CN109288536A - 获取冠脉钙化区域分类的方法、装置及系统 - Google Patents
获取冠脉钙化区域分类的方法、装置及系统 Download PDFInfo
- Publication number
- CN109288536A CN109288536A CN201811165587.6A CN201811165587A CN109288536A CN 109288536 A CN109288536 A CN 109288536A CN 201811165587 A CN201811165587 A CN 201811165587A CN 109288536 A CN109288536 A CN 109288536A
- Authority
- CN
- China
- Prior art keywords
- calcified regions
- doubtful
- calcified
- regions
- coronary artery
- 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
Links
- 230000002308 calcification Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 111
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 11
- 229910052791 calcium Inorganic materials 0.000 claims description 11
- 239000011575 calcium Substances 0.000 claims description 11
- 238000002591 computed tomography Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 239000003814 drug Substances 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 210000001367 artery Anatomy 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 210000003462 vein Anatomy 0.000 claims 1
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 206010003211 Arteriosclerosis coronary artery Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/466—Displaying means of special interest adapted to display 3D data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种获取冠脉钙化区域分类的方法、装置及系统，涉及钙化区域选取的技术领域，该方法包括：基于获取的平扫CT信息的三维信息获取冠脉区域；从获取的冠脉区域中，依据一定的条件得到疑似钙化区域；通过预设的条件判断疑似钙化区域是否需要切割，并对满足条件的疑似钙化区域进行切割；依据切割后的疑似钙化区域的特征，对疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。本发明提供的获取冠脉钙化区域分类的方法、装置及系统，缓解了人工标记钙化区域时造成的钙化区域被分错，冠脉钙化区域选取分类的误差大、过程繁琐、效率低的技术问题，使得冠脉钙化区域选取分类的过程简单、效率高、误差小。
Description
技术领域
本发明涉及钙化区域选取的技术领域，尤其是涉及一种获取冠脉钙化区域分类的方法、装置及系统。
背景技术
冠状动脉钙化(Coronary Artery Calcium，CAC)积分是一种广泛用于中度风险人群心血管风险评估的影像学检查手段。现有技术中，基于平扫电子计算机断层扫描(Computed Tomography，CT)信息进行冠状动脉钙化积分计算时，需要人工选取冠脉钙化区域并对选取的冠脉钙化区域进行分类，然后通过处理软件对分类后的钙化区域进行积分计算。
在现有技术中，人工选取、分类钙化区域是不能够省略的步骤，只有人工标注并分类钙化区域后，才能够使用自动分析软件系统计算出钙化区域的钙化积分，但是，钙化区域在三维信息中是有关联的，一块钙化区域在三维中是一个体，传统人工标记钙化区域的方法是在每层切片上，标记钙化区域，这可能导致属于一整块钙化区域中的其中几个切片被分错，增大了冠脉钙化区域选取、分类的误差，同时，钙化区域标记分类过程繁琐、效率低。
发明内容
有鉴于此，本发明的目的在于提供一种获取冠脉钙化区域分类的方法、装置及系统，缓解了现有技术中人工在每层切片上标记钙化区域时，导致的属于一整块钙化区域中的其中几个切片被分错，冠脉钙化区域选取、分类的误差大、过程繁琐、效率低的技术问题。
第一方面，本发明实施例提供了一种获取冠脉钙化区域分类的方法，该方法包括：
获取平扫电子计算机断层扫描CT信息，基于平扫CT信息的三维信息获取冠脉区域；
从获取的冠脉区域中，依据冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域；
获取疑似钙化区域的信息，判断疑似钙化区域的信息是否满足预设的条件，若满足条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，直到切割后的疑似钙化区域不满足预设的条件；
依据疑似钙化区域的三维特征，对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，在获取平扫电子计算机断层扫描CT信息后，在基于平扫CT信息的三维信息获取冠脉区域之前，该方法还包括：
对获取的平扫CT信息进行处理，得到医学数字成像和通信DICOM格式数据，该DICOM格式数据中包括每层切片的图像数据；
将每层切片的图像数据按顺序进行重叠，得到三维图像数据，获取三维图像数据的三维信息；
获取三维信息中的体素尺寸值以及窗宽、窗位；
将获取到的三维信息中的体素尺寸值调整到预设的体素尺寸值，获取调整体素尺寸值之后的三维图像数据的尺寸值；
按照预设的三维图像数据尺寸值，对调整体素尺寸值之后的三维图像数据的尺寸值进行调整；
调整经过三维图像数据尺寸值调整之后的三维图像数据中的窗宽、窗位。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，从获取的冠脉区域中，依据冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域的步骤包括：
获取冠脉区域中的每一体素点，判断体素点的HU值是否满足预设HU阈值，如果满足，则标记该体素点；
将相邻的标记的体素点依次进行连接，形成多个连通区域；
判断每一连通区域的体积是否满足体积阈值，若满足，则连通区域为疑似钙化区域。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，获取疑似钙化区域的信息，判断疑似钙化区域的信息是否满足预设的条件，若满足条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域的步骤包括：
获取疑似钙化区域的凸包率与体素点的数量；
判断疑似钙化区域的凸包率的值是否小于或等于预设的第一凸包率阈值，若是，则判断疑似钙化区域中体素点的数量是否大于或等于预设的第一数量阈值，若是，则确定疑似钙化区域满足预设的条件；
获取满足预设的条件的疑似钙化区域的质心，以质心为中心沿着切片的平面方向对满足预设的条件的疑似钙化区域进行切割，切割成两块疑似钙化区域。
结合第一方面第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，依据切割后的疑似钙化区域的三维特征，对疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域的步骤包括：
提取切割后的疑似钙化区域的三维特征；
将提取的三维特征输入到训练好的钙化区域分类模型，得到分类的冠脉血管的钙化区域。
结合第一方面第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，钙化区域分类模型的训练过程包括：
建立钙化区域分类模型；
获取训练数据中钙化区域的三维特征，标记该钙化区域的分类；
将三维特征作为钙化区域分类模型的输入，以三维特征对应的钙化区域的分类作为钙化区域分类模型的输出，对钙化区域分类模型进行训练；
获取测试数据，将测试数据中钙化区域的三维特征作为训练的钙化区域分类模型的输入，其输出与测试数据中钙化区域的分类进行比对；
判断测试数据的输出是否到达预先设置的准确度阈值，若是，则得到训练好的钙化区域分类模型，若否，则继续训练钙化区域分类模型。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，在得到分类的冠脉血管的钙化区域后，该方法包括：根据预设的校正规则对分类的冠脉血管的钙化区域进行判断，提取出分类的冠脉血管的钙化区域中的异常结果，对异常结果进行校正，得到校正后的分类的冠脉钙化区域。
结合第一方面第六种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，根据预设的校正规则对分类的冠脉血管的钙化区域进行判断的步骤包括：
获取分类的冠脉血管的钙化区域的形状，判断获取的形状是否为星芒状，若是，则确定分类的冠脉血管的钙化区域为非钙化区域，若否，则获取分类的冠脉血管的钙化区域的凸包率和体素数量；
判断分类的冠脉血管的钙化区域的凸包率是否小于或等于预设的第二凸包率阈值，若是，则继续判断分类的冠脉血管的钙化区域的体素的数量是否大于或等于预设的第二数量阈值，若是，则确定该冠脉血管的钙化区域为非钙化区域。
第二方面，本发明实施例还提供一种获取冠脉钙化区域分类的装置，该装置包括：
获取模块，用于获取平扫电子计算机断层扫描CT信息，基于平扫CT信息的三维信息获取冠脉区域；
确定模块，用于从获取的冠脉区域中，依据冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域；
判断切割模块，用于获取疑似钙化区域的信息，判断疑似钙化区域的信息是否满足预设的条件，若满足预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，直到切割后的疑似钙化区域不满足预设的条件；
分类模块，用于依据疑似钙化区域的特征，对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。
第三方面，本发明实施例还提供一种获取冠脉钙化区域分类的系统，该系统包括：CT扫描仪、数据接收装置以及第二方面所述的获取冠脉钙化区域分类的装置；其中，数据接收装置分别与CT扫描仪、获取冠脉钙化区域分类的装置相连。
本发明实施例带来了以下有益效果：本发明实施例提供的获取冠脉钙化区域分类的方法、装置及系统，通过获取的平扫CT信息，基于平扫CT信息的三维信息获取冠脉区域；从获取的冠脉区域中，依据一定的条件得到疑似钙化区域；获取疑似钙化区域的信息，判断信息是否满足预设的条件，若满足条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，直到切割后的疑似钙化区域不满足预设的条件；依据切割后的疑似钙化区域的特征，对疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域，本发明实施例提供的获取冠脉钙化区域分类的方法可以在三维信息中自动获得冠脉钙化区域，避免了人工在每层切片上标记钙化区域时导致的属于一整块钙化区域中的其中几个切片被分错，同时，冠脉钙化区域选取分类的过程简单、效率高、误差小。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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他的附图。
图1为本发明实施例提供的一种获取冠脉钙化区域分类的方法的流程图；
图2为本发明实施例提供的另一种获取冠脉钙化区域分类的方法的流程图；
图3为本发明实施例提供的一种获取冠脉钙化区域分类的装置的结构示意图；
图4为本发明实施例提供的一种获取冠脉钙化区域分类的系统的结构示意图。
图标：201-获取模块；202-确定模块；203-判断切割模块；204-分类模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前人工选取、分类钙化区域是不能够省略的步骤，只有人工标注并分类钙化区域后，才能够使用自动分析软件系统计算出钙化区域的钙化积分，但是，钙化区域在三维信息中是有关联的，一块钙化区域在三维中是一个体，传统人工标记钙化区域的方法是在每层切片上，标记钙化区域，这可能导致属于一整块钙化区域中的其中几个切片被分错，增大了冠脉钙化区域选取、分类的误差，同时，钙化区域标记分类过程繁琐、效率低。基于此，本发明实施例提供的一种获取冠脉钙化区域分类的方法、装置以及系统，可以避免了人工在每层切片上标记钙化区域时导致的属于一整块钙化区域中的其中几个切片被分错，提高了冠脉钙化区域选取分类的效率、减小了误差。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种获取冠脉钙化区域分类的方法进行详细介绍。
实施例一：
本发明实施例提供了一种获取冠脉钙化区域分类的方法，参见图1所示的一种获取冠脉钙化区域分类的方法的流程图，该方法包括如下步骤：
步骤S101：获取平扫电子计算机断层扫描CT信息，基于平扫CT信息的三维信息获取冠脉区域；
本发明实施例中，将获取到的CT信息进行处理得到医学数字成像和通信DICOM格式数据，将DICOM格式数据进行处理，该DICOM格式数据中包括每层切片的图像数据，将每层切片的图像数据按顺序重叠，得到三维图像数据，获取三维图像数据的三维信息，基于该三维信息获取冠脉区域。
步骤S102：从获取的所述冠脉区域中，依据所述冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域；
本发明实施例中，通过判断体素点以及体积是否满足阈值，从而确定出冠脉区域中的疑似钙化区域。
步骤S103：获取疑似钙化区域的信息，判断疑似钙化区域的信息是否满足预设的条件，若满足预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，直到切割后的疑似钙化区域的信息不满足预设的条件；
本发明实施例中，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，若切割后的疑似钙化区域的信息仍满足预设的条件，则对切割后的疑似钙化区域进行再切割，直到切割后的疑似钙化区域的信息不满足预设的条件。
步骤S104：依据疑似钙化区域的三维特征，对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。
本发明实施例中，可以选择使用三维卷积神经网络对疑似钙化区域分类，该分类结果可以为：非钙化、左冠状动脉(Left Main Coronary Artery，LM)钙化、左前降支(LeftAnterior Descending Artery，LAD)钙化、左旋支(Left Circumflex Artery，LCX)钙化、右冠状动脉(Right Coronary Artery，RCA)钙化。
本发明实施例提供的获取冠脉钙化区域分类的方法，通过获取平扫CT信息，基于CT信息的三维信息获取冠脉区域；从获取的冠脉区域中，依据一定的条件得到疑似钙化区域；获取疑似钙化区域的信息，判断信息是否满足预设的条件，若满足条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，直到切割后的疑似钙化区域不满足预设的条件；依据疑似钙化区域的三维特征，对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。这样，本发明实施例提供的获取冠脉钙化区域分类的方法，可以依据冠脉区域中各体素点的HU值以及体积，与预设HU阈值和体积阈值进行匹配，得到疑似钙化区域的体素点，再通过疑似钙化区域的信息，对疑似钙化区域进行切割，通过对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域，实现了在三维信息中自动获得冠脉钙化区域，避免了人工在每层切片上标记钙化区域时导致的属于一整块钙化区域中的其中几个切片被分错，进一步的，使得冠脉钙化区域选取分类的过程简单，提高了选取分类的效率、减小了误差。
基于此，在上述实施例的基础上，本发明实施例中还提供了另一种获取冠脉钙化区域分类的方法，如图2所示的流程图，作为一可选实施例，步骤S101获取平扫电子计算机断层扫描CT信息，基于平扫CT信息的三维信息获取冠脉区域的步骤包括：
步骤S1011：对获取的平扫CT信息进行处理，得到医学数字成像和通信DICOM格式数据，该DICOM格式数据中包括每层切片的图像数据；
步骤S1012：将每层切片的图像数据按顺序进行重叠，得到三维图像数据，获取三维图像数据的三维信息；
步骤S1013：获取三维信息中的体素尺寸值以及窗宽、窗位；
步骤S1014：将获取到的三维信息中的体素尺寸值调整到预设的体素尺寸值，获取调整体素尺寸值之后的三维图像数据的尺寸值；
步骤S1015：按照预设的三维图像数据尺寸值，对调整体素尺寸值之后的三维图像数据的尺寸值进行调整；
步骤S1016：调整经过三维图像数据尺寸值调整之后的三维图像数据中的窗宽、窗位。
本发明实施例中，按照预设的体素尺寸值，分别对三维图像数据的体素尺寸值进行调整，使三维图像数据的体素尺寸值一致。同时，按照预设的三维图像数据尺寸值，对调整体素尺寸值之后的三维图像数据的尺寸值进行调整，例如，对调整体素尺寸值之后的三维图像数据的图像进行切割或扩展。举例来说，预设的体素尺寸值范围可以为长宽的范围为0.3-0.5毫米，高度范围为1.5-3毫米，则体素尺寸值可以设置为0.5*0.5*2.5毫米，将三维图像数据的体素尺寸值调整为0.5*0.5*2.5毫米。预设的三维图像数据尺寸值可以设置为512体素*512体素*Z体素，Z为自然数，Z的具体数值由切片的图像数据的数量决定，在此本发明不作具体的限定，则对于三维图像数据的体素尺寸值调整为0.5*0.5*2.5毫米的三维数据图像数据，将尺寸值大于512*512*Z体素的三维图像数据进行切割，或者将尺寸值小于512*512*Z体素的三维图像数据进行扩展，通过填充三维图像数据的像素值，扩展三维图像数据的尺寸值，使得图像数据的尺寸值满足预设的值。具体的，体素尺寸值与三维图像数据的尺寸值可以根据实际的情况进行设置，对此本发明实施例不作具体的限制。本发明实施例通过调整三维图像数据的尺寸值和体素尺寸值，实现图像数据标准化，减少了图像数据的差异，便于根据三维图像数据的三维信息选取冠脉区域，进一步的提高了选取钙化区域的精确度。
进一步的，通过调整经过三维图像数据尺寸值调整之后的三维图像数据中的窗宽、窗位，将窗宽、窗位调整到合适的值，可以使得图像变得清晰、易读，增强了三维图像数据的对比度，使得三维图像数据的图像清晰，便于获取钙化区域，进而可以提高选取钙化区域的精确度和效率。
本发明实施例中，作为一可选实施例，步骤S102从获取的冠脉区域中，依据冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域的步骤包括：
步骤S1021：获取冠脉区域中的每一体素点，判断该体素点的亨氏单位HU值是否满足预设HU阈值，如果满足，则标记该体素点；
本发明实施例中，具体的，作为一可选实施例，判断该体素点的HU值是否大于等于130，如果是，则标记该体素点。例如，可将该体素点标记为1。
步骤S1022：将相邻的标记的体素点依次进行连接，形成多个连通区域；
步骤S1023：判断每一连通区域的体积是否满足体积阈值，若满足，则该连通区域为疑似钙化区域。
本发明实施例中，具体的，判断每一连通区域的体积是否大于等于1mm3，如果是，则判断该连通区域为疑似钙化区域。
本发明实施例中，若体素点的HU值不满足预设HU阈值，表明该体素点不属于疑似钙化区域，可以将该体素点标记为0。如果形成的连通区域的体积不满足体积阈值，则该连通区域也不为疑似钙化区域。
具体实现时，作为一可选实施例，步骤S103获取疑似钙化区域的信息，判断疑似钙化区域的信息是否满足预设的条件，若满足预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域的步骤包括：
步骤S1031：获取疑似钙化区域的凸包率与体素点的数量；
本发明实施例中，具体的，凸包率的大小与疑似钙化区域的形状有关，凸包率是指物体的真实体积与凸包体积的比值，疑似钙化区域的凸包率是指疑似钙化区域的体积与对应的凸包的体积的比，凸包率越大，则物体越规则。
步骤S1032：判断疑似钙化区域的凸包率的值是否小于或等于预设的第一凸包率阈值，若是，则判断疑似钙化区域中体素点的数量是否大于或等于预设的第一数量阈值，若是，则确定疑似钙化区域满足预设的条件；
本发明实施例中，作为一可选实施例，判断疑似钙化区域的凸包率的值是否小于或等于0.5，若是，则判断疑似钙化区域中体素点的数量是否大于或等于500，若是，则确定疑似钙化区域满足预设的条件，具体的，如果疑似钙化区域的凸包率小于0.5且体素个数大于500，则判断该疑似钙化区域出现血管黏连，即该疑似钙化区域可能同时出现在两个或以上的冠脉血管中，因而需要对血管黏连的疑似钙化区域进行切割。
步骤S1033：获取满足预设的条件的疑似钙化区域的质心，以质心为中心沿着切片的平面方向对满足预设条件的疑似钙化区域进行切割，切割成两块疑似钙化区域。
本发明实施例中，疑似钙化区域切割成两块后，分别对两块疑似钙化区域的信息进行检测，判断切割后的疑似钙化区域是否满足预设的条件，如果满足预设的条件，则对满足预设条件的疑似钙化区域再进行切割，直到切割后的疑似钙化区域不满足预设的条件。本发明实施例中，通过对满足预设条件的疑似钙化区域进行切割，避免了将属于不同冠脉血管的钙化区域分类到一起，减小钙化区域选取的误差，提高选取钙化区域的精确度。
进一步的，具体实现时，作为一可选实施例，步骤S104依据疑似钙化区域的三维特征，对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域的步骤包括：
步骤S1041：提取切割后的疑似钙化区域的三维特征；
步骤S1042：将提取的三维特征输入训练好的钙化区域分类模型，得到分类的冠脉血管的钙化区域。
本发明实施例中，具体的，将提取的三维特征输入到训练好的钙化区域分类模型中，该训练好的钙化区域分类模型通过对提取的三维特征进行采样对比，对疑似钙化区域进行分类。
进一步的，本发明实施例中，钙化区域分类模型的训练过程包括：
建立钙化区域分类模型；
获取训练数据中钙化区域的三维特征，标记该钙化区域的分类；
将三维特征作为钙化区域分类模型的输入，以该三维特征对应的钙化区域的分类作为钙化区域分类模型的输出，对钙化区域分类模型进行训练；
获取测试数据，将测试数据中钙化区域的三维特征作为训练的钙化区域分类模型的输入，其输出与测试数据中钙化区域的分类进行比对；
判断测试数据的输出是否到达预先设置的准确度阈值，若是，则得到训练好的钙化区域分类模型，若否，则继续训练钙化区域分类模型。
本发明实施例中，作为一可选实施例，在得到分类的冠脉血管的钙化区域后，所述方法还包括：根据预设的校正规则对分类的冠脉血管的钙化区域进行判断，提取出分类的冠脉血管的钙化区域中的异常结果，对异常结果进行校正，得到校正后的分类的冠脉钙化区域。
进一步的，本发明实施例中，根据预设的校正规则对分类的冠脉血管的钙化区域进行判断的步骤包括：
获取分类的冠脉血管的钙化区域的形状，判断获取的形状是否为星芒状，若是，则确定分类的冠脉血管的钙化区域为非钙化区域，若否，则获取分类的冠脉血管的钙化区域的凸包率和体素数量；
判断分类的冠脉血管的钙化区域的凸包率是否小于或等于预设的第二凸包率阈值，若是，则继续判断分类的冠脉血管的钙化区域的体素的数量是否大于或等于预设的第二数量阈值，若是，则确定该冠脉血管的钙化区域为非钙化区域。
本发明实施例中，作为一可选实施例，判断分类的冠脉血管的钙化区域的凸包率是否小于或等于0.7，若是，则继续判断分类的冠脉血管的钙化区域的体素的数量是否大于或等于2000，若是，则确定该冠脉血管的钙化区域为非钙化区域。该方法可能出现将非钙化区域分类到冠脉血管的钙化区域中的情况，因而，需要对分类的冠脉血管的钙化区域进行校正，将判断结果为非钙化区域的区域剔除，对分类的冠脉血管的钙化区域进行校正，得到校正后的分类的冠脉血管的钙化区域，通过对分类的冠脉血管的钙化区域进行校正可以减小选取冠脉钙化区域的误差，提高精确度。
实施例二：
在上述实施例的基础上，本发明实施例还提供了一种获取冠脉钙化区域分类的装置，如图3所示的是一种获取冠脉钙化区域分类的装置的结构示意图，该装置包括如下模块：
获取模块201，用于获取平扫电子计算机断层扫描CT信息，基于平扫CT信息的三维信息获取冠脉区域；
确定模块202，用于从获取的冠脉区域中，依据冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域；
判断切割模块203，用于获取疑似钙化区域的信息，判断疑似钙化区域的信息是否满足预设的条件，若满足预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对切割后的疑似钙化区域的信息进行再判断，直到切割后的疑似钙化区域不满足预设的条件；
分类模块204，用于依据疑似钙化区域的特征，对切割后的疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。
进一步的，本本发明实施例提供的获取冠脉钙化区域分类的装置中，获取模块包括：
预处理单元，用于对获取的平扫CT信息进行处理，得到医学数字成像和通信DICOM格式数据，该DICOM格式数据中包括每层切片的图像数据；
三维信息获取单元，用于将每层切片的图像数据按顺序进行重叠，得到三维图像数据，获取三维图像数据的三维信息；
数据获取单元，用于获取三维信息中的体素尺寸值以及窗宽、窗位；
尺寸调整单元，用于将获取到的三维信息中的体素尺寸值调整到预设的体素尺寸值，获取调整体素尺寸值之后的三维图像数据的尺寸值；按照预设的三维图像数据尺寸值，对调整体素尺寸值之后的三维图像数据的尺寸值进行调整；
数据调整单元，用于调整经过三维图像数据尺寸值调整之后的三维图像数据中的窗宽、窗位。
进一步的，本本发明实施例提供的获取冠脉钙化区域分类的装置中，确定模块包括：
体素点标记单元，用于获取冠脉区域中的每一体素点，判断每一体素点的HU值是否满足预设HU阈值，如果满足，则标记该体素点；
连通区域形成单元，用于将相邻的标记的体素点依次进行连接，形成多个连通区域；
区域判断单元，用于判断每一连通区域的体积是否满足体积阈值，若满足，则该连通区域为疑似钙化区域。
进一步的，本本发明实施例提供的获取冠脉钙化区域分类的装置中，判断切割模块包括：
信息获取单元，用于获取疑似钙化区域的凸包率与体素点的数量；
判断单元，用于判断疑似钙化区域的凸包率的值是否小于或等于预设的第一凸包率阈值，若是，则判断疑似钙化区域中体素点的数量是否大于或等于预设的第一数量阈值，若是，则确定疑似钙化区域满足预设的条件；
切割单元，用于获取满足预设的条件的疑似钙化区域的质心，以质心为中心沿着切片的平面方向对满足预设的条件的疑似钙化区域进行切割，切割成两块疑似钙化区域。
进一步的，本本发明实施例提供的获取冠脉钙化区域分类的装置中，分类模块包括：
三维特征提取单元：用于提取切割后的疑似钙化区域的三维特征；
分类单元：用于将提取的三维特征输入到训练好的钙化区域分类模型，得到分类的冠脉血管的钙化区域。
具体实现时，所述装置还包括：模型训练模块205，用于对钙化区域分类模型进行训练；
模型训练模块包括：
分类模型建立单元，用于建立钙化区域分类模型；
特征标记单元，用于获取训练数据中钙化区域的三维特征，标记该钙化区域的分类；
模型训练单元，用于将三维特征作为钙化区域分类模型的输入，以三维特征对应的钙化区域的分类作为钙化区域分类模型的输出，对钙化区域分类模型进行训练；
模型测试单元，用于获取测试数据，将测试数据中钙化区域的三维特征作为训练的钙化区域分类模型的输入，其输出与测试数据中钙化区域的分类进行比对；
模型判断单元，用于判断测试数据的输出是否到达预先设置的准确度阈值，若是，则得到训练好的钙化区域分类模型，若否，则继续训练钙化区域分类模型。
进一步的，本发明实施例提供的所述装置还包括：校正模块206，用于根据预设的校正规则对分类的冠脉血管的钙化区域进行判断，提取出分类的冠脉血管的钙化区域中的异常结果，对异常结果进行校正，得到校正后的分类的冠脉钙化区域；
具体的，作为一可选实施例，该校正模块包括：
形状判断单元，用于获取分类的冠脉血管的钙化区域的形状，判断获取的形状是否为星芒状，若是，则确定该分类的冠脉血管的钙化区域为非钙化区域；
校正信息获取单元，用于当分类的冠脉血管的钙化区域的形状不是星芒状时，获取冠脉血管的钙化区域的凸包率和体素数量；
校正判断单元，用于判断分类的冠脉血管的钙化区域的凸包率是否小于或等于预设的第二凸包率阈值，若是，则继续判断分类的冠脉血管的钙化区域的体素的数量是否大于或等于预设的第二数量阈值，若是，则确定冠脉血管的钙化区域为非钙化区域。
实施例三：
在上述实施例的基础上，本发明实施例提供了一种获取冠脉钙化区域分类的系统，如图4所示的是一种获取冠脉钙化区域分类的系统的结构示意图，该系统包括CT扫描仪301、数据接收装置302以及实施例二所述的获取冠脉钙化区域分类的装置303，其中，该数据接收装置分别与CT扫描仪、获取冠脉钙化区域分类的装置相连。
具体实现时，所述系统通过CT扫描仪获取CT信息，数据接收装置接收CT信息，获取冠脉钙化区域分类的装置通过接收到的信息选取冠脉钙化区域。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例提供的获取冠脉钙化区域分类的装置及系统，与上述实施例提供的获取冠脉钙化区域分类的方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例所提供的进行获取冠脉钙化区域分类的方法、装置及系统的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。
Claims (10)
1.一种获取冠脉钙化区域分类的方法，其特征在于，所述方法包括：
获取平扫电子计算机断层扫描CT信息，基于所述平扫CT的三维信息获取冠脉区域；
从获取的所述冠脉区域中，依据所述冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域；
获取所述疑似钙化区域的信息，判断所述疑似钙化区域的信息是否满足预设的条件，若满足预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的所述疑似钙化区域的信息，对切割后的所述疑似钙化区域的信息进行再判断，直到切割后的所述疑似钙化区域的信息不满足预设的条件；
依据所述疑似钙化区域的三维特征，对切割后的所述疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。
2.根据权利要求1所述的方法，其特征在于，在所述获取平扫电子计算机断层扫描CT信息后，在所述基于所述平扫CT信息的三维信息获取冠脉区域之前，所述方法还包括：
对获取的所述平扫CT信息进行处理，得到医学数字成像和通信DICOM格式数据，所述DICOM格式数据中包括每层切片的图像数据；
将所述每层切片的图像数据按顺序进行重叠，得到三维图像数据，获取所述三维图像数据的三维信息；
获取所述三维信息中的体素尺寸值以及窗宽、窗位；
将获取到的所述三维信息中的体素尺寸值调整到预设的体素尺寸值，获取调整体素尺寸值之后的所述三维图像数据的尺寸值；
按照预设的三维图像数据尺寸值，对调整体素尺寸值之后的所述三维图像数据的尺寸值进行调整；
调整经过三维图像数据尺寸值调整之后的所述三维图像数据的窗宽、窗位。
3.根据权利要求1所述的方法，其特征在于，所述从获取的所述冠脉区域中，依据所述冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域的步骤包括：
获取所述冠脉区域中的每一体素点，判断所述体素点的HU值是否满足预设HU阈值，如果满足，则标记所述体素点；
将相邻的标记的所述体素点依次进行连接，形成多个连通区域；
判断每一所述连通区域的体积是否满足所述体积阈值，若满足，则所述连通区域为所述疑似钙化区域。
4.根据权利要求1所述的方法，其特征在于，所述获取所述疑似钙化区域的信息，判断所述疑似钙化区域的信息是否满足预设的条件，若满足所述预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域的步骤包括：
获取所述疑似钙化区域的凸包率与体素点的数量；
判断所述疑似钙化区域的凸包率的值是否小于或等于预设的第一凸包率阈值，若是，则判断所述疑似钙化区域中体素点的数量是否大于或等于预设的第一数量阈值，若是，则确定所述疑似钙化区域满足预设的条件；
获取满足预设的条件的所述疑似钙化区域的质心，以所述质心为中心，沿着切片的平面方向对满足预设的条件的疑似钙化区域进行切割，切割成两块疑似钙化区域。
5.根据权利要求4所述的方法，其特征在于，所述依据所述疑似钙化区域的三维特征，对切割后的所述疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域的步骤包括：
提取切割后的所述疑似钙化区域的三维特征；
将提取的所述三维特征输入到训练好的钙化区域分类模型，得到分类的冠脉血管的钙化区域。
6.根据权利要求5所述的方法，其特征在于，所述钙化区域分类模型的训练过程包括：
建立钙化区域分类模型；
获取训练数据中钙化区域的三维特征，标记所述钙化区域的分类；
将所述三维特征作为所述钙化区域分类模型的输入，以所述三维特征对应的钙化区域的分类作为所述钙化区域分类模型的输出，对所述钙化区域分类模型进行训练；
获取测试数据，将所述测试数据中钙化区域的三维特征作为训练的所述钙化区域分类模型的输入，其输出与所述测试数据中钙化区域的分类进行比对；
判断所述测试数据的输出是否到达预先设置的准确度阈值，若是，则得到训练好的钙化区域分类模型，若否，则继续训练所述钙化区域分类模型。
7.根据权利要求1所述的方法，其特征在于，在得到分类的冠脉血管的钙化区域后，所述方法还包括：
根据预设的校正规则对所述分类的冠脉血管的钙化区域进行判断，提取出所述分类的冠脉血管的钙化区域中的异常结果，对所述异常结果进行校正，得到校正后的所述分类的冠脉钙化区域。
8.根据权利要求7所述的方法，其特征在于，所述根据预设的校正规则对所述分类的冠脉血管的钙化区域进行判断的步骤包括：
获取所述分类的冠脉血管的钙化区域的形状，判断获取的形状是否为星芒状，若是，则确定所述分类的冠脉血管的钙化区域为非钙化区域，若否，则获取所述分类的冠脉血管的钙化区域的凸包率和体素数量；
判断所述分类的冠脉血管的钙化区域的凸包率是否小于或等于预设的第二凸包率阈值，若是，则继续判断所述分类的冠脉血管的钙化区域的体素的数量是否大于或等于预设的第二数量阈值，若是，则确定所述冠脉血管的钙化区域为非钙化区域。
9.一种获取冠脉钙化区域分类的装置，其特征在于，所述装置包括：
获取模块，用于获取平扫电子计算机断层扫描CT信息，基于所述平扫CT信息的三维信息获取冠脉区域；
确定模块，用于从获取的所述冠脉区域中，依据所述冠脉区域中各体素点的亨氏单位HU值以及体积，选取满足预设HU阈值和体积阈值的体素点，得到疑似钙化区域；
判断切割模块，用于获取所述疑似钙化区域的信息，判断所述疑似钙化区域的信息是否满足预设的条件，若满足预设的条件，则对疑似钙化区域进行切割，得到切割后的疑似钙化区域，检测切割后的疑似钙化区域的信息，对所述切割后的疑似钙化区域的信息进行再判断，直到切割后的所述疑似钙化区域不满足预设的条件；
分类模块，用于依据所述疑似钙化区域的特征，对切割后的所述疑似钙化区域进行分类，得到分类的冠脉血管的钙化区域。
10.一种获取冠脉钙化区域分类的系统，其特征在于，所述系统包括CT扫描仪、数据接收装置以及权利要求9所述的获取冠脉钙化区域分类的装置；
其中，所述数据接收装置分别与所述CT扫描仪、所述获取冠脉钙化区域分类的装置相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811165587.6A CN109288536B (zh) | 2018-09-30 | 2018-09-30 | 获取冠脉钙化区域分类的方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811165587.6A CN109288536B (zh) | 2018-09-30 | 2018-09-30 | 获取冠脉钙化区域分类的方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109288536A true CN109288536A (zh) | 2019-02-01 |
| CN109288536B CN109288536B (zh) | 2021-01-29 |
Family
ID=65161777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811165587.6A Active CN109288536B (zh) | 2018-09-30 | 2018-09-30 | 获取冠脉钙化区域分类的方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109288536B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110021016A (zh) * | 2019-04-01 | 2019-07-16 | 数坤（北京）网络科技有限公司 | 一种钙化检测方法 |
| CN111145160A (zh) * | 2019-12-28 | 2020-05-12 | 上海联影医疗科技有限公司 | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 |
| CN111353996A (zh) * | 2020-04-08 | 2020-06-30 | 东软医疗系统股份有限公司 | 一种血管钙化检测方法及装置 |
| CN112288752A (zh) * | 2020-10-29 | 2021-01-29 | 中国医学科学院北京协和医院 | 一种基于胸部平扫ct的冠脉钙化灶全自动分割方法 |
| CN112712507A (zh) * | 2020-12-31 | 2021-04-27 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
| CN112927275A (zh) * | 2021-02-22 | 2021-06-08 | 北京安德医智科技有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
| CN113034491A (zh) * | 2021-04-16 | 2021-06-25 | 北京安德医智科技有限公司 | 一种冠脉钙化斑块检测方法及装置 |
| CN113077441A (zh) * | 2021-03-31 | 2021-07-06 | 上海联影智能医疗科技有限公司 | 冠脉钙化斑块分割方法和计算冠脉钙化积分的方法 |
| CN113295635A (zh) * | 2021-05-27 | 2021-08-24 | 河北先河环保科技股份有限公司 | 一种基于动态更新数据集的水质污染报警方法 |
| WO2021168517A1 (en) * | 2020-02-28 | 2021-09-02 | Artrya Pty Ltd | A method of and system for calcium scoring of coronary arteries |
| CN113610841A (zh) * | 2021-08-26 | 2021-11-05 | 首都医科大学宣武医院 | 一种血管异常图像识别方法、装置、电子设备和存储介质 |
| CN114126491A (zh) * | 2019-07-22 | 2022-03-01 | 西门子医疗有限公司 | 血管造影图像中的冠状动脉钙化的评估 |
| WO2023113358A1 (ko) * | 2021-12-15 | 2023-06-22 | 주식회사 메디튤립 | 컴퓨터 단층촬영 이미지 분석장치 및 이를 이용한 분석방법 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030165262A1 (en) * | 2002-02-21 | 2003-09-04 | The University Of Chicago | Detection of calcifications within a medical image |
| CN101853376A (zh) * | 2010-02-10 | 2010-10-06 | 西安理工大学 | 一种乳腺微钙化点计算机辅助检测方法 |
| CN101946263A (zh) * | 2008-02-13 | 2011-01-12 | 北欧生物科技成像公司 | 获得血管中钙化沉积不稳定性的定量度量的方法 |
| CN103337096A (zh) * | 2013-07-19 | 2013-10-02 | 东南大学 | 一种冠状动脉ct造影图像钙化点检测方法 |
| CN103582455A (zh) * | 2011-02-14 | 2014-02-12 | 罗切斯特大学 | 基于锥形束乳房ct图像的计算机辅助检测和诊断的方法和装置 |
| CN104091346A (zh) * | 2014-07-24 | 2014-10-08 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
| CN107798679A (zh) * | 2017-12-11 | 2018-03-13 | 福建师范大学 | 乳腺钼靶图像乳房区域分割与钙化点检测方法 |
| CN108171698A (zh) * | 2018-02-12 | 2018-06-15 | 数坤（北京）网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
-
2018
- 2018-09-30 CN CN201811165587.6A patent/CN109288536B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030165262A1 (en) * | 2002-02-21 | 2003-09-04 | The University Of Chicago | Detection of calcifications within a medical image |
| CN101946263A (zh) * | 2008-02-13 | 2011-01-12 | 北欧生物科技成像公司 | 获得血管中钙化沉积不稳定性的定量度量的方法 |
| CN101853376A (zh) * | 2010-02-10 | 2010-10-06 | 西安理工大学 | 一种乳腺微钙化点计算机辅助检测方法 |
| CN103582455A (zh) * | 2011-02-14 | 2014-02-12 | 罗切斯特大学 | 基于锥形束乳房ct图像的计算机辅助检测和诊断的方法和装置 |
| CN103337096A (zh) * | 2013-07-19 | 2013-10-02 | 东南大学 | 一种冠状动脉ct造影图像钙化点检测方法 |
| CN104091346A (zh) * | 2014-07-24 | 2014-10-08 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
| CN107798679A (zh) * | 2017-12-11 | 2018-03-13 | 福建师范大学 | 乳腺钼靶图像乳房区域分割与钙化点检测方法 |
| CN108171698A (zh) * | 2018-02-12 | 2018-06-15 | 数坤（北京）网络科技有限公司 | 一种自动检测人体心脏冠脉钙化斑块的方法 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110021016A (zh) * | 2019-04-01 | 2019-07-16 | 数坤（北京）网络科技有限公司 | 一种钙化检测方法 |
| CN114126491B (zh) * | 2019-07-22 | 2023-04-04 | 西门子医疗有限公司 | 血管造影图像中的冠状动脉钙化的评估 |
| CN114126491A (zh) * | 2019-07-22 | 2022-03-01 | 西门子医疗有限公司 | 血管造影图像中的冠状动脉钙化的评估 |
| US11931195B2 (en) | 2019-07-22 | 2024-03-19 | Siemens Healthineers Ag | Assessment of coronary artery calcification in angiographic images |
| CN111145160A (zh) * | 2019-12-28 | 2020-05-12 | 上海联影医疗科技有限公司 | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 |
| WO2021168517A1 (en) * | 2020-02-28 | 2021-09-02 | Artrya Pty Ltd | A method of and system for calcium scoring of coronary arteries |
| GB2608075B (en) * | 2020-02-28 | 2024-01-24 | Artrya Pty Ltd | A method of and system for calcium scoring of coronary arteries |
| GB2608075A (en) * | 2020-02-28 | 2022-12-21 | Artrya Pty Ltd | A method of and system for calcium scoring of coronary arteries |
| CN111353996B (zh) * | 2020-04-08 | 2024-03-01 | 东软医疗系统股份有限公司 | 一种血管钙化检测方法及装置 |
| US11836916B2 (en) * | 2020-04-08 | 2023-12-05 | Neusoft Medical Systems Co., Ltd. | Detecting vascular calcification |
| US20210319553A1 (en) * | 2020-04-08 | 2021-10-14 | Neusoft Medical Systems Co., Ltd. | Detecting vascular calcification |
| CN111353996A (zh) * | 2020-04-08 | 2020-06-30 | 东软医疗系统股份有限公司 | 一种血管钙化检测方法及装置 |
| CN112288752A (zh) * | 2020-10-29 | 2021-01-29 | 中国医学科学院北京协和医院 | 一种基于胸部平扫ct的冠脉钙化灶全自动分割方法 |
| CN112712507A (zh) * | 2020-12-31 | 2021-04-27 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
| CN112712507B (zh) * | 2020-12-31 | 2023-12-19 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
| CN112927275A (zh) * | 2021-02-22 | 2021-06-08 | 北京安德医智科技有限公司 | 一种图像处理方法及装置、电子设备和存储介质 |
| CN113077441A (zh) * | 2021-03-31 | 2021-07-06 | 上海联影智能医疗科技有限公司 | 冠脉钙化斑块分割方法和计算冠脉钙化积分的方法 |
| CN113034491A (zh) * | 2021-04-16 | 2021-06-25 | 北京安德医智科技有限公司 | 一种冠脉钙化斑块检测方法及装置 |
| CN113295635A (zh) * | 2021-05-27 | 2021-08-24 | 河北先河环保科技股份有限公司 | 一种基于动态更新数据集的水质污染报警方法 |
| CN113610841A (zh) * | 2021-08-26 | 2021-11-05 | 首都医科大学宣武医院 | 一种血管异常图像识别方法、装置、电子设备和存储介质 |
| WO2023113358A1 (ko) * | 2021-12-15 | 2023-06-22 | 주식회사 메디튤립 | 컴퓨터 단층촬영 이미지 분석장치 및 이를 이용한 분석방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109288536B (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109288536A (zh) | 获取冠脉钙化区域分类的方法、装置及系统 | |
| CN107437092B (zh) | 基于三维卷积神经网络的视网膜oct图像的分类方法 | |
| CN109389592A (zh) | 计算冠脉钙化积分的方法、装置及系统 | |
| Kim et al. | Machine-learning-based automatic identification of fetal abdominal circumference from ultrasound images | |
| CN112215117A (zh) | 一种基于宫颈细胞学图像的异常细胞识别方法及系统 | |
| CN109447169A (zh) | 图像处理方法及其模型的训练方法、装置和电子系统 | |
| CN109670429A (zh) | 一种基于实例分割的监控视频多目标人脸检测方法及系统 | |
| CN109671068B (zh) | 一种基于深度学习的腹部肌肉标注方法及装置 | |
| CN109308695A (zh) | 基于改进U-net卷积神经网络模型的癌细胞识别方法 | |
| CN106920229A (zh) | 图像模糊区域自动检测方法及系统 | |
| CN108875734A (zh) | 肝脏癌变定位方法、装置及存储介质 | |
| CN109685768A (zh) | 基于肺部ct序列的肺结节自动检测方法及系统 | |
| CN110310289A (zh) | 基于深度学习的肺部组织图像分割方法 | |
| CN107909572A (zh) | 基于图像增强的肺结节检测方法及系统 | |
| CN104182984B (zh) | 动态超声影像中的血管边缘形态快速自动采集方法及系统 | |
| CN109363699A (zh) | 一种乳腺影像病灶识别的方法及装置 | |
| CN104182755B (zh) | 基于塔形pca的乳腺钼靶x线图像块特征提取方法 | |
| CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
| CN104361357B (zh) | 基于图片内容分析的相片集分类系统及分类方法 | |
| CN109003269A (zh) | 一种能提高医生效率的医学影像病灶的标注提取方法 | |
| CN108378869A (zh) | 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统 | |
| CN109363697A (zh) | 一种乳腺影像病灶识别的方法及装置 | |
| CN109584223A (zh) | Ct图像中肺部血管分割方法 | |
| CN113034528B (zh) | 基于影像组学的靶区及危及器官勾画轮廓准确性检验方法 | |
| CN110264460A (zh) | 一种目标检测结果的鉴别方法、装置、设备及存储介质 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee after: Shukun (Beijing) Network Technology Co.,Ltd. Address before: Room 1801-156, 16 / F, building 1, yard 16, Guangshun South Street, Chaoyang District, Beijing Patentee before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230116 Address after: 200,030 Room 307, Area A, Floor 2, No.420 Fenglin Road, Xuhui District, Shanghai Patentee after: Shukun (Shanghai) Medical Technology Co.,Ltd. Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. |