CN108805913B - 一种冠状动脉ct影像与心脏超声应变成像的融合方法 - Google Patents
一种冠状动脉ct影像与心脏超声应变成像的融合方法 Download PDFInfo
- Publication number
- CN108805913B CN108805913B CN201810458285.1A CN201810458285A CN108805913B CN 108805913 B CN108805913 B CN 108805913B CN 201810458285 A CN201810458285 A CN 201810458285A CN 108805913 B CN108805913 B CN 108805913B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- coronary artery
- ultrasonic
- strain
- 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.)
- Active
Links
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 41
- 238000003384 imaging method Methods 0.000 title claims abstract description 26
- 230000000747 cardiac effect Effects 0.000 title claims abstract description 15
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000004927 fusion Effects 0.000 claims abstract description 24
- 210000004165 myocardium Anatomy 0.000 claims abstract description 18
- 230000002107 myocardial effect Effects 0.000 claims abstract description 13
- 230000002861 ventricular Effects 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 208000031225 myocardial ischemia Diseases 0.000 claims abstract description 7
- 230000010412 perfusion Effects 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 201000000057 Coronary Stenosis Diseases 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 206010011089 Coronary artery stenosis Diseases 0.000 claims abstract description 3
- 210000005240 left ventricle Anatomy 0.000 claims description 19
- 238000002604 ultrasonography Methods 0.000 claims description 17
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000036262 stenosis Effects 0.000 claims description 5
- 208000037804 stenosis Diseases 0.000 claims description 5
- 210000004115 mitral valve Anatomy 0.000 claims description 4
- 230000017531 blood circulation Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000002792 vascular Effects 0.000 claims description 2
- 210000003540 papillary muscle Anatomy 0.000 claims 2
- 230000010354 integration Effects 0.000 claims 1
- 239000003550 marker Substances 0.000 claims 1
- 235000012149 noodles Nutrition 0.000 claims 1
- 238000009877 rendering Methods 0.000 claims 1
- 230000003680 myocardial damage Effects 0.000 abstract description 6
- 230000036285 pathological change Effects 0.000 abstract description 3
- 231100000915 pathological change Toxicity 0.000 abstract description 3
- 208000028867 ischemia Diseases 0.000 abstract 1
- 208000029078 coronary artery disease Diseases 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 241000288921 Desmodus Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种冠状动脉CT影像与心脏超声应变成像的融合方法。本发明提供一种将二维UCG图和三维CT图进行融合、映射，从而立体显示冠状动脉病变及心肌损伤情况的多模态影像融合技术方法。本发明首次将心脏超声图像与CT图像进行融合，通过“一点一面三切面”的定位方法将超声心动图与冠状动脉CT图像进行融合(图1)，并展示三维模式图。然后，在三维超声容积影像基础上，采用中心轴旋转法及细化分段法获取左心室心肌20个切面、480个网格段的二维影像(图2)，并据此获得480个节段的应变值，将三维应变获得的心肌灌注缺血信息叠加到三维冠状动脉血管模式图中(图3)，从而准确反映心肌缺血区域与冠状动脉实际狭窄的关系。
Description
技术领域
本发明提出的一种冠状动脉CT影像与心脏超声(UCG)应变成像的融合方法，属于生物医学工程技术领域，涉及一种用于人体冠状动脉CT影像与心脏超声应变成像的多模态影像融合方法。
背景技术
随着影像学技术的迅速发展，冠心病的影像学的评估技术已经越来越多样和成熟。常用的影像学方法包括CT、SPECT、UCG等。
(1)冠状动脉CT是评价冠状动脉狭窄的“金标准”。尽管冠脉CT可提供类似于冠脉造影的信息，诸如狭窄等结构异常，但它与血流动力学状况的吻合度却不一定很好。应用冠脉CT不能确定狭窄处真实的血流动力学状态及心肌缺血灌注情况，而且CT属于有创检查，因此在评价心肌受损程度上有一定的局限性。
(2)SPECT核素心肌显像是评价心肌灌注的“金标准”，是反映心肌缺血的“把门人”；可以反映心肌损伤的严重程度。但是，该项检查具有放射性、昂贵且耗时。因此，对于评估病情较重以及年幼患者心肌缺血程度受到一定限制。
(3)常规超声心动图(UCG)主要是通过测定左心室射血分数和室壁运动增厚率来反映左心室整体与局部收缩功能，但敏感性较低，难以早期发现心肌损伤和功能障碍。而受其自身成像特性的限制，超声心动图技术难以完整显示冠状动脉完整的解剖影像，无法靶向或准确找出狭窄血管的部位及准确评估病变处斑块的性质。新的超声应变成像技术(STI)可通过对心肌组织的运动进行追踪，从而对心肌的局部收缩功能进行评价，可准确捕捉心肌细微的功能变化，因而可用于心肌缺血损伤和心肌灌注的评价。
单一模态影像技术虽然各有所长，但无法做到多层次、全方位评估疾病状态。本发明拟将心脏超声应变成像(STI)与冠状动脉CT两种显像方法融合，提供一种将三维超声应变成像图和三维CT图进行融合、映射，从而可以立体显示冠状动脉病变及心肌损伤情况的多模态影像融合技术方法。
本发明的方法有助于开拓心血管成像的崭新领域，所建立的多模态融合影像有望成为评估冠心病患者心脏情况的新“把门人”。
发明内容
本发明拟将心脏超声应变成像与冠状动脉CT两种显像方法融合，提供一种将三维超声应变成像图图和三维CT图进行融合、映射，从而可以立体显示冠状动脉病变及心肌损伤情况的多模态影像融合技术方法。本发明首次将心脏超声图像与CT图像进行融合，通过“一点一面三切面”的定位方法将超声心动图与冠状动脉CT图像进行匹配。然后，在三维超声容积影像基础上，采用中心轴旋转法及细化分段法获取左心室心肌20个切面、480个网格段的二维影像，并据此获得480个节段的应变值，因而能较准确反映心肌缺血区域。将三维应变图像以彩色形式准确匹配叠加到冠脉三维血管树上，从而与冠状动脉实际狭窄进行精确匹配。
本发明首次将心脏超声图像与CT图像进行融合，通过“一点一面三切面”的定位方法将超声心动图与冠状动脉CT图像进行融合，并展示三维模式图。图像融合是一个连续的过程(图1)，基本步骤包括：(1)图像的获取及导入：冠心病患者冠状动脉CT检查，获得冠心病患者冠状动脉CT的DICOM格式原始数据。患者进行超声心动图检查，应用超声应变技术进行图像分析，存储原始DICOM格式数据。(2)图像的配准与融合：由于心脏超声影像与CT影像在成像原理、图像采集方式及影像呈现形式等方面均有巨大差异，且心脏活动对成像质量影响较大，因此无法像SPECT/CT或PET/CT那样通过相似的断面影像进行简单叠加来实现多模态的影像融合。本发明基于心脏自身结构特征和UCG/CT影像的共同特点，通过“一点一面三切面”的方法定位图像，将超声图像和CT图像进行融合。(3)图像的三维映射：融合后的图像经过三维纹理映射的方法，展示冠状动脉和心肌血流灌注的三维模式图(图2)。
附图说明
图1心脏超声图像与冠状动脉CT图像进行三维融合的技术路线图。
图2冠状动脉三维血管树(左)与超声应变彩色编码图(中)进行配准融合，实现超声应变与冠脉CT的三维立体一体化显示(右)。
图3标准心尖四腔切面及解剖标识点(左图为超声影像，右图为CT影像，P1、P2为二尖瓣瓣叶附着点，P3为左室心尖)。
图4二尖瓣环平面与“三切面”关系示意图。上：心脏剖面俯视图；下：心脏剖面侧视图(红色轨迹为二尖瓣环，P1、P2为二尖瓣瓣叶附着点，P3为左室心尖)。
图5冠状动脉三维血管树与二维平面的位置关系示意图。(箭头所指为三支冠状动脉在二维平面中的相对位置)。
图6UCG与CT图像融合效果判定流程图。
图7以心尖为顶点旋转从全容积数据中获取20个平面，每个切面中左室心肌被划分为24段，共480个网格节段，进行心肌应变分析。
图8将三维应变分析获得的心肌血流灌注牛眼图映射到三维心脏影像上，形成超声应变与冠脉CT的三维立体一体化显示。
具体实施方式
下面参照本发明的流程示意图，对本发明的一个实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
实施例1
1.“一点一面三切面”的定位方法将心脏超声图像与冠状动脉CT图像进行三维融合。
本发明首次将心脏超声图像与CT图像进行融合，通过“一点一面三切面”的定位方法将超声心动图与冠状动脉CT图像进行融合，并展示三维模式图。
图像融合是一个连续的过程，基本步骤包括：(1)图像的获取及导入：冠心病患者冠状动脉CT检查，获得冠心病患者冠状动脉CT的DICOM格式原始数据。患者进行超声心动图检查，应用超声应变技术进行图像分析，存储原始DICOM格式数据。(2)图像的配准与融合：由于心脏超声影像与CT影像在成像原理、图像采集方式及影像呈现形式等方面均有巨大差异，且心脏活动对成像质量影响较大，因此无法像SPECT/CT或PET/CT那样通过相似的断面影像进行简单叠加来实现多模态的影像融合。本发明基于心脏自身结构特征和UCG/CT影像的共同特点，通过“一点一面三切面”的方法定位图像，将超声图像和CT图像进行融合。
●“一点”：即左心室心尖(P3)(图3)。
●“一面”：即心脏二尖瓣环所在平面(图4)。三个切面均与该平面相交，以三个切面中二尖瓣瓣叶附着点为标识(P1、P2)，加上左室心尖标识点(P1)作为图像融合的标识点从而进行匹配定位。
●“三切面”：心尖四腔切面S1、心尖两腔切面S2及心尖长轴切面S3这三个剖切面(图4)。分别从三维超声全容积数据和心脏增强CT连续断面的影像数据中重建出三个标准切面：心尖四腔切面S1、心尖两腔切面S2及心尖长轴切面S3。
依据UCG及CT影像中三个标准切面中标识点进行匹配对位，并结合冠状动脉血管树在三个切面中的相对位置和坐标关系(图5)，将三维超声心脏重建模型与冠脉CT三维血管树模型进行“一点一面三切面”的准确匹配定位，从而实现超声应变与冠脉CT的三维影像融合成像。
(3)图像的三维映射：融合后的图像经过三维纹理映射的方法，展示冠状动脉和心肌血流灌注的三维模式图。
图像融合效果判定：超声及CT图像叠加融合之后，测量左心室腔的大小。测量误差小于5mm是为图像融合成功，否则为图像融合失败(图6)。
2.将左心室心肌划分为更为细致的480个网格化分段，能全方位更准确地反映左心室心肌的应变情况。
本发明在三维超声心动图全容积数据基础上，将左心室心肌划分为更为细致的480个网格化分段，并对每一个网格段心肌的应变进行分析，从而能全方位更准确地反映左心室心肌的应变情况。在此基础上，采用三维坐标体系将左心室心肌的全方位应变数据与超声和CT影像中的心脏三维结构进行匹配定位，从而实现超声应变与冠状动脉三维血管树及其狭窄部位的准确定位融合。
具体方法为：以超声容积数据的顶点为心尖位置，数据的中心轴为心脏长轴，以中心轴旋转方式从三维容积数据中重建出20个沿心脏长轴方向相互交叉的二维超声切面。将每个二维切面沿左心室长轴方向将左心室心肌划分为24个节段，共将左心室全体心肌划分为480个网格节段，每个网格节段心表投影面积约4×4mm(图7)。依据20个切面的旋转角及各网格节段在二维切面中的位置，建立网格心肌的三维坐标体系。应用二维超声斑点追踪分析技术对每一个网格节段的心肌长轴方向的运动进行二维切面的计算机影像分析，获取左心室480个心肌节段的长轴应变最大值并建立数据库。
依据之前对超声及CT的三个标准切面中二尖瓣环与心尖的标记，采用基于几何特征和基于体素的配准方法，在计算机中实现超声与CT三维坐标的自动定位配准，从而完成冠状动脉血管树与三维超声左心室480个网格心肌节段解剖位置关系的匹配定位，实现两者影像融合。将三维超声应变数据库中的应变值按照超声应变分级和彩色编码体系进行左心室三维表面容积模型的彩色描绘，从而实现冠脉血管狭窄与超声应变分析的三维立体一体化显示(图8)。
Claims (3)
1.一种冠状动脉CT影像与心脏超声应变成像的融合方法，其特征在于：首次将心脏超声图像与CT图像进行融合，通过“一点一面三切面”的定位方法将超声心动图与冠状动脉CT图像进行融合，融合后的图像经过三维纹理映射的方法，展示冠状动脉和心肌血流灌注的三维模式图；然后，在三维超声容积影像基础上，采用中心轴旋转法及细化分段法获取左心室心肌20个切面、480个网格段的二维影像，并据此获得480个节段的应变值，反 映心肌缺血区域从而与冠状动脉实际狭窄进行匹配；
“一点一面三切面”的定位方法具体为：“一点”：即左心室心尖；“一面”：体内标记点选择乳头肌短轴切面，即由两组乳头肌所在的两个点以及间隔与左心室前壁相交的一点P3这三点组成的平面；“三切面”：心尖四腔、两腔及长轴这三个剖切面，分别从三维超声全容积数据和心脏增强CT连续断面的影像数据中重建出三个标准切面：心尖四腔、心尖两腔及心尖长轴切面；
中心轴旋转法及细化分段法具体为：以超声容积数据的顶点为心尖位置，数据的中心轴为心脏长轴，以中心轴旋转方式从三维容积数据中重建出20个沿心脏长轴方向相互交叉的二维超声切面；将每个二维切面沿左心室长轴方向将左心室心肌划分为24个节段，共将左心室全体心肌划分为480个网格节段；依据对超声及CT的三个标准切面中二尖瓣环与心尖的标记，采用基于几何特征和基于体素的配准方法，在计算机中实现超声与CT三维坐标的自动定位配准，从而完成冠状动脉血管树与三维超声左心室480个网格心肌节段解剖位置关系的匹配定位，实现两者影像融合。
2.按照权利要求1所述的一种冠状动脉CT影像与心脏超声应变成像的融合方法，其特征在于，超声及CT图像叠加融合之后，测量左心室腔的大小；测量误差小于5mm是为图像融合成功，否则为图像融合失败。
3.按照权利要求1所述的一种冠状动脉CT影像与心脏超声应变成像的融合方法，其特征在于，将三维超声应变数据库中的应变值超声应变分级和彩色编码体系进行左心室三维表面容积模型的彩色描绘，从而实现冠脉血管狭窄与超声应变分析的三维立体一体化显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810458285.1A CN108805913B (zh) | 2018-05-14 | 2018-05-14 | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810458285.1A CN108805913B (zh) | 2018-05-14 | 2018-05-14 | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108805913A CN108805913A (zh) | 2018-11-13 |
| CN108805913B true CN108805913B (zh) | 2021-12-03 |
Family
ID=64092439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810458285.1A Active CN108805913B (zh) | 2018-05-14 | 2018-05-14 | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108805913B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109498046A (zh) * | 2018-11-19 | 2019-03-22 | 西安电子科技大学 | 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 |
| CN109785296B (zh) * | 2018-12-25 | 2023-07-04 | 西安电子科技大学 | 一种基于cta图像的三维球形指数测定方法 |
| CN110706770B (zh) * | 2019-09-30 | 2020-08-04 | 上海杏脉信息科技有限公司 | 心脏数据处理设备及处理方法、计算机可读存储介质 |
| CN111508004B (zh) * | 2020-04-29 | 2021-01-15 | 中国人民解放军总医院 | 基于深度学习的室壁运动异常超声处理方法、系统和设备 |
| CN111815597B (zh) * | 2020-07-01 | 2024-04-12 | 杭州脉流科技有限公司 | 基于ct影像的左心室长短轴切面提取方法、装置、计算机设备和存储介质 |
| CN111754534B (zh) * | 2020-07-01 | 2024-05-31 | 杭州脉流科技有限公司 | 基于深度神经网络的ct左心室短轴图像分割方法、装置、计算机设备和存储介质 |
| CN111652954B (zh) * | 2020-07-01 | 2023-09-05 | 杭州脉流科技有限公司 | 一种基于左心室分割图片的左心室容积自动计算方法、装置、计算机设备以及存储介质 |
| CN112381822B (zh) * | 2021-01-13 | 2021-05-11 | 首都医科大学附属北京友谊医院 | 一种用于处理肺部病灶区图像的方法和相关产品 |
| CN113057677B (zh) * | 2021-03-30 | 2022-05-24 | 华南理工大学 | 超声和ct图像融合的心脏影像建模方法、系统及设备 |
| CN114403817B (zh) * | 2022-01-25 | 2023-03-10 | 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 |
| CN115587971B (zh) * | 2022-09-21 | 2023-10-24 | 四川大学华西医院 | 基于心脏超声节段活动的机体反应及血流动力学监测方法及系统 |
| CN115762722B (zh) * | 2022-11-22 | 2023-05-09 | 南方医科大学珠江医院 | 一种基于人工智能的影像复查系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999938A (zh) * | 2011-03-09 | 2013-03-27 | 西门子公司 | 多模态体积图像的基于模型的融合的方法和系统 |
| WO2014102718A1 (en) * | 2012-12-28 | 2014-07-03 | Koninklijke Philips N.V. | Real-time scene-modeling combining 3d ultrasound and 2d x-ray imagery |
| CN106133797A (zh) * | 2014-03-21 | 2016-11-16 | 皇家飞利浦有限公司 | 具有查看平面确定的医学查看系统 |
| CN106991694A (zh) * | 2017-03-17 | 2017-07-28 | 西安电子科技大学 | 基于显著区域面积匹配的心脏ct与超声图像配准方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8724874B2 (en) * | 2009-05-12 | 2014-05-13 | Siemens Aktiengesellschaft | Fusion of 3D volumes with CT reconstruction |
| US9230331B2 (en) * | 2013-10-21 | 2016-01-05 | Samsung Electronics Co., Ltd. | Systems and methods for registration of ultrasound and CT images |
-
2018
- 2018-05-14 CN CN201810458285.1A patent/CN108805913B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102999938A (zh) * | 2011-03-09 | 2013-03-27 | 西门子公司 | 多模态体积图像的基于模型的融合的方法和系统 |
| WO2014102718A1 (en) * | 2012-12-28 | 2014-07-03 | Koninklijke Philips N.V. | Real-time scene-modeling combining 3d ultrasound and 2d x-ray imagery |
| CN104883975A (zh) * | 2012-12-28 | 2015-09-02 | 皇家飞利浦有限公司 | 将3d超声和2d x射线影像组合的实时场景建模 |
| CN106133797A (zh) * | 2014-03-21 | 2016-11-16 | 皇家飞利浦有限公司 | 具有查看平面确定的医学查看系统 |
| CN106991694A (zh) * | 2017-03-17 | 2017-07-28 | 西安电子科技大学 | 基于显著区域面积匹配的心脏ct与超声图像配准方法 |
Non-Patent Citations (2)
| Title |
|---|
| CT冠状动脉血管造影和血管内超声融合算法的研究;易建华等;《2010中国医学影像技术国际论坛暨<中国医学影像技术>编委换届会论文集》;20100924;全文 * |
| Multimodal Registration and Data Fusion for Cardiac Resynchronization Therapy Optimization;François Tavard等;《IEEE Transactions on Medical Imaging》;20140314;第33卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108805913A (zh) | 2018-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108805913B (zh) | 一种冠状动脉ct影像与心脏超声应变成像的融合方法 | |
| CN110163897B (zh) | 一种基于合成超声图像的多模态图像配准方法 | |
| JP4521271B2 (ja) | 変形可能な３次元対象の頭頂の動きに関する情報を表示する画像処理システム | |
| JP5474342B2 (ja) | ３−ｄ画像および表面マッピングによる解剖学的モデル化 | |
| Pandian et al. | Dynamic three‐dimensional echocardiography: Methods and clinical potential | |
| US7978916B2 (en) | System and method for identifying a vascular border | |
| JP4060615B2 (ja) | 画像処理装置及び超音波診断装置 | |
| KR101625256B1 (ko) | 심장 ｍ-모드 뷰들의 자동 분석 | |
| CN106605257A (zh) | 医学成像中具有空间和时间约束的界标检测 | |
| US9357981B2 (en) | Ultrasound diagnostic device for extracting organ contour in target ultrasound image based on manually corrected contour image in manual correction target ultrasound image, and method for same | |
| US20130195335A1 (en) | Automatic quantification of mitral valve dynamics with real-time 3d ultrasound | |
| CN111009032B (zh) | 基于改进外极线约束匹配的血管三维重建方法 | |
| 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 | |
| Ballocca et al. | Validation of quantitative 3-dimensional transesophageal echocardiography mitral valve analysis using stereoscopic display | |
| CN102054295A (zh) | 用于分割医学的图像数据的方法以及装置 | |
| Zhao et al. | Systematic comparison of left ventricular geometry between 3D-echocardiography and cardiac magnetic resonance imaging | |
| CN116883322A (zh) | 一种三维超声模型应用于心脏参数测量与管理方法及终端 | |
| De Ruijter et al. | A generalized approach for automatic 3-D geometry assessment of blood vessels in transverse ultrasound images using convolutional neural networks | |
| US20120008833A1 (en) | System and method for center curve displacement mapping | |
| Aggeli et al. | Real-time three-dimensional echocardiography: never before clinical efficacy looked so picturesque | |
| KR101479577B1 (ko) | 심근 및 심혈관 정보의 통합 분석 방법 | |
| Kasliwal et al. | Real-time three-dimensional transthoracic echocardiography | |
| Gunasegaran et al. | Three-dimensional transesophageal echocardiography (TEE) and other future directions | |
| Vieira et al. | 3D echocardiography for rheumatic heart disease analysis: ready for prime time | |
| Shanmuganathan et al. | Image registration for multi-view three-dimensional echocardiography sequences |
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 |