CN109345606B - 心脏图像重建方法、装置、计算机设备和可读存储介质 - Google Patents

心脏图像重建方法、装置、计算机设备和可读存储介质 Download PDF

Info

Publication number
CN109345606B
CN109345606B CN201811133609.0A CN201811133609A CN109345606B CN 109345606 B CN109345606 B CN 109345606B CN 201811133609 A CN201811133609 A CN 201811133609A CN 109345606 B CN109345606 B CN 109345606B
Authority
CN
China
Prior art keywords
image
phase
optimal phase
calculating
region
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
Application number
CN201811133609.0A
Other languages
English (en)
Other versions
CN109345606A (zh
Inventor
王毅
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 United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201811133609.0A priority Critical patent/CN109345606B/zh
Publication of CN109345606A publication Critical patent/CN109345606A/zh
Priority to US16/437,006 priority patent/US11024062B2/en
Priority to US16/437,003 priority patent/US10950016B2/en
Priority to US17/202,308 priority patent/US11450038B2/en
Priority to US17/243,522 priority patent/US11288849B2/en
Priority to US17/326,374 priority patent/US11367228B2/en
Priority to US17/651,895 priority patent/US11688110B2/en
Priority to US17/933,469 priority patent/US11915347B2/en
Application granted granted Critical
Publication of CN109345606B publication Critical patent/CN109345606B/zh
Priority to US18/341,737 priority patent/US20230351649A1/en
Priority to US18/587,896 priority patent/US20240202995A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/404—Angiography

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种心脏图像重建方法、装置、计算机设备和计算机可读存储介质。等间隔的选取多个相位；根据所述多个相位对应的扫描数据进行重建得到所述多个相位对应的图像；根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数；根据所述多个相位的心脏运动参数，计算平均最佳相位；根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。上述方法准确的确定每个心动周期的最佳相位，更好的减少心脏运动所带来的伪影，进一步地提高图像的质量。

Description

心脏图像重建方法、装置、计算机设备和可读存储介质
技术领域
本申请涉及医学检测技术领域，特别是涉及一种心脏图像重建方法、装置、计算机设备和计算机可读存储介质。
背景技术
心脏重建是当前临床CT的常规扫描协议，冠脉血管显影的清晰与否是决定心脏重建图像质量的关键。由于心脏具有运动的生理特性，特别是右冠脉，在心脏协议扫描过程中运动的心脏非常容易产生运动伪影，从而导致重建的冠脉模糊，图像的质量不高从而影响诊断。
然而，目前常用的方法是在重建心脏图像时，选取心脏舒张期(75％相位)的数据进行重建，从理论上来说舒张期心脏的运动速度相对于其他相位的运动速度较慢，从而一定程度的减弱数据的不一致带来的影响，但75％相位重建并不适用于所有患者的心脏重建，因为患者的心率情况不尽相同，加上呼吸带来的影响，导致医生后期会离线重建许多相位的图像，通过繁琐的对比才能选出合适的相位进行诊断。
发明内容
基于此，有必要针对上述技术问题，提供一种能够自动选取心脏最佳相位并进行图像重建的心脏图像重建方法、装置、计算机设备和计算机可读存储介质。
一种心脏图像重建方法，所述方法包括：等间隔的选取多个相位；根据所述多个相位对应的扫描数据进行重建得到所述多个相位对应的图像；根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数；根据所述多个相位的心脏运动参数，计算平均最佳相位；根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。
在其中一个实施例中，所述根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像之后还包括：在各心动周期内选取平均最佳相位附近预设范围内的相位，并根据所述预设范围内的相位对应的扫描数据，重建得到所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像；根据所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像，计算各心动周期的最佳相位，并选取各心动周期的最佳相位对应的图像组成最佳相位图像序列。
在其中一个实施例中，所述根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数包括：根据相邻两相位对应的图像的像素值以及图像矩阵大小，计算相邻两相位图像的平均绝对差；根据相邻两相位图像像素值的平均绝对差，计算所各相位的运动参数。
在其中一个实施例中，所述根据相邻两相位对应的图像的像素值以及图像矩阵大小，计算相邻两采样相位图像的平均绝对差之前还包括：对所述多个相位对应的图像进行预处理，所述预处理包括：根据图像阈值对所述图像进行图像分割，消除与心脏运动不相关的区域，得到心脏运动相关区域图像。
在其中一个实施例中，所述根据相邻两采样相位图像的平均绝对差，计算所有采样相位的运动参数包括：获取采样相位图像与前一采样相位图像的平均绝对差，将其作为第一参数；获取采样相位图像与后一采样相位图像的平均绝对差，将其作为第二参数；将同一采样相位图像的第一参数与第二参数相加，得到相应采样相位的运动参数。
在其中一个实施例中，所述根据各相位的运动参数计算平均最佳相位包括：在心脏收缩期内，将所述心脏收缩期采样相位中运动参数最小的相位作为心脏收缩期平均最佳相位；在心脏舒张期内，将所述心脏舒张期采样相位中运动参数最小的相位作为心脏舒张期平均最佳相位。
在其中一个实施例中，所述根据所述多个相位的图像，计算多个相位的心脏运动参数包括：根据所述多个相位对应的图像、平均心率以及心率波动得到初始最佳相位图像序列；根据所述初始最佳相位图像序列提取感兴趣血管图像；根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数。
在其中一个实施例中，所述根据所述初始最佳相位图像序列提取感兴趣血管图像包括：根据所述初始最佳相位图像序列提取心室区域图像；根据所述心室区域图像计算造影剂阈值；根据所述心室区域图像以及所述造影剂阈值进行图像分割，得到造影剂区域图像；在所述造影剂区域图像中选取感兴趣血管图像。
在其中一个实施例中，所述根据所述初始最佳相位图像序列提取心室区域图像包括：根据所述初始最佳相位图像序列以及骨头阈值进行图像分割，得到骨头区域图像；对所述骨头区域图像在胸腔轴向进行最大密度投影，得到骨头区域图像的最大密度投影图像；根据骨头区域图像的最大密度投影图像计算得到胸腔轮廓边界；根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像。
在其中一个实施例中，所述根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像包括：根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到胸腔图像；根据胸腔图像计算连通域，选取像素数量最多的连通域内图像作为心室区域图像。
在其中一个实施例中，所述根据所述心室区域图像计算造影剂阈值包括：根据所述心室区域图像计算所述心室区域图像的梯度图像；将所述心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像；根据所述标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。
在其中一个实施例中，所述根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数包括：获取在所述感兴趣血管图像中选取的血管中心；根据多个采样相位的所述血管中心计算多个采样相位间的血管中心位移；获取多个采样相位间的采样间隔时间；计算多个采样相位间的血管中心位移与相应采样间隔时间的比值，将所述比值作为血管中心运动速度。根据所述多个相位间的血管中心运动速度，计算得到所述多个相位的运动参数。
在其中一个实施例中，所述根据所述多个相位的心脏运动参数，计算各心动周期的平均最佳相位包括：根据所述多个相位的运动参数，从所述多个相位中选取平均最佳相位；或根据所述多个相位的运动参数，通过插值计算得到所述多个相位以外的其他相位的运动参数，并从所述其他相位中选取平均最佳相位。
在其中一个实施例中，在所述平均最佳相位附近预设范围内的相位对应的图像中，选取最佳相位图像包括：根据所述平均最佳相位附近预设范围内的相位对应的图像，选取感兴趣区域图像；在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值；根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像；根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度；选取规则程度最大的感兴趣区域图像的相位作为最佳相位，所述最佳相位对应的图像为最佳相位图像。
在其中一个实施例中，所述在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值包括：对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像；选取所述突出目标物体的感兴趣区域图像的最大灰度值；将多个预设倍数的最大灰度值作为分割阈值。
在其中一个实施例中，所述根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像包括：将所述突出目标物体的感兴趣区域图像的灰度值大于分割阈值的图像作为图像。
在其中一个实施例中，所述根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度包括：根据多个感兴趣血管图像计算每一个感兴趣血管图像中目标物体的周长和面积；根据每一个感兴趣血管图像中目标物体的周长和面积计算相应感兴趣血管图像的紧密程度；根据感兴趣区域图像中每一个感兴趣血管图像的紧密程度计算相应感兴趣区域图像的规则程度。
一种心脏图像重建装置，所述装置包括：相位选取模块，用于等间隔的选取多个相位；第一重建模块，用于根据所述多个相位对应的扫描数据进行重建，得到所述多个相位对应的图像；心脏运动参数计算模块，用于根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数；平均最佳相位计算模块，用于根据所述多个相位的心脏运动参数，计算平均最佳相位；第二重建模块，用于根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一种所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种所述的方法的步骤。
上述心脏图像重建方法、装置、计算机设备和计算机可读存储介质，等间隔的在每个心动周期内选取多个采样数据，并得到相应的重建图像，再根据多个重建相位图像计算得到平均最佳相位。在每个心动周期内选取平均最佳相位附近预设范围内的相位数据计算每个心动周期的最佳相位数据，最终得到心脏最佳相位图像序列。上述方法能够准确的确定每个心动周期的最佳相位，更好的减少心脏运动所带来的伪影，进一步地提高图像的质量。
附图说明
图1为一个实施例中心脏图像重建方法的流程示意图；
图2为一个实施例中计算平均最佳相位的方法的流程示意图；
图3为一个实施例中计算平均最佳相位的方法的流程示意图；
图4为一个实施例中提取感兴趣血管图像的方法的流程示意图；
图5为一个实施例中提取心室区域图像的方法的流程示意图；
图6为一个实施例中计算造影剂阈值的方法的流程示意图；
图7为一个实施例中计算血管中心运动速度的方法的流程示意图；
图8为一个实施例中根据血管中心运动速度计算平均最佳相位的方法的流程示意图；
图9为一个实施例中得到心脏最佳相位图像序列的方法的流程示意图；
图10为一个实施例中计算每个心动周期的最佳相位数据的方法的流程示意图；
图11为一个实施例中计算分割阈值的方法的流程示意图；
图12为一个实施例中计算规则程度的方法的流程示意图；
图13为一个实施例中心脏图像重建装置的结构框图；
图14为一个实施例中计算机设备的内部结构图。
附图说明：相位选取模块100、第一重建模块200、心脏运动参数计算模块300、平均最佳相位计算模块400、第二重建模块500。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
计算机断层扫描设备(CT)通常包括机架、扫描床以及供医生操作的控制台。机架的一侧设置有球管，与球管相对的一侧设置有探测器。控制台为控制扫描的计算机设备，计算机设备还用于接收探测器采集到的扫描数据，并对数据进行处理重建，最终形成CT图像。在利用CT进行扫描时，患者躺在扫描床上，由扫描床将患者送入机架的孔径内，机架上设置的球管发出X射线，X射线穿过患者被探测器接收形成扫描数据，并将扫描数据传输给计算机设备，计算机设备对扫描数据进行初步处理以及图像重建得到CT图像。
在一个实施例中，如图1所示，提供了一种心脏图像重建方法，包括以下步骤：
步骤S102，等间隔的选取多个相位。
具体地，心电图(ECG)是指心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化，通过心电仪器从体表引出多种形式的电位变化的图形。相位表示心脏处于当前心动周期的位置。心脏的心电图可以被R波分成一个一个的周期，即为心动周期，若相位处于当前心动周期的45％左右，通常心脏处于收缩期，若相位处于当前心动周期的75％左右，通常心脏处于舒张期。其中R波的位置为心室舒张末期的位置。
CT在一段时间内连续进行扫描，并得到扫描数据。也就是一个心动周期内，每个相位都对应的有CT扫描采集到的数据，即在每个心动周期内1％-100％的100个相位中均有相应的数据。首先等间隔的选取多个相位。例如等间隔的选取10％，20％,30％,40％,50％,60％,70％，80％，90％,100％十个相位。
步骤S104，根据所述多个相位对应的扫描数据进行重建得到所述多个相位对应的图像。
具体地，根据等间隔的选取多个相位，重建得到多个相位数据相对应的多个相位对应的图像。例如，重建得到10％，20％,30％,40％,50％,60％,70％，80％，90％,100％十个相位对应的图像。由于CT心脏扫查一般需要得到心脏多个位置的多幅断层图像，因此每个相位对应的图像，可以该相位对应的特定位置的一幅图像，也可以是该相位对应的多个位置的多幅图像组成的图像序列。
步骤S106，根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数。
具体地，可以根据相邻两相位对应的图像以及图像矩阵大小，计算相邻两相位图像的平均绝对差。根据相邻两相位图像的平均绝对差，计算多个相位的心脏运动参数。还可以根据多个相位对应的图像、平均心率以及心率波动得到初始最佳相位图像序列；根据所述初始最佳相位图像序列提取感兴趣血管图像；根据所述感兴趣血管图像计算多个采样相位间的血管中心运动速度，将血管中心运动速度作为心脏运动参数。
步骤S108，根据所述多个相位的心脏运动参数，计算平均最佳相位。
具体地，根据所述采样相位的心脏运动参数计算平均最佳相位。还可以根据所述多个采样相位间的血管中心运动速度计算平均最佳相位。
步骤S110，根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。
具体的，根据所述平均最佳相位，从已经重建的所述多个相位对应的图像中选取平均最佳相位图像；或者根据所述平均最佳相位，选取平均最佳相位对应的扫描数据，根据所述平均最佳相位对应的扫描数据重建得到平均最佳相位图像。得到的平均最佳相位图像，可以是平均最佳相位对应的某一位置的图像，也可以是平均最佳相位对应的多个位置对应的图像组成的图像序列。
相比于现有技术选用一个预设相位重建得到图像，本实施例提供的方法能够根据每次病人扫描的具体情况，找到一个适用于本次重建出良好图像的平均最佳相位，得到的该相位的图像是具有较少的心脏运动伪影的较高图像的质量。
可选地，为了进一步减少运动伪影，提高图像质量，在以上实施例的基础上增加如下步骤：
步骤S112，在各心动周期内选取平均最佳相位附近预设范围内的相位，并根据所述预设范围内的相位对应的扫描数据，重建得到所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像。
可选地，所述预设范围可以是5％、10％、20％等。例如，在各心动周期内选取平均最佳相位附近10％范围内的相位，根据选择的相位对应的扫描数据，重建得到各心动周期内选取平均最佳相位附近10％范围内的相位对应的图像。
步骤S114，根据所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像，计算各心动周期的最佳相位，并选取各心动周期的最佳相位对应的图像组成最佳相位图像序列。
本实施例提供的方法，在得到平均最佳相位的基础上，进一步分别得到各心动周期的最佳相位，并选取各心动周期的最佳相位对应的图像组成最佳相位图像序列。最终的到的图像序列中各幅图像进一步减少了运动伪影，提高了图像质量。
在一个实施例中，如图2所示，提供了一种计算平均最佳相位的方法，包括以下步骤：
步骤S202，根据相邻两相位对应的图像的像素值以及图像矩阵大小，计算相邻两相位图像的平均绝对差。
具体地，计算相邻两相位图像的平均绝对差之前，对所述多个相位对应的图像进行预处理，预处理包括：根据图像阈值对采样相位图像进行图像分割，消除与心脏运动不相关的区域，得到心脏运动相关区域图像。
在一个实施例中，根据图像阈值对采样相位图像进行图像分割的可为：
Figure BDA0001814170050000081
其中，A为采样相位图像中像素点的灰度值；ConThre为图像阈值；A(i，j)为采样相位图像中坐标为(i，j)像素点的灰度值。
在一个实施例中，计算相邻两采样相位图像的平均绝对差的方程可为：
Figure BDA0001814170050000082
其中，A,B为相邻两采样相位的图像；A(i，j)为A图像中坐标为(i，j)像素点的灰度值；B(i，j)为B图像中坐标为(i，j)像素点的灰度值；Mm为图像矩阵大小；MAD(A,B)为A与B的平均绝对差。
步骤S204，根据相邻两相位图像像素值的平均绝对差，计算所各相位的运动参数。
具体地，获取采样相位图像与前一采样相位图像的平均绝对差，将其作为第一参数。获取采样相位图像与后一采样相位图像的平均绝对差，将其作为第二参数。将同一采样相位图像的第一参数与第二参数相加，得到相应采样相位的心脏运动参数。
在其中一个实施例中，计算采样相位的心脏运动参数的方程包括：
ΔM(Pl，k)＝MAD(Vk(Pl，i，j)，Vk(Pl-1，i，j))+MAD(Vk(Pl，i，j)，Vk(Pl+1，i，j))
其中，MAD(Vk(Pl，i，j)，Vk(Pl-1，i，j))为当前采样相位图像与前一采样相位图像的平均绝对差；MAD(Vk(Pl，i，j)，Vk(Pl+1，i，j))为当前采样相位图像与后一采样相位图像的平均绝对差，ΔM(Pl，k)为当前采样相位图像的心脏运动参数。
步骤S206，根据所述多个相位的心脏运动参数，计算平均最佳相位。
具体地，在心脏收缩期内，将所述心脏收缩期采样相位中心脏运动参数最小的相位作为心脏收缩期平均最佳相位；在心脏舒张期内，将所述心脏舒张期采样相位中心脏运动参数最小的相位作为心脏舒张期平均最佳相位。
在其中一个实施例中，计算心脏收缩期平均最佳相位的方程包括：
Figure BDA0001814170050000091
其中，PBasic1为心脏收缩期平均最佳相位；N为心脏收缩期采样相位的图像数量；(P1S≤Pl≤P1E)为心脏收缩期采样相位的范围。
在其中一个实施例中，计算心脏舒张期平均最佳相位的方程包括：
Figure BDA0001814170050000092
其中，PBasic2为心脏舒张期平均最佳相位；N为心脏舒张期采样相位的图像数量；(P2S≤Pl≤P2E)为心脏舒张期采样相位的范围。
上述计算平均最佳相位的方法，能够根据两两采样相位间的平均绝对差，计算相应采样相位的心脏运动参数，选取心脏运动参数最小的相位作为平均最佳相位。能够精准的确定平均最佳相位，保证心脏最佳相位的准确性。
在一个实施例中，如图3所示，提供了另一种计算平均最佳相位的方法，包括以下步骤：
步骤S302，根据所述多个相位对应的图像、平均心率以及心率波动得到初始最佳相位图像序列。
具体地，由于45％相位附近通常心脏处于收缩期，75％相位附近通常心脏处于舒张期，通常临床上经常使用上述两个相位作为重建相位。当平均心率平稳时75％相位附近的图像质量较好，当平均心率急促时45％相位附近图像质量较好。
步骤S304，根据所述初始最佳相位图像序列提取感兴趣血管图像。
具体地，根据选取到的初始最佳相位图像序列，首先在初始最佳相位图像序列中提取心室区域图像，再根据心室区域的图像计算造影剂阈值，利用造影剂阈值对心室区域图像进行分割，得到造影剂区域图像。最后，在造影剂区域图像中选取感兴趣血管图像。在医学成像技术领域，为了增强患者目标部位的成像效果，通常会向目标部位注射或服用造影剂。初始最佳相位图像序列为注射或服用造影剂后获得的图像序列。
步骤S306，根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数。
具体地，首先在感兴趣血管图像中选取血管中心，将多个采样相位中，相邻的两个采样相位的血管中心位置进行比较，得到多个采样相位中相邻采样相位血管中心位移，再获取多个采样相位件间，相邻采样间隔时间。将相邻采样相位血管中心位移除以相应采样间隔时间，得到血管中心运动速度。
上述计算平均最佳相位的方法，首先根据平均心率以及心率波动得到初始最佳相位，提取初始最佳相位图像的感兴趣区域，根据感兴趣血管图像计算多个采样相位间的血管中心运动速度，根据所述多个采样相位间的血管中心运动速度计算平均最佳相位。能够精准的确定平均最佳相位，保证心脏最佳相位的准确性。
在一个实施例中，如图4所示，提供了一种提取感兴趣血管图像的方法，包括以下步骤：
步骤S402，根据所述初始最佳相位图像序列提取心室区域图像。
具体地，根据平均心率以及心率波动在多个采样相位图像中选取的初始最佳相位图像序列，根据骨头阈值，选取大于骨头阈值的图像作为骨头区域图像。对骨头区域图像在胸腔的轴向进行最大密度投影，得到骨头区域图像的最大密度投影图像。其中最大密度投影为通过计算沿着患者目标部位每条射线上所遇到的最大密度像素而产生的。即当射线通过初始最佳相位图像序列时，图像中密度最大的像素被保留，并被投影到一个二维平面上，从而形成骨头区域图像的最大密度投影图像。根据骨头区域图像的最大密度投影图像，将骨头区域图像的最大密度投影图像对应不同的布尔值。根据不同布尔值的边界确定胸腔轮廓边界。在初始最佳相位图像序列中选取胸腔轮廓边界内的图像作为胸腔图像。再基于胸腔轮廓图像计算其连通域选取像素数量最多的连通域内图像作为心室区域图像。其中，连通域为复平面上的一个区域，如果在其中任做一条简单闭曲线，而闭曲线的内部总属于此区域，就称这个区域为连通域。
步骤S404，根据所述心室区域图像计算造影剂阈值。
具体地，根据心室区域图像计算心室区域图像的梯度图像。其中，图像处理中把梯度的模简称为梯度，由图像梯度构成的图像成为梯度图像。当图像中存在边缘时，一定有较大的梯度值，相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小。将梯度图像中所有像素点的灰度值进行统计，将心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像。在对标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。其中，大津算法一种对图像进行二值化的高效算法，利用阈值将原图像分成前景，背景两个图像。将得到的最佳分割阈值作为造影剂阈值。
步骤S406，根据所述心室区域图像以及所述造影剂阈值进行图像分割，得到造影剂区域图像。
具体地，利用造影剂阈值进行图像分割，将心室区域图像大于造影剂阈值的图像作为造影剂区域图像。
步骤S408，在所述造影剂区域图像中选取感兴趣血管图像。
具体地，右冠是临床上运动较其他血管明显的动脉血管，可以通过检测右冠个相位的运动情况反应心脏在该相位的运动情况。在造影剂区域图像中，选取位于心室左上半部分图像中，造影剂像素少并且血管外的CT值低的图像作为感兴趣血管图像。
上述提取感兴趣血管图像的方法，根据初始最佳相位图像序列选取心室区域图像，再根据新市区域图像计算造影剂阈值，利用造影剂阈值对心室区域图像进行图像分割得到造影剂区域图像，在造影剂区域图像中选取感兴趣的血管图像，能够准确的在初始最佳相位图像中确定右冠血管图像，进一步的使血管中心运动速度的计算更加的精准，使心脏的最佳相位的选取更加准确。
在一个实施例中，如图5所示，提供了一种提取心室区域图像的方法，包括以下步骤：
步骤S502，根据所述初始最佳相位图像序列以及骨头阈值进行图像分割，得到骨头区域图像。
具体地，根据平均心率以及心率波动在多个采样相位图像中选取的初始最佳相位图像序列，根据骨头阈值，选取大于骨头阈值的图像作为骨头区域图像。胸腔内骨骼的临床经验值一般为1500HU。也就是可以选取初始最佳相位图像序列大于1500HU的区域，作为骨头区域图像。
在一个实施例中，计算得到骨头区域图像的方程可为：
Figure BDA0001814170050000121
BoneImgSet＝BoneImgii＝1，2..ImgNum
其中，BoneImg为骨头区域图像，BoneThre为骨头阈值，OriImg为初始最佳相位图像序列，BoneImgSet为骨头区域图像序列。
步骤S504，对所述骨头区域图像在胸腔轴向进行最大密度投影，得到骨头区域图像的最大密度投影图像。
具体地，其中最大密度投影为通过计算沿着患者目标部位每条射线上所遇到的最大密度像素而产生的。即当光线通过初始最佳相位图像序列时，图像中密度最大的像素被保留，并被投影到一个二维平面上，从而形成骨头区域图像的最大密度投影图像。
在一个实施例中，计算得到骨头区域图像的表达式可为：
BoneMIPaxial＝MIP(BoneImgSet)
其中，BoneImgSet为骨头区域图像序列，MIP为最大密度投影运算，BoneMIPaxial为骨头区域图像的最大密度投影图像。
步骤S506，根据骨头区域图像的最大密度投影图像计算得到胸腔轮廓边界。
具体地，根据骨头区域图像的最大密度投影图像，将骨头区域图像的最大密度投影图像中心室区域的布尔值设置为1，将骨头区域图像的最大密度投影图像中非心室区域的布尔值设置为0。将布尔值1和布尔值0的边界作为胸腔轮廓边界。
在一个实施例中，根据骨头区域图像的最大密度投影图像的表达式可为：
Boundary＝CalBoundary(BomeMIPaxial)
其中，Boundary为布尔值，BoneMIPaxial为骨头区域图像的最大密度投影图像，CalBoundary为根据是否为心室区域将布尔值设置为1或将布尔值设置为0。
步骤S508，根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像。
具体地，根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到胸腔图像。根据胸腔图像计算连通域，选取像素数量最多的连通域内图像作为心室区域图像。
根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到胸腔图像。在初始最佳相位图像序列中选取胸腔轮廓边界内的图像作为胸腔图像。也就是在最佳相位图像序列中选取大于软组织阈值并且布尔值等于1的区域作为胸腔图像。
在一个实施例中，选取胸腔图像的公式为：
Figure BDA0001814170050000131
其中，MaskImg为胸腔图像，Boundary为布尔值，SoftTisThre为软组织阈值。
根据胸腔图像计算连通域，选取像素数量最多的连通域内图像作为心室区域图像。基于胸腔轮廓图像计算其连通域选取像素数量最多的连通域内图像作为心室区域图像。其中，连通域为复平面上的一个区域，如果在其中任做一条简单闭曲线，而闭曲线的内部总属于此区域，就称这个区域为连通域。
上述提取心室区域图像的方法，根据骨头阈值对初始相位图像进行图像分割得到骨头区域图像，再对骨头区域图像进行最大密度投影，得到骨头区域图像的最大密度投影。根据骨头区域图像的最大密度投影计算胸腔轮廓边界，选取胸腔轮廓边界内的图像作为胸腔图像，计算胸腔图像的连通域选取像素最多的连通域内图像作为心室图像，能够更加精确的计算到胸腔轮廓边界，进一步的能够更加准确的确定心室区域图像，使心脏位置的选取更加的精准。
在一个实施例中，如图6所示，提供了一种计算造影剂阈值的方法，包括以下步骤：
步骤S602，根据所述心室区域图像计算所述心室区域图像的梯度图像。
具体地，根据心室区域图像计算心室区域图像的梯度图像。其中，图像处理中把梯度的模简称为梯度，由图像梯度构成的图像成为梯度图像。当图像中存在边缘时，一定有较大的梯度值，相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小。优选的，利用Sobel算子进行梯度图像的计算。其中，Sobel算子是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度的近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量。
在一个实施例中，计算得到梯度图像的公式为：
Figure BDA0001814170050000141
Figure BDA0001814170050000142
其中，GradImg为梯度图像灰度值，HeartImg为心室区域图像，(x，y)为横坐标为x纵坐标为y的像素点的灰度值。
步骤S604，将所述心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像。
具体地，将梯度图像中所有像素点的灰度值进行统计，将大于比例阈值的图像作为标记图像。优选的，统计梯度图像中所有像素点的灰度值，并得到所有像素点的直方图，选取适当的比例灰度值，将该比例作为比例阈值，选取大于此比例阈值所处的灰度值，作为标记图像。
在一个实施例中，计算得到标记图像的公式为：
Figure BDA0001814170050000151
其中，MarkerImg为标记图像，GradImg为梯度图像灰度值，HeartImg为心室区域图像。
步骤S606，根据所述标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。
具体地，对标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。其中，大津算法是一种对图像进行二值化的高效算法，利用阈值将原图像分成前景，背景两个图像。将得到的最佳分割阈值作为造影剂阈值。
在一个实施例中，计算得到造影剂阈值的表达式为：
ContrastThre＝Otsuthresh(MarkerImg)
其中，ContrastThre为造影剂阈值，MarkerImg为标记图像，Otsuthresh为大津算法。
上述计算造影剂阈值的方法，首先计算心室区域图像的梯度图像，将心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像，根据标记图像各像素点的灰度值，利用大津算法计算得到造影剂阈值。能够对不同浓度计量的造影剂，准确计算出造影剂阈值，进一步的用计算得到的造影剂阈值对图像进行分割，能够更精准的获取造影剂区域图像。
在一个实施例中，提供一种根据心室区域图像和造影剂阈值获得感兴趣血管图像的方法，包括以下步骤：
步骤S608,根据心室区域图像以及造影剂阈值进行图像分割，得到造影剂区域图像。
在一个实施例中，根据心室区域图像以及造影剂阈值进行图像分割得到造影剂区域图像的公式如下：
Figure BDA0001814170050000161
其中，ContrastImg表示造影剂区域图像，HeartImg表示心室区域图像，ContrstThre表示造影剂阈值。
步骤S610，获取在所述造影剂区域图像中选取的感兴趣血管图像。
在一个实施例中，提取心脏右冠脉图像作为感兴趣血管图像。因为右冠脉是临床上运动较其它血管较明显的动脉血管，可以通过检测右冠脉各相位的运动情况反映心脏在该相位的运动情况。右冠脉一般有如下特征：位置位于心室的左上半部分；含造影剂像素数较小；血管外部的CT值较低。可以提取同时满足上述特点的造影剂连通域作为感兴趣血管图像。
在一个实施例中，如图7所示，提供了一种计算血管中心运动参数的方法，包括以下步骤：
步骤S702，获取在感兴趣血管图像中选取的血管中心。
具体地，在感兴趣血管图像中选取血管中心。
在一个实施例中，计算得到血管中心的表达式为：
Figure BDA0001814170050000162
n＝1,2……10
p＝10％，20％，……100％
其中，vessallmg为感兴趣血管图像，x(pp(n))为血管中心的横坐标，y(pp(n))为血管中心的纵坐标，p为采样相位，n为第n个采样相位。
步骤S704，根据多个采样相位的血管中心计算多个采样相位间的血管中心位移。
具体地，根据相邻采样相位间的血管中心计算多个采样相位间的血管中心位移。
在一个实施例中，计算得到血管中心位移的公式为：
Figure BDA0001814170050000171
n＝1,2……10
p＝10％，20％，……100％
其中，Displacement为血管中心位移，x(pp(n))为血管中心的横坐标，y(pp(n))为血管中心的纵坐标，p为采样相位，n为第n个采样相位。
步骤S706，获取多个采样相位间的采样间隔时间。
具体地，由于心脏的跳动频率不同，而等间隔采样是在每个心动周期内采样的步调相等，因此各采样相位间的采样间隔时间是不相等的，因此需要通过每个心动周期的瞬时时间以及参考心动周期时间计算采样间隔时间。
在一个实施例中，计算得到采样间隔时间的公式为：
RRfrac＝delay(RRinst，Pp(n))-delay(RRinst，Pp(n-1))
Figure BDA0001814170050000172
PD＝round(Pp×C(Pp))
DO＝round[RRref×(Pp/100)×(1-C(Pp))]
C(Pp)＝1-(Pp/100)2
其中，RRfrac为采样间隔时间，RRinst瞬时心动周期时间，RRref为参考心动周期时间，p为采样相位。
步骤S708，计算多个采样相位间的血管中心位移与相应采样间隔时间的比值，将比值作为血管中心运动速度。
在一个实施例中，计算得到血管中心运动速度的公式为：
Velocityn＝Displacementn/RRfrac
其中，Displacement为血管中心位移，RRfrac为采样间隔时间，Velocity为血管中心运动速度，n为第n个采样相位。
步骤S710，根据所述多个相位间的血管中心运动速度，计算得到所述多个相位的运动参数。
具体地，可以根据所述多个相位的运动参数，从所述多个相位中选取平均最佳相位。也可以根据所述多个相位的运动参数，通过插值计算得到所述多个相位以外的其他相位的运动参数，并从所述其他相位中选取平均最佳相位。
上述计算血管中心运动参数的方法，首先选取感兴趣血管图像中的血管中心，再根据多个采样相位间的血管中心计算多个采样相位间的血管中心位移，获取多个采样相位间的采样时间间隔，计算多个采样相位间的血管中心位移与相应采样间隔时间的比值得到血管中心运动速度。能够准确的计算相邻采样相位间的血管中心运动参数，从而准确的选取运动幅度最小的采样相位。
在一个实施例中，如图8所示，提供了一种根据血管中心运动速度计算平均最佳相位的方法，包括以下步骤：
步骤S802，根据多个采样相位间的血管中心运动速度与采样相位数据占所有相位数据的比例进行加权运算，得到多个采样相位间的加权运动速度。
具体地，加权运动速度越大，相应采样间隔的运动情况越稳定。
在一个实施例中，计算得到加权运动速度的表达式为：
Velocityn w＝weightn*(max(Velocityn)±min(Velocityn)-Velocityn)
其中，Velocityn w为加权运动速度，Weight为采样相位数据占所有相位数据的比例，Velocity为血管中心运动速度。
步骤S804，对加权运动速度利用二阶可导的样条插值法计算得到所有相位的运动参数。
具体地，插值法又称“内插法”，是利用函数在某区间中已知的若干点的函数值，作出适当的特定函数，在区间的其他点上用这特定函数的值作为函数的近似值，这种方法称为插值法。
在一个实施例中，计算得到运动参数的公式为：
V＝interp1(Velocityn w，x，xi，′spline′)，
x＝(Pp(n)-Pp(n-1))/2，xi＝[x(1)：1：x(end)]
其中，V为运动参数，interp1()表示1维插值运算,n表示第n个采样相位，w表示权重，x表示采样相位，xi表示插值后的采样相位，spline’表示使用足样条法插值。
步骤S806，选取运动参数最大的相位作为平均最佳相位。
具体地，根据计算得到的所有相位的运动参数，在所有相位的运动参数中选取运动参数最大的相位作为平均最佳相位。
上述计算平均最佳相位的方法，首先计算多个采样相位间的加权运动速度，再对加权运动速度利用二阶可导的样条插值法计算得到所有相位的运动参数，选取运动参数最大的相位作为平均最佳相位。能够根据心脏的运动情况准确的选取运动最为平缓的相位作为平均最佳相位。
在一个实施例中，如图9所示，提供了一种得到心脏最佳相位图像序列的方法，包括以下步骤：
步骤S902，在每个心动周期内选取平均最佳相位附近预设范围内的相位数据，并重建得到预设范围内的相位图像。
具体地，由于患者的心脏运动情况各不相同，每个患者在一段时间内，对于每个心动周期，其最佳相位不一致，因此就需要在平均最佳相位的基础上进一步的得到每个患者每个心动周期的最佳相位。在平均相位的基础上，首先在每个心动周期内选择平均最佳相位附近预设范围内的相位数据，并根据相位数据生成相应的相位图像。可选地，预设范围可以为2％、5％、10％等。也就是选取每个心动周期平均最佳相位附近10％的相位，并生成相应相位的相位图像。
步骤S904，根据所述预设范围内的相位图像计算每个心动周期的最佳相位数据。
具体地，根据预设范围内的相位图像选取感兴趣区域图像。对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像。选取突出目标物体的感兴趣区域图像的最大灰度值。将多个预设倍数的最大灰度值作为分割阈值。将突出目标物体的感兴趣区域图像的灰度值大于分割阈值的图像作为相应分割阈值的分割图像。根据多个分割图像计算每一个分割图像中血管的周长和面积。根据每一个分割图像中目标物体的周长和面积计算相应分割图像的紧密程度。根据感兴趣区域图像中每一个分割图像的紧密程度计算相应感兴趣区域图像的规则程度。选取规则程度最大的感兴趣区域图像的相位数据作为每个心动周期的最佳相位数据。
步骤S906，根据每个心动周期的最佳相位数据重建图像得到心脏最佳相位图像序列。
具体地，得到心脏最佳相位图像序列可以为，将每个心动周期的最佳相位数据进行重建，得到心脏最佳相位图像序列。也可以为根据每个心动周期的最佳相位数据，在已经重建完成的各相位图像中选取相应心动周期的心脏最佳相位图像，组成心脏最佳相位图像序列。
上述得到心脏最佳相位图像序列的方法，在每个心动周期内选取平均最佳相位附近预设范围内的相位数据计算每个心动周期的最佳相位数据，最终得到心脏最佳相位图像序列。上述方法能够准确的确定每个心动周期的最佳相位，更好的减少心脏运动所带来的伪影，进一步地提高图像的质量。
在一个实施例中，如图10所示，提供了一种计算每个心动周期的最佳相位数据的方法，包括以下步骤：
步骤S1001，根据所述平均最佳相位附近预设范围内的相位对应的图像，选取感兴趣区域图像。
具体地，对于预设范围内的相位图像，其背景大部分是相同的，因此对与整个选取的预设范围内的相位图像序列来说冗余信息过多。也就是需要提取特定的感兴趣的区域进行分析。选取预设范围内的每一个相位图像中，选取血管中心为中心点，再选取中心点周围R*R的邻域矩阵作为感兴趣区域图像。
在一个实施例中，计算得到感兴趣图像区域的公式为：
Figure BDA0001814170050000201
其中，Iroi为感兴趣区域图像，Xcen为血管中线点的横坐标，Ycen为血管中心点的纵坐标，R为邻域矩阵选取边长。
步骤S1002，在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值。
具体地，对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像。选取突出目标物体的感兴趣区域图像的最大灰度值。将多个预设倍数的最大灰度值作为分割阈值。
步骤S1003，根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像。
具体地，将突出目标物体的感兴趣区域图像的灰度值大于分割阈值的图像作为相应分割阈值的分割图像。对顶帽变换后的突出目标物体的感兴趣区域图像用分割阈值进行分割，得到相应分割阈值的分割图像。利用多个分割阈值进行分割，就会得到多个分割图像。优选的，用第一分割阈值对突出目标物体的感兴趣区域图像进行分割，将突出目标物体的感兴趣区域图像中像素点灰度值大于第一分割阈值的区域作为第一分割阈图像；用第二分割阈值对突出目标物体的感兴趣区域图像进行分割，将突出目标物体的感兴趣区域图像中像素点灰度值大于第二分割阈值的区域作为第二分割阈图像；用第三分割阈值对突出目标物体的感兴趣区域图像进行分割，将突出目标物体的感兴趣区域图像中像素点灰度值大于第三分割阈值的区域作为第三分割阈图像；用第四分割阈值对突出目标物体的感兴趣区域图像进行分割，将突出目标物体的感兴趣区域图像中像素点灰度值大于第四分割阈值的区域作为第四分割阈图像。
步骤S1004，根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度。
具体地，根据多个分割图像计算每一个分割图像中目标物体的周长和面积；根据每一个分割图像中目标物体的周长和面积计算相应分割图像的紧密程度；根据感兴趣区域图像中每一个分割图像的紧密程度计算相应感兴趣区域图像的规则程度。
步骤S1005，选取规则程度最大的感兴趣区域图像的相位作为最佳相位，所述最佳相位对应的图像为最佳相位图像。
具体地，对每个心动周期预设范围内的所有感兴趣区域图像计算规则程度，并将预设范围内的所有感兴趣区域图像的规则程度进行比较，得到规则程度的最大值，将规则程度最大值对应的相位的相位数据作为当前心动周期的最佳相位数据。选取每个心动周期的最佳相位数据。
上述计算每个心动周期的最佳相位数据的方法，选取预设范围内相位图像中的感兴趣区域图像，并进行顶帽变换，突出感兴趣区域图像中的目标物体。再统计感兴趣区域图像中像素点灰度值的最大值，根据灰度最大值得到多个分割阈值，根据多个分割阈值对感兴趣区域图像进行分割得到多个分割图像，分别计算每个分割图像中目标物体的周长和面积，通过每一个分割图像的周长和面积计算相应分割图像的紧密程度。基于一个感兴趣区域图像中的多个分割图像的紧密程度，计算得到感兴趣区域图像的规则程度，将规则程度最大的相位数据作为每个心动周期的最佳相位数据。根据图像的规则程度，能够更好的判断心脏的最佳相位，并基于最佳相位得到心脏最佳相位的图像。
在一个实施例中，如图11所示，提供了一种计算分割阈值的方法，包括以下步骤：
步骤S1101，对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像。
具体地，顶帽变换是一种图像处理方法，将图像中的背景减弱，使目标物体更加的突出。也就是对感兴趣区域图像进行顶帽变换，使感兴趣区域图像中的目标物体更加的突出，其中目标物体为血管，通过对感兴趣区域图像进行顶帽变换后能够减弱背景，使血管显示的更加清晰。
步骤S1102，选取所述突出目标物体的感兴趣区域图像的最大灰度值。
具体地，对顶帽变换后的感兴趣区域图像提取所有像素点的灰度值，并将所有像素点的灰度值进行比较，得到所有灰度值中的最大值。
步骤S1103，将多个预设倍数的最大灰度值作为分割阈值。
具体地，将最大灰度值的预设倍数作为分割阈值，设置多个预设倍数就会得到多个分割阈值。设置的预设倍数应该是0到1之间的数。可选地，可以设置多个不同的预设倍数作为分割阈值，能更好的分割出影响运动伪影的血管。
上述计算分割阈值的方法，根据感兴趣区域图像的最大灰度值，根据预设倍数的最大灰度值，得到多个分割阈值，根据不同的分割阈值分割图像得到多个分割图像。能够精准的确定最大灰度值，使图像的分割更加的精准。
在一个实施例中，如图12所示，提供了一种计算规则程度的方法，包括以下步骤：
步骤S1201，根据多个感兴趣血管图像计算每一个感兴趣血管图像中目标物体的周长和面积。
具体地，根据得到的多个分割图像，分别计算每一个分割图像中目标物体的周长和面积，也就是分别计算每一个分割图像中血管的周长和面积。
步骤S1202，根据每一个感兴趣血管图像中目标物体的周长和面积计算相应感兴趣血管图像的紧密程度。
具体地，在一个实施例中，计算得到紧密程度的公式为：
Figure BDA0001814170050000231
其中，Compatness为紧密程度，Li为第i个分割图像中目标物体的周长；Si为第i个分割图像中目标物体的面积。
步骤S1203，根据感兴趣区域图像中每一个感兴趣血管图像的紧密程度计算相应感兴趣区域图像的规则程度。
具体地，在一个实施例中，计算得到规则程度的公式为：
Figure BDA0001814170050000232
其中，ConIndex为规则程度，Compatness为紧密程度，i为第i个分割图像；N＝为多个预设倍数。
上述计算规则程度的方法，能够更加精确的计算感兴趣区域图像的规则程度，从而准确的确定心脏最佳相位，并基于最佳相位得到心脏最佳相位的图像。
上述计算最佳相位数据的方法，选取预设范围内相位图像中的感兴趣区域图像，并进行顶帽变换，突出感兴趣区域图像中的目标物体。再统计感兴趣区域图像中像素点灰度值的最大值，根据灰度最大值得到多个分割阈值，根据多个分割阈值对感兴趣区域图像进行分割得到多个分割图像，分别计算每个分割图像中目标物体的周长和面积，通过每一个分割图像的周长和面积计算相应分割图像的紧密程度。基于一个感兴趣区域图像中的多个分割图像的紧密程度，计算得到感兴趣区域图像的规则程度，将规则程度最大的相位数据作为每个心动周期的最佳相位数据。根据图像的规则程度，能够更好的判断心脏的最佳相位，并基于最佳相位得到心脏最佳相位的图像。
上述心脏图像重建方法，相对于传统的最佳相位确定方法，其准确率更高，并且不依赖于人工感兴趣区域的选取，可以主动识别感兴趣血管图像。并且传统的最佳相位确定是统一对所有心动周期选取一个最佳相位，相对于每个心动周期来说，其最佳相位的选择并不是最准确的。而本方法能够分别计算每个心动周期的最佳相位，对于心率不稳定的患者，能够更好的得到每个心动周期的最佳成像相位。而且本方法对采集设备的要求低，对于扫描条件以及采集条件不理想的数据，也能够选取最佳的成像相位，提高图像的显影质量，从而能够弥补低配设备、扫描条件差以及患者自身移动所造成的影响。
应该理解的是，虽然图1-12的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-12中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图13所示，提供了一种心脏图像重建装置的结构框图，包括：相位选取模块100、第一重建模块200、心脏运动参数计算模块300、平均最佳相位计算模块400以及第二重建模块500。
相位选取模块100，用于等间隔的选取多个相位；
第一重建模块200，用于根据所述多个相位对应的扫描数据进行重建，得到所述多个相位对应的图像；
心脏运动参数计算模块300，用于根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数；
平均最佳相位计算模块400，用于根据所述多个相位的心脏运动参数，计算平均最佳相位；
第二重建模块500，用于根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。
关于心脏图像重建装置的具体限定可以参见上文中对于心脏图像重建方法的限定，在此不再赘述。上述心脏图像重建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种心脏图像重建方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
等间隔的选取多个相位。根据所述多个相位对应的扫描数据进行重建得到所述多个相位对应的图像。根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数。根据所述多个相位的心脏运动参数，计算平均最佳相位。根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。在各心动周期内选取平均最佳相位附近预设范围内的相位，并根据所述预设范围内的相位对应的扫描数据，重建得到所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像。根据所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像，计算各心动周期的最佳相位，并选取各心动周期的最佳相位对应的图像组成最佳相位图像序列。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据相邻两相位对应的图像的像素值以及图像矩阵大小，计算相邻两相位图像的平均绝对差。根据相邻两相位图像像素值的平均绝对差，计算所各相位的运动参数。根据所述多个相位的心脏运动参数，计算平均最佳相位。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述多个相位对应的图像、平均心率以及心率波动得到初始最佳相位图像序列。根据所述初始最佳相位图像序列提取感兴趣血管图像。根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述初始最佳相位图像序列提取心室区域图像。根据所述心室区域图像计算造影剂阈值。根据所述心室区域图像以及所述造影剂阈值进行图像分割，得到造影剂区域图像。在所述造影剂区域图像中选取感兴趣血管图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述初始最佳相位图像序列以及骨头阈值进行图像分割，得到骨头区域图像。对所述骨头区域图像在胸腔轴向进行最大密度投影，得到骨头区域图像的最大密度投影图像。根据骨头区域图像的最大密度投影图像计算得到胸腔轮廓边界。根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述心室区域图像计算所述心室区域图像的梯度图像。将所述心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像。根据所述标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。根据心室区域图像以及造影剂阈值进行图像分割，得到造影剂区域图像。获取在所述造影剂区域图像中选取的感兴趣血管图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取在感兴趣血管图像中选取的血管中心。根据多个采样相位的血管中心计算多个采样相位间的血管中心位移。获取多个采样相位间的采样间隔时间。计算多个采样相位间的血管中心位移与相应采样间隔时间的比值，将比值作为血管中心运动速度。根据所述多个相位间的血管中心运动速度，计算得到所述多个相位的运动参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据多个采样相位间的血管中心运动速度与采样相位数据占所有相位数据的比例进行加权运算，得到多个采样相位间的加权运动速度。对加权运动速度利用二阶可导的样条插值法计算得到所有相位的运动参数。选取运动参数最大的相位作为平均最佳相位。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
在每个心动周期内选取平均最佳相位附近预设范围内的相位数据，并重建得到预设范围内的相位图像。根据所述预设范围内的相位图像计算每个心动周期的最佳相位数据。根据每个心动周期的最佳相位数据重建图像得到心脏最佳相位图像序列。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述平均最佳相位附近预设范围内的相位对应的图像，选取感兴趣区域图像。在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值。根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像。根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度。选取规则程度最大的感兴趣区域图像的相位作为最佳相位，所述最佳相位对应的图像为最佳相位图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像。选取所述突出目标物体的感兴趣区域图像的最大灰度值。将多个预设倍数的最大灰度值作为分割阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据多个感兴趣血管图像计算每一个感兴趣血管图像中目标物体的周长和面积。根据每一个感兴趣血管图像中目标物体的周长和面积计算相应感兴趣血管图像的紧密程度。根据感兴趣区域图像中每一个感兴趣血管图像的紧密程度计算相应感兴趣区域图像的规则程度。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
等间隔的选取多个相位。根据所述多个相位对应的扫描数据进行重建得到所述多个相位对应的图像。根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数。根据所述多个相位的心脏运动参数，计算平均最佳相位。根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。在各心动周期内选取平均最佳相位附近预设范围内的相位，并根据所述预设范围内的相位对应的扫描数据，重建得到所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像。根据所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像，计算各心动周期的最佳相位，并选取各心动周期的最佳相位对应的图像组成最佳相位图像序列。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据相邻两相位对应的图像的像素值以及图像矩阵大小，计算相邻两相位图像的平均绝对差。根据相邻两相位图像像素值的平均绝对差，计算所各相位的运动参数。根据所述多个相位的心脏运动参数，计算平均最佳相位。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述多个相位对应的图像、平均心率以及心率波动得到初始最佳相位图像序列。根据所述初始最佳相位图像序列提取感兴趣血管图像。根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述初始最佳相位图像序列提取心室区域图像。根据所述心室区域图像计算造影剂阈值。根据所述心室区域图像以及所述造影剂阈值进行图像分割，得到造影剂区域图像。在所述造影剂区域图像中选取感兴趣血管图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述初始最佳相位图像序列以及骨头阈值进行图像分割，得到骨头区域图像。对所述骨头区域图像在胸腔轴向进行最大密度投影，得到骨头区域图像的最大密度投影图像。根据骨头区域图像的最大密度投影图像计算得到胸腔轮廓边界。根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述心室区域图像计算所述心室区域图像的梯度图像。将所述心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像。根据所述标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。根据心室区域图像以及造影剂阈值进行图像分割，得到造影剂区域图像。获取在所述造影剂区域图像中选取的感兴趣血管图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取在感兴趣血管图像中选取的血管中心。根据多个采样相位的血管中心计算多个采样相位间的血管中心位移。获取多个采样相位间的采样间隔时间。计算多个采样相位间的血管中心位移与相应采样间隔时间的比值，将比值作为血管中心运动速度。根据所述多个相位间的血管中心运动速度，计算得到所述多个相位的运动参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据多个采样相位间的血管中心运动速度与采样相位数据占所有相位数据的比例进行加权运算，得到多个采样相位间的加权运动速度。对加权运动速度利用二阶可导的样条插值法计算得到所有相位的运动参数。选取运动参数最大的相位作为平均最佳相位。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在每个心动周期内选取平均最佳相位附近预设范围内的相位数据，并重建得到预设范围内的相位图像。根据所述预设范围内的相位图像计算每个心动周期的最佳相位数据。根据每个心动周期的最佳相位数据重建图像得到心脏最佳相位图像序列。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述平均最佳相位附近预设范围内的相位对应的图像，选取感兴趣区域图像。在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值。根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像。根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度。选取规则程度最大的感兴趣区域图像的相位作为最佳相位，所述最佳相位对应的图像为最佳相位图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像。选取所述突出目标物体的感兴趣区域图像的最大灰度值。将多个预设倍数的最大灰度值作为分割阈值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据多个感兴趣血管图像计算每一个感兴趣血管图像中目标物体的周长和面积。根据每一个感兴趣血管图像中目标物体的周长和面积计算相应感兴趣血管图像的紧密程度。根据感兴趣区域图像中每一个感兴趣血管图像的紧密程度计算相应感兴趣区域图像的规则程度。
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，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (16)

1.一种心脏图像重建方法，其特征在于，所述方法包括：
等间隔的选取多个相位；
根据所述多个相位对应的扫描数据进行重建得到所述多个相位对应的图像；
根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数；
根据所述多个相位的心脏运动参数，计算平均最佳相位；
根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像之后还包括：
在各心动周期内选取平均最佳相位附近预设范围内的相位，并根据所述预设范围内的相位对应的扫描数据，重建得到所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像；
根据所述各心动周期的平均最佳相位附近预设范围内的相位对应的图像，计算各心动周期的最佳相位，并选取各心动周期的最佳相位对应的图像组成最佳相位图像序列。
3.根据权利要求1所述的方法，其特征在于，所述根据所述多个相位的图像，计算多个相位的心脏运动参数包括：
根据所述多个相位对应的图像、平均心率以及心率波动得到初始最佳相位图像序列；
根据所述初始最佳相位图像序列提取感兴趣血管图像；
根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述初始最佳相位图像序列提取感兴趣血管图像包括：
根据所述初始最佳相位图像序列提取心室区域图像；
根据所述心室区域图像计算造影剂阈值；
根据所述心室区域图像以及所述造影剂阈值进行图像分割，得到造影剂区域图像；
在所述造影剂区域图像中选取感兴趣血管图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述初始最佳相位图像序列提取心室区域图像包括：
根据所述初始最佳相位图像序列以及骨头阈值进行图像分割，得到骨头区域图像；
对所述骨头区域图像在胸腔轴向进行最大密度投影，得到骨头区域图像的最大密度投影图像；
根据骨头区域图像的最大密度投影图像计算得到胸腔轮廓边界；
根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像。
6.根据权利要求5所述的方法，其特征在于，所述根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到心室区域图像包括：
根据所述初始最佳相位图像序列以及胸腔轮廓边界，得到胸腔图像；
根据胸腔图像计算连通域，选取像素数量最多的连通域内图像作为心室区域图像。
7.根据权利要求4所述的方法，其特征在于，所述根据所述心室区域图像计算造影剂阈值包括：
根据所述心室区域图像计算所述心室区域图像的梯度图像；
将所述心室区域图像中相应位置的梯度图像灰度值大于比例阈值的心室区域图像作为标记图像；
根据所述标记图像各像素点的灰度值，利用大津算法计算造影剂阈值。
8.根据权利要求3所述的方法，其特征在于，所述根据所述感兴趣血管图像计算所述多个采样相位间的心脏运动参数包括：
获取在所述感兴趣血管图像中选取的血管中心；
根据多个采样相位的所述血管中心计算多个采样相位间的血管中心位移；
获取多个采样相位间的采样间隔时间；
计算多个采样相位间的血管中心位移与相应采样间隔时间的比值，将所述比值作为血管中心运动速度；
根据所述多个相位间的血管中心运动速度，计算得到所述多个相位的运动参数。
9.根据权利要求8所述的方法，其特征在于，所述根据所述多个相位的心脏运动参数，计算各心动周期的平均最佳相位包括：
根据所述多个相位的运动参数，从所述多个相位中选取平均最佳相位；或
根据所述多个相位的运动参数，通过插值计算得到所述多个相位以外的其他相位的运动参数，并从所述其他相位中选取平均最佳相位。
10.根据权利要求2所述的方法，其特征在于，在所述平均最佳相位附近预设范围内的相位对应的图像中，选取最佳相位图像包括：
根据所述平均最佳相位附近预设范围内的相位对应的图像，选取感兴趣区域图像；
在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值；
根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像；
根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度；
选取规则程度最大的感兴趣区域图像的相位作为最佳相位，所述最佳相位对应的图像为最佳相位图像。
11.根据权利要求10所述的方法，其特征在于，所述在感兴趣区域图像中选取最大灰度值的预设倍数作为分割阈值包括：
对感兴趣区域图像做顶帽变换得到突出目标物体的感兴趣区域图像；
选取所述突出目标物体的感兴趣区域图像的最大灰度值；
将多个预设倍数的最大灰度值作为分割阈值。
12.根据权利要求11所述的方法，其特征在于，所述根据所述感兴趣区域图像以及分割阈值，得到感兴趣血管图像包括：
将所述突出目标物体的感兴趣区域图像的灰度值大于分割阈值的图像作为图像。
13.根据权利要求10所述的方法，其特征在于，所述根据感兴趣血管图像，计算相应感兴趣区域图像的规则程度包括：
根据多个感兴趣血管图像计算每一个感兴趣血管图像中目标物体的周长和面积；
根据每一个感兴趣血管图像中目标物体的周长和面积计算相应感兴趣血管图像的紧密程度；
根据感兴趣区域图像中每一个感兴趣血管图像的紧密程度计算相应感兴趣区域图像的规则程度。
14.一种心脏图像重建装置，其特征在于，所述装置包括：
相位选取模块，用于等间隔的选取多个相位；
第一重建模块，用于根据所述多个相位对应的扫描数据进行重建，得到所述多个相位对应的图像；
心脏运动参数计算模块，用于根据所述多个相位对应的图像，计算所述多个相位的心脏运动参数；
平均最佳相位计算模块，用于根据所述多个相位的心脏运动参数，计算平均最佳相位；
第二重建模块，用于根据所述平均最佳相位得到所述平均最佳相位对应的图像作为平均最佳相位图像。
15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至13中任一项所述方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
CN201811133609.0A 2018-06-11 2018-09-27 心脏图像重建方法、装置、计算机设备和可读存储介质 Active CN109345606B (zh)

Priority Applications (10)

Application Number Priority Date Filing Date Title
CN201811133609.0A CN109345606B (zh) 2018-09-27 2018-09-27 心脏图像重建方法、装置、计算机设备和可读存储介质
US16/437,003 US10950016B2 (en) 2018-06-11 2019-06-11 Systems and methods for reconstructing cardiac images
US16/437,006 US11024062B2 (en) 2018-06-11 2019-06-11 Systems and methods for evaluating image quality
US17/202,308 US11450038B2 (en) 2018-06-11 2021-03-15 Systems and methods for reconstructing cardiac images
US17/243,522 US11288849B2 (en) 2018-06-11 2021-04-28 Systems and methods for evaluating image quality
US17/326,374 US11367228B2 (en) 2018-06-11 2021-05-21 Systems and methods for evaluating image quality based on regularity degrees and sharpness degrees of images
US17/651,895 US11688110B2 (en) 2018-06-11 2022-02-21 Systems and methods for evaluating image quality
US17/933,469 US11915347B2 (en) 2018-06-11 2022-09-19 Systems and methods for reconstructing cardiac images
US18/341,737 US20230351649A1 (en) 2018-06-11 2023-06-26 Systems and methods for evaluating image quality
US18/587,896 US20240202995A1 (en) 2018-06-11 2024-02-26 Systems and methods for reconstructing cardiac images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811133609.0A CN109345606B (zh) 2018-09-27 2018-09-27 心脏图像重建方法、装置、计算机设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN109345606A CN109345606A (zh) 2019-02-15
CN109345606B true CN109345606B (zh) 2023-01-03

Family

ID=65307214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811133609.0A Active CN109345606B (zh) 2018-06-11 2018-09-27 心脏图像重建方法、装置、计算机设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN109345606B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11024062B2 (en) 2018-06-11 2021-06-01 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for evaluating image quality
CN116849691B (zh) * 2023-08-11 2024-03-12 南京安科医疗科技有限公司 一种心脏ct成像全局最优相位自动识别方法、设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10433803B2 (en) * 2014-06-19 2019-10-08 Hitachi, Ltd. X-ray CT apparatus and image reconstruction method
US9931082B2 (en) * 2015-07-31 2018-04-03 General Electric Company Time optimal phase sensitive inversion recovery reconstruction for magnetic resonance imaging
CN106780651B (zh) * 2016-12-29 2021-03-09 上海联影医疗科技股份有限公司 一种心脏螺旋ct图像重建方法及装置
CN108182720A (zh) * 2017-12-28 2018-06-19 上海联影医疗科技有限公司 心脏图像的重建方法及医疗影像系统

Also Published As

Publication number Publication date
CN109345606A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN109389653B (zh) 心脏图像重建方法、装置、计算机设备和可读存储介质
US11501485B2 (en) System and method for image-based object modeling using multiple image acquisitions or reconstructions
CN109377481B (zh) 图像质量评价方法、装置、计算机设备和存储介质
US7376253B2 (en) Analysis of successive data sets
US7277565B2 (en) Method of reconstructing a high-resolution 3D image
US7603154B2 (en) Non-invasive left ventricular volume determination
US9514530B2 (en) Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US11450038B2 (en) Systems and methods for reconstructing cardiac images
CN111325759A (zh) 血管分割方法、装置、计算机设备及可读存储介质
Rajchl et al. Comparison of semi-automated scar quantification techniques using high-resolution, 3-dimensional late-gadolinium-enhancement magnetic resonance imaging
CN109345606B (zh) 心脏图像重建方法、装置、计算机设备和可读存储介质
CN109345526A (zh) 图像重建方法、装置、计算机设备和存储介质
Pourmorteza et al. Regional cardiac function assessment in 4D CT: comparison between SQUEEZ and ejection fraction
US20240202995A1 (en) Systems and methods for reconstructing cardiac images
KR102556432B1 (ko) 딥러닝 기반의 심장의 해부학적 분할을 위한 기준점 생성 및 분할 방법
de Pablo et al. Semi automatic estimation and visualization of left ventricle volumes in cardiac MRI
Manohar et al. Regional dynamics of fractal dimension of the LV endocardium from cine CT images
JP2024512278A (ja) 造影画像を補正する方法及びシステム
Taubmann et al. Keeping the Pace: Heart Rate Informed 3-D Motion Detection for Adaptive Temporal Smoothing
CN114255172A (zh) 医学图像增强方法、装置、计算机设备和存储介质
Charytanowicz et al. E cient Astronomical Data Condensation using Approximate Nearest Neighbors
Bescos et al. Interactive 4D cardiac MRI imaging based on iso-surface volume rendering

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
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant