CN109389592A - 计算冠脉钙化积分的方法、装置及系统 - Google Patents
计算冠脉钙化积分的方法、装置及系统 Download PDFInfo
- Publication number
- CN109389592A CN109389592A CN201811165484.XA CN201811165484A CN109389592A CN 109389592 A CN109389592 A CN 109389592A CN 201811165484 A CN201811165484 A CN 201811165484A CN 109389592 A CN109389592 A CN 109389592A
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- image data
- calcified regions
- region
- blood vessel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (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
本发明提供了一种计算冠脉钙化积分的方法、装置及系统,涉及钙化积分的技术领域,该方法包括:基于平扫CT信息获取冠脉区域,从获取的冠脉区域中,依据一定的判断条件得到疑似钙化区域,并依据疑似钙化区域的图像特征,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,基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分。本发明提供的计算冠脉钙化积分的方法、装置及系统,缓解了现有技术中人工标记冠脉钙化区域时造成的钙化区域标记错误或标记范围不准确,效率低,进而使得到的冠脉钙化区域积分不准确,计算积分的效率低、误差大的技术问题,从而提高了计算冠脉钙化积分的效率,减小了计算的误差。
Description
技术领域
本发明涉及钙化积分技术领域,尤其是涉及一种计算冠脉钙化积分的方法、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,需要医师手动标注出钙化区域,然后通过自动分析软件系统对标记好的钙化区域进行积分计算,或者需要获得计算机断层摄影血管造影(Computed Tomography Angiography,CTA)信息和CT信息,通过CTA信息获取病人的血管信息,将CTA获取的血管信息与平扫CT信息获取相应的疑似钙化区域重叠确定钙化区域,并对钙化区域进行标记,然后通过自动分析软件系统对标记好的钙化区域进行积分计算。
在现有技术中,不能直接基于平扫CT信息自动获取钙化区域,而人工标记钙化区域时效率低,可能会造成钙化区域标记错误或标记范围不准确,致使得到的钙化区域积分不准确,且通过人工标记钙化区域的方法,计算积分的效率低、误差大。同时,使用CTA信息结合CT信息自动标记钙化区域的方法就算钙化积分时,需要通过CTA扫描获得CTA信息,致使计算的过程繁琐、效率低。
发明内容
有鉴于此,本发明的目的在于提供一种计算冠脉钙化积分的方法、装置及系统,以缓解现有技术中存在的由于人工标记钙化区域时造成的钙化区域标记错误或标记范围不准确,进而使得到的钙化区域积分不准确,计算积分的效率低、误差大的技术问题。
第一方面,本发明实施例提供了一种计算冠脉钙化积分的方法,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信息获取冠脉区域;
从获取的冠脉区域中,依据冠脉区域中各像素点的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的像素点,得到疑似钙化区域;
依据疑似钙化区域的图像特征,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;
基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分。
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信息获取冠脉区域之前,该方法还包括:
对平扫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;
获取每层切片的图像数据的像素尺寸值以及窗宽、窗位;
将获取到的每层切片的图像数据的像素尺寸值调整到预设的像素尺寸值,获取调整像素尺寸值之后的每层切片的图像数据的尺寸值;
按照预设的图像数据尺寸值,对调整像素尺寸值之后的每层切片的图像数据的尺寸值进行调整;
调整经过图像数据尺寸值调整之后的每层切片的图像数据中的窗宽、窗位。
结合第一方面的第一种可能的实施方式,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,基于平扫CT信息获取冠脉区域的步骤包括:
获取样本图像数据,标记样本图像数据中的冠脉区域;
为样本图像数据和每层切片的图像数据建立图像坐标系,在建立的图像坐标系中,分别在样本图像数据以及每层切片的图像数据的心房心室的边缘位置,均匀采样出预定数量的图像配准点;
基于采集的图像配准点,对样本图像数据进行几何形变,建立畸变模型;
根据畸变模型对每层切片的图像数据进行配准,将每层切片的图像数据中配准的重复度最高的冠脉区域作为每层切片的图像数据的冠脉区域。
结合第一方面的第一种可能的实施方式,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,基于平扫CT信息获取冠脉区域的步骤包括:
获取样本图像数据,标记样本图像数据中的冠脉区域,获得冠脉区域特征;
利用冠脉区域特征建立m棵决策树,形成随机森林,m为自然数;
将每层切片的图像数据划分为n个子区域,n为自然数,将每个子区域输入到随机森林中,通过决策树进行决策判断子区域是否属于冠脉区域,将属于冠脉区域的子区域进行组合,得到冠脉区域。
结合第一方面,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,从获取的所述冠脉区域中,依据冠脉区域中各像素点的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的像素点,得到疑似钙化区域的步骤包括:
获取冠脉区域中的每一像素点,判断像素点的亨氏单位HU值是否满足预设HU阈值,如果满足,则标记该像素点;
将相邻的标记的像素点依次进行连接,形成多个连通区域;
判断每一连通区域的面积是否满足面积阈值,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五种可能的实施方式,其中,依据疑似钙化区域的图像特征,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:
提取疑似钙化区域的图像特征;
将提取的图像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,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,基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分的步骤包括:
分别计算每支冠脉血管在每层切片中的钙化区域的agaston积分、体积积分以及质量积分;
将每支冠脉血管在各层切片中的agaston积分、体积积分以及质量积分对应相加,得到每支所述冠脉血管的agaston积分、体积积分以及质量积分;
将每支冠脉血管的agaston积分、体积积分、质量积分分别相加,得到冠脉钙化积分;
冠脉钙化积分包括:agaston积分、体积积分以及质量积分。
结合第一方面,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,该方法还包括:依据预设的规则判断分类的冠脉血管的钙化区域中是否存在异常的结果,若存在,则将异常的结果剔除;
预设的规则包括:分类的冠脉血管的钙化区域中像素点的亨氏单位HU值大于等于1900,或者分类的冠脉血管的钙化区域的形状为半月型。
第二方面,本发明实施例还提供一种计算冠脉钙化积分的装置,该装置包括:
信息获取模块,用于获取平扫电子计算机断层扫描CT信息;
冠脉区域获取模块,用于基于平扫CT信息获取冠脉区域;
确定模块,用于从获取的冠脉区域中,依据冠脉区域中各子区域的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的子区域,得到疑似钙化区域;
分类模块,用于依据疑似钙化区域的图像特征,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;
积分模块,用于基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分。
第三方面,本发明实施例还提供一种计算冠脉钙化积分的系统,该系统包括:CT扫描仪、数据接收装置以及第二方面所述的计算冠脉钙化积分的装置;其中,数据接收装置分别与CT扫描仪、计算冠脉钙化积分的装置相连。
本发明实施例带来了以下有益效果:本发明实施例提供的计算冠脉钙化积分的方法、装置及系统,通过获取平扫CT信息,基于平扫CT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;依据疑似钙化区域的图像特征,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;基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取所述冠脉钙化积分,本发明实施例提供的计算冠脉钙化积分的方法可以通过机器获取冠脉钙化区域,实现了基于CT信息获取钙化区域,避免了人工标记钙化区域造成的标记错误或标记范围不准确或者使用CTA信息结合CT信息自动标记钙化区域时计算过程的繁琐,进而提高了计算钙化积分的效率,减小了计算的误差。
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计算冠脉钙化积分的方法的流程图;
图2为本发明实施例提供的另一种计算冠脉钙化积分的方法的流程图;
图3为本发明实施例提供的一种计算冠脉钙化积分的装置的结构示意图;
图4为本发明实施例提供的一种计算冠脉钙化积分的系统的结构示意图。
图标:201-信息获取模块;202-冠脉区域获取模块;203-确定模块;204-分类模块;205-积分模块。
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。
目前在现有技术中,不能直接基于平扫CT信息自动获取钙化区域,而人工标记钙化区域时效率低,可能会造成钙化区域标记错误或标记范围不准确,致使得到的钙化区域的积分不准确,且通过人工标记钙化区域的方法,计算积分时效率低、误差大,同时,使用CTA信息结合CT信息自动标记钙化区域的方法计算钙化积分时,需要通过CTA扫描获得CTA信息,致使计算的过程繁琐、效率低。基于此,本发明实施例提供的一种计算冠脉钙化积分的方法、装置及系统,可以提高了计算钙化积分的效率,减小了计算的误差。
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计算冠脉钙化积分的方法进行详细介绍。
实施例一:
本发明实施例提供了一种计算冠脉钙化积分的方法,参见图1所示的一种计算冠脉钙化积分的方法的流程图,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信息获取冠脉区域;
本发明实施例中,在获取平扫CT信息后,还可以对平扫CT信息进行处理,得到医学数字成像和通信DICOM格式数据,便于从DICOM格式数据中获取冠脉区域。因而,作为一可选实施例,在获取平扫CT信息之后,基于平扫CT信息获取冠脉区域之前,该方法还包括:
对平扫CT信息进行处理,得到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S102:从获取的冠脉区域中,依据冠脉区域中各像素点的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的像素点,得到疑似钙化区域;
本发明实施例中,针对每层切片的图像数据分别进行处理,从而确定出每层切片的图像数据中包含的疑似钙化区域。
步骤S103:依据疑似钙化区域的图像特征,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;
本发明实施例中,作为一可选实施例,图像特征包括:方向梯度直方图(Histogramof Oriented Gradient,HOG)特征、局部二值模式(Local Binary Pattern,LBP)特征、Haar特征以及纹理特征,根据提取的图像特征对疑似钙化区域进行分类。
本发明实施例中,可以预先训练钙化区域分类模型,通过将疑似钙化区域的图像特征输入训练好的钙化区域分类模型,从而对疑似钙化区域进行分类,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(Left AnteriorDescending Artery,LAD)钙化、左旋支(Left Circumflex Artery,LCX)钙化、右冠状动脉(Right Coronary Artery,RCA)钙化。
步骤S104:基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分。
本发明实施例中,分别计算每支冠脉血管在每层切片中的钙化区域的agaston积分、体积积分以及质量积分,将每支冠脉血管在每层切片中的钙化区域的agaston积分、体积积分以及质量积分分类相加,得到每支冠脉血管的钙化区域的agaston积分、体积积分以及质量积分。具体的,计算得到LM钙化区域、LAD钙化区域、LCX钙化区域、RCA钙化区域的agaston积分、体积积分以及质量积分。以LM钙化区域的agaston积分为例,分别计算每层切片中的LM钙化区域的agaston积分,将每层切片中的LM钙化区域的agaston积分相加,得到LM钙化区域的agaston积分。进一步的,通过计算可以得到LAD钙化区域、LCX钙化区域、RCA钙化区域的agaston积分,将LM钙化区域、LAD钙化区域、LCX钙化区域、RCA钙化区域的agaston积分相加可以得到冠脉钙化区域的agaston积分。
本发明实施例提供的计算冠脉钙化积分的方法,通过获取平扫CT信息,基于平扫CT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;依据疑似钙化区域的图像特征,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;基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取所述冠脉钙化积分。这样,本发明实施例提供的计算冠脉钙化积分的方法,可以依据冠脉区域中各像素点的HU值以及面积,与预设HU阈值和面积阈值进行匹配,得到疑似钙化区域的像素点,再通过疑似钙化区域的图像特征,从而获取冠脉钙化区域,实现了基于CT信息获取钙化区域,避免了人工标记钙化区域时造成的标记错误或标记范围不准确或者使用CTA信息结合CT信息自动标记钙化区域时计算过程的繁琐,进而提高了计算钙化积分的效率,减小了计算的误差。
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计算冠脉钙化积分的方法,如图2所示的流程图,作为一可选实施例,该方法在获取平扫电子计算机断层扫描CT信息后,在基于平扫CT信息获取冠脉区域之前,还包括:
对平扫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;
获取每层切片的图像数据的像素尺寸值以及窗宽、窗位;
将获取到的每层切片的图像数据的像素尺寸值调整到预设的像素尺寸值;
按照预设的图像数据尺寸值,对调整像素尺寸值之后的每层切片的图像数据的尺寸值进行调整;
调整经过图像数据尺寸值调整之后的每层切片的图像数据中的窗宽、窗位。
本发明实施例中,按照预设的像素尺寸值,分别对每层切片的图像数据的像素尺寸值进行调整,使所有切片的图像数据的像素尺寸值一致。同时,按照预设的图像数据尺寸值,分别对调整像素尺寸值之后的每层切片的图像数据的尺寸值进行调整,例如,对调整像素尺寸值之后的图像数据对应的图像进行切割或扩展,使所有切割或扩展后的切片的图像数据的尺寸一致。举例来说,预设的像素尺寸值范围可以为0.3-0.5毫米,则像素尺寸值可以设置为0.5*0.5毫米,将各层切片的图像数据的像素尺寸值分别调整为0.5*0.5毫米。预设的图像数据尺寸值可以设置为512*512像素,则对于图像数据的像素尺寸值调整为0.5*0.5毫米的各层切片的图像数据,将尺寸值大于512*512像素的图像数据进行切割,将尺寸值小于512*512像素的图像数据进行扩展,通过填充图像数据的像素值,扩展图像数据的尺寸值,使得图像数据的尺寸值满足预设的值。具体的,像素尺寸值与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图像数据的尺寸值和像素尺寸值,实现图像数据标准化,减少了图像数据的差异,进一步的提高了钙化区域检测的精确度。
进一步的,通过调整经过图像数据尺寸值调整之后的每层切片的图像数据中的窗宽、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,增强了每层切片的图像数据的对比度,使得每层切片的图像清晰,便于获取钙化区域,进而可以提高钙化区域检测的精确度和获取钙化区域的效率。
具体实现时,基于平扫CT信息获取冠脉区域的方法可以选择配准法或随机森林。其中,步骤S101中,基于平扫CT信息选择配准法获取冠脉区域的步骤包括:
步骤S1011a:获取样本图像数据,标记样本图像数据中的冠脉区域;
本发明实施例中,作为一可选实施例,可以获取50-100幅样本图像数据。
步骤S1012a:为样本图像数据和每层切片的图像数据建立图像坐标系,在建立的图像坐标系中,分别在样本图像数据以及每层切片的图像数据的心房心室的边缘位置,均匀采样出预定数量的图像配准点;
步骤S1013a:基于采集的图像配准点,对样本图像数据进行几何形变,建立畸变模型;
本发明实施例中,具体的,将样本图像数据的图像配准点与每层切片的图像数据的配准点进行匹配,在建立的图像坐标系中,通过扩张或压缩样本图像数据的方式,对样本图像数据进行几何形变,建立畸变模型。
步骤S1014a:根据畸变模型对每层切片的图像数据进行配准,将每层切片的图像数据中配准的重复度最高的冠脉区域作为每层切片的图像数据的冠脉区域。
本发明实施例中,具体的,将每幅形变后的样本图像数据与待获取的图像数据,即每层切片的图像数据进行配准,根据样本图像数据中标记的冠脉区域得到待获取图像的冠脉区域,将每层切片的图像数据中配准的重复度最高的冠脉区域作为每层切片的图像数据的冠脉区域。
本发明实施例中,作为另一可选实施例,步骤S101中,基于平扫CT信息选择随机森林获取冠脉区域的步骤包括:
步骤S1011b:获取样本图像数据,标记样本图像数据中的冠脉区域,获得冠脉区域特征;
步骤S1012b:利用冠脉区域特征建立m棵决策树,形成随机森林,m为自然数;
步骤S1013b:将每层切片的图像数据划分为n个子区域,n为自然数,将每个子区域输入到所述随机森林中,通过决策树进行决策判断子区域是否属于冠脉区域,将属于冠脉区域的子区域进行组合,得到冠脉区域。
本发明实施例中,作为一可选实施例,步骤S102依据冠脉区域中各像素点的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的像素点,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像素点,判断该像素点的亨氏单位HU值是否满足预设HU阈值,如果满足,标记该像素点;
本发明实施例中,具体的,作为一可选实施例,判断该像素点的亨氏单位HU值是否大于等于130,如果是,则标记该像素点。例如,可将该像素点标记为1。
步骤S1022:将相邻的标记的像素点依次进行连接,形成多个连通区域;
步骤S1023:判断每一连通区域的面积是否满足所述面积阈值,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面积是否大于等于1mm2,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,若像素点的亨氏单位HU值不满足预设HU阈值,表明该像素点不属于疑似钙化区域,可以将该像素点标记为0。如果形成的连通区域的面积不满足面积阈值,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依据疑似钙化区域的图像特征,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:
步骤S1031:提取疑似钙化区域的图像特征;
步骤S1032:将提取的图像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,将提取的图像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图像特征进行采样对比,判断疑似钙化区域的分类。
本发明实施例中,对钙化区域分类模型进行训练的过程为:获取训练数据中钙化区域的图像特征,标记该钙化区域的分类,以图像特征作为钙化区域分类模型的输入,以该图像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,并以测试数据中钙化区域的图像特征作为训练的钙化区域分类模型的输入,其输出与该测试数据中钙化区域的分类进行比对,直至准确度达到预先设置的准确度阈值,从而得到训练好的钙化区域分类模型。
本发明实施例中,作为一可选实施例,步骤S104基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分的步骤包括:
步骤S1041:分别计算每支冠脉血管在每层切片中的钙化区域的agaston积分、体积积分以及质量积分;
本发明实施例中,具体的,计算冠脉血管LM、LAD、LCX及RCA在每层切片中的钙化区域的agaston积分、体积积分以及质量积分;
步骤S1042:将每支冠脉血管在各层切片中的agaston积分、体积积分以及质量积分对应相加,得到每支冠脉血管的agaston积分、体积积分以及质量积分;
本发明实施例中,具体的,得到冠脉血管LM、LAD、LCX、RCA的agaston积分、体积积分以及质量积分;
步骤S1043:将每支冠脉血管的agaston积分、体积积分、质量积分分别相加,得到冠脉钙化积分。
本发明实施例中,具体的,将冠脉血管LM、LAD、LCX、RCA的agaston积分、体积积分以及质量积分分别相加,得到冠脉钙化区域的三类积分:agaston积分、体积积分以及质量积分。
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之后,基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分之前,所述方法还包括:
依据预设的规则判断分类的冠脉血管的钙化区域中是否存在异常的结果,若存在,则将异常的结果剔除;
预设的规则包括:分类的冠脉血管的钙化区域中像素点的亨氏单位HU值大于等于1900,或者分类的冠脉血管的钙化区域的形状为半月型,通过预设的规则将分类后的钙化区域中的异常结果剔除出去,可以避免将非钙化区域分类到冠脉血管的钙化区域中,避免冠脉钙化区域积分产生较大的误差,进而提高了计算钙化积分的效率,减小了计算的误差。
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计算冠脉钙化积分的装置,如图3所示的是一种计算冠脉钙化积分的装置的结构示意图,该装置包括如下模块:
信息获取模块201,用于获取平扫电子计算机断层扫描CT信息;
冠脉区域获取模块202,用于基于平扫CT信息获取冠脉区域;
确定模块203,用于从获取的冠脉区域中,依据冠脉区域中各子区域的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的子区域,得到疑似钙化区域;
分类模块204,用于依据疑似钙化区域的图像特征,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;
积分模块205,用于基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取冠脉钙化积分。
进一步的,所述装置包括:预处理模块,用于对平扫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;
预处理模块包括:
数据获取单元,用于获取每层切片的图像数据的像素尺寸值以及窗宽、窗位;
尺寸调整单元,用于将获取到的每层切片的图像数据的像素尺寸值调整到预设的像素尺寸值,获取调整像素尺寸值之后的每层切片的图像数据的尺寸值;按照预设的图像数据尺寸值,对调整像素尺寸值之后的每层切片的图像数据的尺寸值进行调整;
数据调整单元,用于调整经过图像数据尺寸值调整之后的每层切片的图像数据中的窗宽、窗位。
进一步的,本本发明实施例提供的计算冠脉钙化积分的装置中,冠脉区域获取模块包括:
第一图像获取单元:用于获取样本图像数据;
第一标记单元:用于标记样本图像数据中的冠脉区域;
坐标系建立单元:用于为样本图像数据和每层切片的图像数据建立图像坐标系;
配准点确定单元:用于在建立的图像坐标系中,分别在样本图像数据以及每层切片的图像数据的心房心室的边缘位置,均匀采样出预定数量的图像配准点;
第一模型建立单元:用于基于采集的图像配准点,对样本图像数据进行几何形变,建立畸变模型;
配准单元:用于根据畸变模型对预处理后的每层切片的图像数据进行配准,将每层切片的图像数据中配准的重复度最高的冠脉区域作为每层切片的图像数据的冠脉区域。
进一步的,冠脉区域获取模块还包括:
第二图像获取单元,用于获取样本图像数据;
第二标记单元:用于标记样本图像数据中的冠脉区域,获得冠脉区域特征;
第二模型建立单元:用于利用冠脉区域特征建立m棵决策树,形成随机森林,m为自然数;
确定单元:用于将每层切片的图像数据划分为n个子区域,n为自然数,将每个子区域输入到随机森林中,通过决策树进行决策判断子区域是否属于冠脉区域,将属于冠脉区域的子区域进行组合,得到冠脉区域。
进一步的,本本发明实施例提供的计算冠脉钙化积分的装置中,确定模块包括:
像素点标记单元,用于获取冠脉区域中的每一像素点,判断每一像素点的亨氏单位HU值是否满足预设HU阈值,如果满足,则标记该像素点;
连通区域形成单元,用于将相邻的标记的像素点依次进行连接,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面积是否满足面积阈值,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计算冠脉钙化积分的装置中,分类模块包括:
图像特征提取单元:用于提取疑似钙化区域的图像特征;
分类单元:用于将提取的图像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。
进一步的,本发明实施例提供的计算冠脉钙化积分的装置中,积分模块包括:
第一计算单元:用于分别计算每支冠脉血管在每层切片中的钙化区域的agaston积分、体积积分以及质量积分;
第二计算单元:用户将每支冠脉血管在各层切片中的agaston积分、体积积分以及质量积分对应相加,得到每支冠脉血管的agaston积分、体积积分以及质量积分;
第三计算单元:将每支冠脉血管的agaston积分、体积积分、质量积分分别相加,得到冠脉钙化积分;冠脉钙化积分包括:agaston积分、体积积分以及质量积分。
进一步的,本发明实施例提供的所述装置还包括:校正模块,用于依据预设的规则判断分类的冠脉血管的钙化区域中是否存在异常的结果,若存在,则将该异常的结果剔除;
该校正模块包括规则设置单元,用于设置预设的规则,预设的规则包括:分类的冠脉血管的钙化区域中像素点的亨氏单位HU值大于等于1900,或者分类的冠脉血管的钙化区域的形状为半月型。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
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计算冠脉钙化积分的系统,如图4所示的是一种计算冠脉钙化积分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计算冠脉钙化积分的装置303,其中,该数据接收装置分别与CT扫描仪、计算冠脉钙化积分的装置相连。
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,计算冠脉钙化积分的装置通过接收到的信息计算冠脉钙化积分。
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计算冠脉钙化积分的装置及系统,与上述实施例提供的计算冠脉钙化积分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计算冠脉钙化积分的方法、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)
1.一种计算冠脉钙化积分的方法,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像素点的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的像素点,得到疑似钙化区域;
依据所述疑似钙化区域的图像特征,对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;
基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取所述冠脉钙化积分。
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信息获取冠脉区域之前,所述方法还包括:
对所述平扫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;
获取所述每层切片的图像数据的像素尺寸值以及窗宽、窗位;
将获取到的所述每层切片的图像数据的像素尺寸值调整到预设的像素尺寸值,获取调整像素尺寸值之后的所述每层切片的图像数据的尺寸值;
按照预设的图像数据尺寸值,对调整像素尺寸值之后的所述每层切片的图像数据的尺寸值进行调整;
调整经过图像数据尺寸值调整之后的所述每层切片的图像数据中的窗宽、窗位。
3.根据权利要求2所述的方法,其特征在于,所述基于所述平扫CT信息获取冠脉区域的步骤包括:
获取样本图像数据,标记所述样本图像数据中的冠脉区域;
为所述样本图像数据和所述每层切片的图像数据建立图像坐标系,在建立的所述图像坐标系中,分别在所述样本图像数据以及所述每层切片的图像数据的心房心室的边缘位置,均匀采样出预定数量的图像配准点;
基于采集的所述图像配准点,对所述样本图像数据进行几何形变,建立畸变模型;
根据所述畸变模型对所述每层切片的图像数据进行配准,将所述每层切片的图像数据中配准的重复度最高的冠脉区域作为所述每层切片的图像数据的冠脉区域。
4.根据权利要求2所述的方法,其特征在于,所述基于所述平扫CT信息获取冠脉区域的步骤包括:
获取样本图像数据,标记所述样本图像数据中的冠脉区域,获得冠脉区域特征;
利用所述冠脉区域特征建立m棵决策树,形成随机森林,m为自然数;
将所述每层切片的图像数据划分为n个子区域,n为自然数,将每个所述子区域输入到所述随机森林中,通过决策树进行决策判断所述子区域是否属于冠脉区域,将属于冠脉区域的所述子区域进行组合,得到冠脉区域。
5.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像素点的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的像素点,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像素点,判断所述像素点的亨氏单位HU值是否满足预设HU阈值,如果满足,则标记所述像素点;
将相邻的标记的所述像素点依次进行连接,形成多个连通区域;
判断每一所述连通区域的面积是否满足所述面积阈值,若满足,则所述连通区域为所述疑似钙化区域。
6.根据权利要求1所述的方法,其特征在于,所述依据所述疑似钙化区域的图像特征,对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:
提取所述疑似钙化区域的图像特征;
将提取的所述图像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。
7.根据权利要求1所述的方法,其特征在于,所述基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取所述冠脉钙化积分的步骤包括:
分别计算每支所述冠脉血管在每层切片中的钙化区域的agaston积分、体积积分以及质量积分;
将每支所述冠脉血管在各层切片中的agaston积分、体积积分以及质量积分对应相加,得到每支所述冠脉血管的agaston积分、体积积分以及质量积分;
将每支所述冠脉血管的agaston积分、体积积分、质量积分分别相加,得到冠脉钙化积分;
所述冠脉钙化积分包括:agaston积分、体积积分以及质量积分。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:依据预设的规则判断所述分类的冠脉血管的钙化区域中是否存在异常的结果,若存在,则将所述异常的结果剔除;
所述预设的规则包括:所述分类的冠脉血管的钙化区域中像素点的亨氏单位HU值大于等于1900,或者所述分类的冠脉血管的钙化区域的形状为半月型。
9.一种计算冠脉钙化积分的装置,其特征在于,所述装置包括:
信息获取模块,用于获取平扫电子计算机断层扫描CT信息;
冠脉区域获取模块,用于基于所述平扫CT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子区域的亨氏单位HU值以及面积,选取满足预设HU阈值和面积阈值的子区域,得到疑似钙化区域;
分类模块,用于依据所述疑似钙化区域的图像特征,对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;
积分模块,用于基于计算得到的各分类的冠脉血管的钙化区域的钙化积分,获取所述冠脉钙化积分。
10.一种计算冠脉钙化积分的系统,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所述的计算冠脉钙化积分的装置;
其中,所述数据接收装置分别与所述CT扫描仪、所述计算冠脉钙化积分的装置相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811165484.XA CN109389592B (zh) | 2018-09-30 | 2018-09-30 | 计算冠脉钙化积分的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811165484.XA CN109389592B (zh) | 2018-09-30 | 2018-09-30 | 计算冠脉钙化积分的方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109389592A true CN109389592A (zh) | 2019-02-26 |
CN109389592B CN109389592B (zh) | 2021-01-26 |
Family
ID=65419320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811165484.XA Active CN109389592B (zh) | 2018-09-30 | 2018-09-30 | 计算冠脉钙化积分的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389592B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤(北京)网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
CN110021015A (zh) * | 2019-04-01 | 2019-07-16 | 数坤(北京)网络科技有限公司 | 基于亮度和梯度的点状钙化区域检测方法及系统 |
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 |
CN111047611A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶体积测量方法和装置 |
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 |
CN111768394A (zh) * | 2020-07-01 | 2020-10-13 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
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 |
WO2021168517A1 (en) * | 2020-02-28 | 2021-09-02 | Artrya Pty Ltd | A method of and system for calcium scoring of coronary arteries |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674774A (zh) * | 2007-05-08 | 2010-03-17 | 皇家飞利浦电子股份有限公司 | 使用低剂量钙化积分扫描的冠状动脉选择性钙分配 |
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 |
CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
CN105096270A (zh) * | 2015-08-07 | 2015-11-25 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维重建中的钙化斑块去除方法 |
CN106447645A (zh) * | 2016-04-05 | 2017-02-22 | 天津大学 | 增强ct图像中冠脉钙化检测及量化装置和方法 |
CN107871318A (zh) * | 2017-11-16 | 2018-04-03 | 吉林大学 | 一种基于模型迁移的冠状动脉钙化斑块检测方法 |
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 CN201811165484.XA patent/CN109389592B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674774A (zh) * | 2007-05-08 | 2010-03-17 | 皇家飞利浦电子股份有限公司 | 使用低剂量钙化积分扫描的冠状动脉选择性钙分配 |
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 |
CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
CN105096270A (zh) * | 2015-08-07 | 2015-11-25 | 北京欣方悦医疗科技有限公司 | 一种冠脉三维重建中的钙化斑块去除方法 |
CN106447645A (zh) * | 2016-04-05 | 2017-02-22 | 天津大学 | 增强ct图像中冠脉钙化检测及量化装置和方法 |
CN107871318A (zh) * | 2017-11-16 | 2018-04-03 | 吉林大学 | 一种基于模型迁移的冠状动脉钙化斑块检测方法 |
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 (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021015A (zh) * | 2019-04-01 | 2019-07-16 | 数坤(北京)网络科技有限公司 | 基于亮度和梯度的点状钙化区域检测方法及系统 |
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 |
CN110021016B (zh) * | 2019-04-01 | 2020-12-18 | 数坤(北京)网络科技有限公司 | 一种钙化检测方法 |
CN109846465A (zh) * | 2019-04-01 | 2019-06-07 | 数坤(北京)网络科技有限公司 | 一种基于亮度分析的血管钙化误报检测方法 |
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 |
GB2608075A (en) * | 2020-02-28 | 2022-12-21 | Artrya Pty Ltd | A method of and system for calcium scoring of coronary arteries |
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 |
CN111047611A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶体积测量方法和装置 |
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 |
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 |
US11836916B2 (en) | 2020-04-08 | 2023-12-05 | Neusoft Medical Systems Co., Ltd. | Detecting vascular calcification |
CN111768394A (zh) * | 2020-07-01 | 2020-10-13 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
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 |
CN112927275B (zh) * | 2021-02-22 | 2022-03-01 | 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 |
WO2021259394A3 (zh) * | 2021-02-22 | 2022-02-17 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN109389592B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109389592A (zh) | 计算冠脉钙化积分的方法、装置及系统 | |
CN109288536A (zh) | 获取冠脉钙化区域分类的方法、装置及系统 | |
CN111986150B (zh) | 一种数字病理图像的交互式标注精细化方法 | |
CN108288271A (zh) | 基于三维残差网络的图像检测系统及方法 | |
CN110110799A (zh) | 细胞分类方法、装置、计算机设备和存储介质 | |
CN107506770A (zh) | 糖尿病视网膜病变眼底照相标准图像生成方法 | |
CN109447065A (zh) | 一种乳腺影像识别的方法及装置 | |
CN109409190A (zh) | 基于梯度直方图和Canny边缘检测器的行人检测方法 | |
CN109154978A (zh) | 用于检测植物疾病的系统和方法 | |
CN109671068B (zh) | 一种基于深度学习的腹部肌肉标注方法及装置 | |
CN109363699A (zh) | 一种乳腺影像病灶识别的方法及装置 | |
CN103886576B (zh) | 一种腺体组织特征灰度检测方法及装置 | |
CN108537751B (zh) | 一种基于径向基神经网络的甲状腺超声图像自动分割方法 | |
CN112750121B (zh) | 用于病理玻片数字图像质量检测的系统及其方法 | |
CN109363698A (zh) | 一种乳腺影像征象识别的方法及装置 | |
CN109544537A (zh) | 髋关节x光图像快速自动分析方法 | |
CN109919254B (zh) | 乳腺密度分类方法、系统、可读存储介质和计算机设备 | |
CN109363697A (zh) | 一种乳腺影像病灶识别的方法及装置 | |
CN109886170B (zh) | 一种钉螺智能检测识别与统计系统 | |
CN108171702A (zh) | 易损斑块识别方法、应用服务器及计算机可读存储介质 | |
CN108460758A (zh) | 肺结节检测模型的构建方法 | |
CN103700085A (zh) | 乳腺x光图像中胸肌区域的分割方法 | |
CN113034528A (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 | |
Soni et al. | CT scan based brain tumor recognition and extraction using Prewitt and morphological dilation | |
CN109829902A (zh) | 一种基于广义S变换和Teager属性的肺部CT图像结节筛选方法 |
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 | ||
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. |