显示的数据分析结果。
步骤j、通过移动端查看所述数据分析结果；
具体地，用户通过点击移动端的查看按键对数据分析结果进行查看，如图6所示，用户通过数据分析结果查看界面选择所想查看的数据分析结果，同时OCT影像判图系统会自动下载数据分析结果至本地移动端。
步骤k、云端处理器对用户上传的待判图图像以及网络上可检索到的相关数据进行管理，并在云端处理器对上述内容进行文本编辑生成文本编辑结果，其中，文本编辑结果的界面中包括生成投票区域和诊断区域，如图7所示，用户通过移动端的投票区域和诊断区域，对该待判图图像进行分析和判断，最终通过分析和判断对该待判图图像对应的病人作出最佳的诊断。
其中，投票区域可以通过不同用户对同一病例进行判别，选出用户觉得最有可能导致病变的原因，如：钙化结节、脂池、纤维、壁间血肿等，诊断区域是方便不同用户可以在诊断区域发表自己对于该病人的诊断意见，包括病因，治疗方法等，帮助医生完成对病人的诊断。
步骤l、云端处理器将文本编辑结果分享或者推送至移动端，已经注册过以及没有在移动端上注册的用户都可接受到相关推送。该分享或者包括多个经过分析的病例实例。
优选地，如图8所示，用户可通过关注微信公众号收到相关推送或者分享。
实施例二
请参见图9～图15，图9为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法中血管造影系统获得的冠脉造影图像，图10为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的二值化处理后的冠脉造影图像，图11为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的形态学处理过的冠脉造影图像，图12为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的血管中心线的计算原理示意图，图13为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的近端探针标记点的位置示意图，图14为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的探针标记点的位置示意图，图15为本发明实施例提供的一种心血管OCT与冠脉造影自动配准方法的进行第一主血管的血管中心线的位置示意图。在上述实施例的基础上本实施例将对确定判图诊断特征是否为血管特征和血管特征是否配准进行详细介绍，具体包括：
S10.通过光学相干断层扫描系统和血管造影系统分别获取待判图图像(即OCT图像)和冠脉造影图像，如图9所示，图中100为血管特征(即第二主血管)，由此步骤确定判图诊断特征为血管特征。
S11.获得进行OCT区域的冠脉造影图像的第一主血管的血管中心线。因为进行冠脉造影是对心脏的整段血管进行造影，但是OCT只是对整段血管中的一部分进行血管成像，把OCT成像的那段血管在冠脉造影图像中表示出来，称为进行OCT区域的冠脉造影图像。
S111.如图10所示，图中100为第二主血管。获取所述冠脉造影图像的第二主血管。
对冠脉造影图像进行二值化处理获得二值图。
优选地，分别利用最大类间方差法以及Hessians矩阵处理对冠脉造影图像进行处理，利用最大类间方差法，根据灰度特性，区分出前景和后景，前景部分指的是第二主血管，后景为其他图像区域。最终结果以二值图表现出来。
进一步地，对冠脉造影图像进行二值化处理前，可以利用拉普拉斯高算法对血管造影系统获得的冠脉造影图像进行处理，该算法对图像中的边缘部分进行增强，以使后续对主血管的检测更加准确。
进一步地，在所述二值图中，利用形态学方法，获取所述第二主血管，如图11所示。
优选地，形态学方法包括：膨胀处理、腐蚀处理和骨架处理。
S112.获取第二主血管的轮廓；
优选地，采用DP算法获取所述第二主血管的轮廓。具体方法如下：
DP算法大致可概述为：从图片的第一行到第N行寻找一条路径使得损失最小。因为边缘是连续性的，第θ行的路径总是来自于第θ-1行，所以损失函数为：
C(ρ,θ)＝f(ρ,θ) θ＝1
C(ρ,θ)＝minC(ρ*,θ-1)+f(ρ,θ)1＜θ≤N
ρ和θ分别是直角坐标系中像素点的横坐标和纵坐标，C(ρ,θ)是从第1行到点(ρ,θ)的损失和，f(ρ,θ)是每点的能量函数，ρ*∈[ρ-m,ρ+m]，m是查找范围。至此，轮廓的检测可被转化为寻找全局最小的损失和，通过最小损失和推算回路径。
是平均像素值，ρu∈[ρ-w,ρ)，ρd∈(ρ,ρ+w]，w是滑窗长度。
S113.如图12所示，图中，101为第一轮廓线，102为第二轮廓线，103为矢向量，104为第二主血管的血管中心线，105为中点。根据所述轮廓的曲率获得所述第二主血管的矢向量，根据所述矢向量、所述轮廓获取所述第二主血管的血管中心线；
进一步地，所述轮廓包括第一轮廓线和第二轮廓线。所述第二主血管有两条轮廓线，以与这两条轮廓线相匹配的圆来说，半径大的轮廓线称为外边缘，半径小的轮廓线称为内边缘，所述第一轮廓线用于标识所述第二主血管的外边缘，所述第二轮廓线用于标识所述第二主血管的内边缘。
进一步地，根据所述第一轮廓线的曲率获得位于所述第一轮廓线上采样点的矢向量；
进一步地，确定沿所述矢向量方向的直线，以所述采样点为起点，以所述直线与所述第二轮廓线的交点作为终点获得采样线段；
进一步地，获得各所述采样点对应的所述采样线段的中点；
进一步地，以所述第二主血管的起始位置为起点，所述第二主血管的终止位置为终点，连接所述中点获得所述第二主血管的血管中心线。
S114.如图13所示，获取所述冠脉造影图像中的探针标记点。
根据OCT成像时显现的不透明标记带，对所述冠脉造影图像中的所述第二主血管区域附近的50个像素点以及所述第二主血管区域进行LoG响应判断，检测到具有较高LoG响应且距离所述第二主血管最近的像素点，将所述像素点识别为探针标记点。此时，可以在所述冠脉造影图像中观察到两个探针标记点；在本发明中，将距离图像上边缘更近的探针标记点记为远端标记点，另一个则记为近端标记点。
S115.如图14和图15所示，图15中，106为第一主血管的血管中心线。根据所述探针标记点的位置、所述第二主血管的血管中心线获取所述第一主血管的血管中心线，完成第二主血管的血管中心线的配准，即完成血管特征的配准。
进一步地，采用距离变换算法根据所述探针标记点的位置、所述第二主血管的中心线计算所述第一主血管的血管中心线。具体地，由于检测得到的是所述探针标记点的位置，但是所述近端探针标记点距离所述第一主血管的起始点仍有一定的距离，假设近端标记点与起始点之间的距离为m，所述m为已知数值。根据实际血管大小与所述冠脉造影图像之间的比例尺1：n，根据m和n推算出所述第一主血管的起始位置x＝m×n+x0，x0为检测到的近端探针标记点的位置，所述远端标记点为所述第一主血管的终点。根据所述第一主血管的起始位置确定所述第一主血管的血管中心线。
进一步地，由于冠脉造影图像分辨率较低，所以依然有可能存在中心线并不准确的情况。因此将检测到的中心线结果显示于装置上，由用户判断结果是否准确。若结果准确，则以该所述第一主血管的血管中心线为基准，以确定所有回拉帧中的血管中心线；若不正确，用户则手动标记所述第一主血管的血管中心线，或直接对所述第一主血管的血管中心线进行位置修改。
进一步地，若用户对所述第一主血管的血管中心线进行了更改，使用Dijkstra最短路径算法，对用户手工确定的标记带进行平滑性处理。最后将所述标记带认定为所述第一主血管的血管中心线，从而将其确定为基准，以确定所有回拉帧中的中心线。同时将通过标记点的位置确定所述标记带为OCT图像的远端标记点还是近端标记点。
实施例三
请参见图16，图16为本发明实施例提供的一种基于移动设备的OCT影像判图系统的结构示意图。在上述实施例的基础上，本实施例将对本发明的OCT影像判图系统进行介绍。该系统包括：
依次电连接的接收单元、数字信号处理单元、存储单元及信息推送单元，数字信号处理单元及信息推送单元分别电连接至显示单元；其中，接收单元用于接收用户上传的待判图图像，数字信号处理单元包括数据分析模块，数据分析模块用于对待判图图像进行分析处理，存储单元用于存储处理指令，信息推送单元用于根据文本编辑结果进行推送和分享。
综上所述，本文中应用了具体个例对本发明实施例的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本发明的保护范围应以所附的权利要求为准。

Claims (9)

1.一种基于移动设备的OCT影像判图方法，其特征在于，包括：
步骤1、通过移动端进行信息注册以获得注册信息；
步骤2、利用所述移动端读取待判图图像，所述待判图图像包括OCT图像；
步骤3、通过所述移动端将所述待判图图像上传至云端处理器；
步骤4、利用数据分析模块对所述待判图图像进行数据分析以获得数据分析结果；
步骤5、通过所述移动端查看所述数据分析结果。
2.根据权利要求1所述的判图方法，其特征在于，所述注册信息包括用户名、登录密码、姓名、身份证号、性别、科室、电子邮箱、联系电话。
3.根据权利要求2所述的判图方法，其特征在于，在步骤1之后，还包括：
将所述注册信息上传至所述云端处理器；
在所述云端处理器中新建一个以所述用户名命名的第一文件夹；
所述移动端在本地新建一个以所述用户名命名的第二文件夹；
利用所述注册信息登录所述移动端；
将所述待判图图像上传至所述移动端。
4.根据权利要求1所述的判图方法，其特征在于，在步骤2之后，还包括：
判断所述待判图图像是否含有病人信息，若是，则所述移动端对所述病人信息及所述数据分析结果的获取时间进行读取，其中，所述病人信息包括：病人ID及姓名。
5.根据权利要求3所述的判图方法，其特征在于，在步骤3之后，还包括：
将所述待判图图像存放于所述第一文件夹下。
6.根据权利要求1所述的判图方法，其特征在于，步骤4包括：
利用数据分析模块判断所述待判图图像是否含有判图诊断特征；
若是，则对所述判图诊断特征进行检测以确定所述判图诊断特征的特征信息；
对所述特征信息进行编辑以获得所述数据分析结果。
7.根据权利要求6所述的判图方法，其特征在于，所述判图诊断特征包括支架特征、易损斑块特征、血管特征或易损斑块种类特征中的任一项。
8.根据权利要求1所述的判图方法，其特征在于，在步骤5之后，还包括：
通过所述移动端的投票区域或诊断区域对所述待判图图像进行分析和判断。
9.一种基于移动设备的OCT影像判图系统，包括数字信号处理单元及存储单元，所述存储单元用于存储处理指令，其特征在于，所述处理指令被所述数字信号处理单元执行时实现如权利要求1～8任一项方法中的步骤。
CN201711465197.6A 2017-12-28 2017-12-28 一种基于移动设备的oct影像判图方法及其系统 Active CN108198210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711465197.6A CN108198210B (zh) 2017-12-28 2017-12-28 一种基于移动设备的oct影像判图方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711465197.6A CN108198210B (zh) 2017-12-28 2017-12-28 一种基于移动设备的oct影像判图方法及其系统

Publications (2)

Publication Number Publication Date
CN108198210A true CN108198210A (zh) 2018-06-22
CN108198210B CN108198210B (zh) 2021-12-21

Family

ID=62585732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711465197.6A Active CN108198210B (zh) 2017-12-28 2017-12-28 一种基于移动设备的oct影像判图方法及其系统

Country Status (1)

Country Link
CN (1) CN108198210B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116206162A (zh) * 2023-04-28 2023-06-02 杭州脉流科技有限公司 基于造影影像的冠脉血流储备获取方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070195106A1 (en) * 2006-02-17 2007-08-23 Microsoft Corporation Detecting Doctored JPEG Images
CN105354410A (zh) * 2015-10-20 2016-02-24 成都金盘电子科大多媒体技术有限公司 基于掌中宝app的医疗信息远程共享方法
CN105493133A (zh) * 2013-07-01 2016-04-13 三星电子株式会社 在超声成像中共享信息的方法
CN106326661A (zh) * 2016-08-29 2017-01-11 无锡海鹰电子医疗系统有限公司 一种可实现远程诊断和远程控制的手持式超声诊断系统
CN106372390A (zh) * 2016-08-25 2017-02-01 姹ゅ钩 一种基于深度卷积神经网络的预防肺癌自助健康云服务系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070195106A1 (en) * 2006-02-17 2007-08-23 Microsoft Corporation Detecting Doctored JPEG Images
CN105493133A (zh) * 2013-07-01 2016-04-13 三星电子株式会社 在超声成像中共享信息的方法
CN105354410A (zh) * 2015-10-20 2016-02-24 成都金盘电子科大多媒体技术有限公司 基于掌中宝app的医疗信息远程共享方法
CN106372390A (zh) * 2016-08-25 2017-02-01 姹ゅ钩 一种基于深度卷积神经网络的预防肺癌自助健康云服务系统
CN106326661A (zh) * 2016-08-29 2017-01-11 无锡海鹰电子医疗系统有限公司 一种可实现远程诊断和远程控制的手持式超声诊断系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116206162A (zh) * 2023-04-28 2023-06-02 杭州脉流科技有限公司 基于造影影像的冠脉血流储备获取方法、装置及设备

Also Published As

Publication number Publication date
CN108198210B (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
Hetherington et al. SLIDE: automatic spine level identification system using a deep convolutional neural network
Markowitz et al. Evaluation of optical coherence tomography as a means of identifying earlier stage basal cell carcinomas while reducing the use of diagnostic biopsy
CN106600609B (zh) 一种医学图像中脊柱的分割方法及系统
CN111627508B (zh) 一种医学影像的解读方法、装置及计算机可读介质
US6055326A (en) Method for orienting electronic medical images
JP4504377B2 (ja) 心臓関連の取得のための自動的な最適面の決定
CN108198174B (zh) 一种心血管ivoct与ivus自动配准方法与装置
US20080025589A1 (en) Image measuring apparatus and method, and image measuring system for glomerular filtration rate
JP2020518396A (ja) 慢性血栓塞栓性肺高血圧症の放射線学的特定における改善
CN108053429B (zh) 一种心血管oct与冠脉造影自动配准方法与装置
CN108806776A (zh) 一种基于深度学习的多模态医学影像的方法
JP2019008349A (ja) 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム
CN106446515A (zh) 一种三维医学图像显示方法及装置
CN108876783B (zh) 图像融合方法及系统、医疗设备和图像融合终端
CN114202516A (zh) 一种异物检测方法、装置、电子设备及存储介质
CN108335732A (zh) 一种oct影像的病例推荐方法及其系统
CN108198210A (zh) 一种基于移动设备的oct影像判图方法及其系统
CN112686866A (zh) 基于医学影像的随访方法、装置及计算机可读存储介质
Athanasiou et al. Currently available methodologies for the processing of intravascular ultrasound and optical coherence tomography images
Rallan et al. High‐resolution ultrasound reflex transmission imaging and digital photography: potential tools for the quantitative assessment of pigmented lesions
Kawale et al. Automated identification of fiducial points on 3D torso images
CN114974518A (zh) 多模态数据融合的肺结节影像识别方法及装置
CN111407298B (zh) 一种ct成像设备的扫描方法及扫描装置
CN112991478A (zh) 基于深度学习的影像分析多时相异常特征区域参数的方法
JP2001216517A (ja) 物体認識方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhu Rui

Inventor after: Cao Yihui

Inventor after: Xue Ting

Inventor before: Zhu Rui

Inventor before: Li Jianan

Inventor before: Cao Yihui

Inventor before: Xue Ting

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 710119 Room 101, building 11, new industrial park, No. 60, West Avenue, high tech Zone, Xi'an, Shaanxi Province

Applicant after: Zhongke low light medical research center (Xi'an) Co.,Ltd.

Address before: Room 303, floor 3, Zhongke Chuangxing, southwest corner of bianjia village, 322 Youyi West Road, Xi'an, Shaanxi 710068

Applicant before: XI'AN VIVOLIGHT IMAGING TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant