CN109872321A - 一种血管狭窄检测方法及设备 - Google Patents
一种血管狭窄检测方法及设备 Download PDFInfo
- Publication number
- CN109872321A CN109872321A CN201910142640.9A CN201910142640A CN109872321A CN 109872321 A CN109872321 A CN 109872321A CN 201910142640 A CN201910142640 A CN 201910142640A CN 109872321 A CN109872321 A CN 109872321A
- Authority
- CN
- China
- Prior art keywords
- image
- straightened
- width
- narrow
- hemadostewnosis
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 53
- 238000012216 screening Methods 0.000 claims abstract description 53
- 238000010968 computed tomography angiography Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000003384 imaging method Methods 0.000 claims abstract description 11
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 13
- 208000037804 stenosis Diseases 0.000 claims description 13
- 230000036262 stenosis Effects 0.000 claims description 13
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000002792 vascular Effects 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 7
- 208000019553 vascular disease Diseases 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 208000035269 cancer or benign tumor Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种血管狭窄检测方法及设备，所述方法包括：获得针对待测血管的计算机断层扫描血管造影(CTA)影像；对所述CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；对所述拉直图像逐一进行宽度测量，输出与所述设定角度的拉直图像相对应的宽度曲线；对所述宽度曲线逐一进行斑块定位筛选，根据所述斑块定位筛选的结果确定所述待测血管的狭窄区域。通过实施本发明的方法及设备，能够提升血管狭窄检察的准确性。
Description
技术领域
本发明涉及智慧医疗技术领域，尤其涉及一种血管狭窄检测方法及设备。
背景技术
随着社会经济的高速发展，生命健康已是关注度极高的话题。血管疾病的医疗水平和预防技术就是热点之一，它主要包括动脉粥样硬化、炎症性血管疾病、功能性血管疾病、血管的真性肿瘤性疾病等。因此，血管形态的自动化检测具有重要的研究价值、临床价值和实际意义。在目前的检测中，较为常用的办法是采用血管断面的面积法来计算斑块的狭窄率。这不仅与医务人员的诊断习惯有很大不同，且面积法计算出来的偏差较大，在面积变化不明显或在斑块交替出现的血管部位难以进行检测，甚至出现误诊的情况。因此，有必要通过一种准确性较高的检测方法或检测设备来解决血管狭窄的准确检测问题。
发明内容
本发明提供一种血管狭窄检测方法及设备，以解决血管形态的准确检测问题。
本发明一方面提供一种血管狭窄检测方法，所述方法包括：
获得针对待测血管的计算机断层扫描血管造影CTA影像；
对所述CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；
对所述拉直图像逐一进行宽度测量，输出与所述设定角度的拉直图像相对应的宽度曲线；
对所述宽度曲线逐一进行斑块定位筛选，根据所述斑块定位筛选的结果确定所述待测血管的狭窄区域。
根据本发明的一实施方式，在所述获得多个设定角度的拉直图像之后，所述方法还包括：
对所述多个设定角度的拉直图像分别进行分割，获得对应各个拉直图像的分割图像；
相应的，所述对拉直图像逐一进行宽度测量，是对所述各个拉直图像的分割图像逐一进行宽度测量。
根据本发明的一实施方式，所述对宽度曲线逐一进行斑块定位筛选，包括：
利用设定的单调递减函数，对所述宽度曲线逐一进行从头部到末端的斑块定位筛选，获得所述斑块定位筛选的结果。
根据本发明的一实施方式，所述对宽度曲线逐一进行斑块定位筛选，包括：
利用与对应所述分割图像的理想宽度的参考曲线，来与对应于所述分割图像的所述宽度曲线进行相似度对比，以对所述宽度曲线逐一进行斑块定位筛选。
根据本发明的一实施方式，所述根据斑块定位筛选的结果确定待测血管的狭窄区域，包括：
对所述多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值，将狭窄认定次数大于设定阈值的对应位置认定为所述待测血管的狭窄点；所述狭窄点的集合构成所述待测血管的狭窄区域。
根据本发明的一实施方式，在确定所述待测血管的狭窄区域之后，所述方法还包括：
根据所述狭窄区域的左右边缘的宽度测量值进行加权平均计算，获得对应狭窄区域的理论宽度值，将所述狭窄区域的实际宽度测量值与所述理论宽度值的比值确定为对应所述狭窄区域的狭窄率。
本发明另一方面提供一种血管狭窄检测设备，所述设备包括：
影像获得单元，用于获得针对待测血管的计算机断层扫描血管造影CTA影像；
拉直单元，用于对所述CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；
测量单元，用于对所述拉直图像逐一进行宽度测量，输出与设定角度的所述拉直图像相对应的宽度曲线；
狭窄确定单元，用于对所述宽度曲线逐一进行斑块定位筛选，根据所述斑块定位筛选的结果确定所述待测血管的狭窄区域。
根据本发明的一实施方式，所述设备还包括分割单元，用于在所述拉直单元获得所述多个设定角度的拉直图像后，对所述多个设定角度的拉直图像分别进行分割，获得对应各个拉直图像的分割图像；
相应的，所述测量单元进一步用于，对所述各个拉直图像的分割图像逐一进行宽度测量。
根据本发明的一实施方式，所述狭窄确定单元进一步用于，利用设定的单调递减函数，对所述宽度曲线逐一进行从头部到末端的斑块定位筛选，获得所述斑块定位筛选的结果。
根据本发明的一实施方式，所述狭窄确定单元进一步用于，利用与对应所述分割图像的理想宽度的参考曲线，来与对应于所述分割图像的所述宽度曲线进行相似度对比，以对所述宽度曲线逐一进行斑块定位筛选。
根据本发明的一实施方式，所述狭窄确定单元进一步用于，对所述多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值，将狭窄认定次数大于设定阈值的对应位置认定为所述待测血管的狭窄点；所述狭窄点的集合构成所述待测血管的狭窄区域。
根据本发明的一实施方式，所述设备还包括计算单元，用于根据所述狭窄区域的左右边缘的宽度测量值进行加权平均计算，获得对应狭窄区域的理论宽度值，将所述狭窄区域的实际宽度测量值与所述理论宽度值的比值确定为对应所述狭窄区域的狭窄率。
本发明通过对CTA影像进行多个设定角度的拉直成像，并获得多个设定角度的拉直成像所对应的血管宽度曲线，对各血管宽度曲线进行斑块定位筛选，进而对多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，将合并后的狭窄认定次数大于设定阈值的对应位置认定为所述待测血管的狭窄点，从而得到由所述狭窄点的集合构成的血管狭窄区域。还能够通过狭窄区域的理论宽度值和实际宽度测量值的计算获得狭窄区域的狭窄率计算结果。如此，能为血管形态的诊断提供相比于面积法更科学、更准确的参考依据。这样，本发明能够有效过滤掉由偶然原因产生的假阳性结果，可以让假阳性结果得到更好的控制，提高斑块诊断的准确性与精准度，最终实现血管形态的自动诊断，具有更高的研究价值、临床价值和实际意义。
需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现的特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1出示了本发明实施例提供的一种血管狭窄检测方法的实现流程示意图；
图2出示了本发明实施例提供的一种血管狭窄检测设备的组成结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域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。
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
结合图1，本发明实施例提供一种血管狭窄检测方法，包括：
步骤101、获得针对待测血管的计算机断层扫描血管造影(CTA，ComputedTomography Angiography)影像；
步骤102、对CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；
步骤103、对拉直图像逐一进行宽度测量，输出与设定角度的拉直图像相对应的宽度曲线；
步骤104、对宽度曲线逐一进行斑块定位筛选，根据斑块定位筛选的结果确定待测血管的狭窄区域。
在这里，步骤102，将一条立体的不规则的血管CTA影像拉直，并在旋转的过程中，通过设定的角度对血管CTA影像进行多次成像，实现一根血管CTA影像生成多根不同角度的拉直图像，为之后的检测提供假阳、真阳或基础数据；在优选方案中，在圆周范围内，以血管CTA影像的轴线为旋转中心，每间隔10度生成一拉直图像，即生成36个角度的拉直图像；在步骤102的基础上再执行步骤103，通过测量拉直图像上的血管宽度，实现每一个设定角度的拉直图像都生成一张对应的宽度曲线的图谱，即一共生成36张对应角度的宽度曲线的图谱；步骤104，是对宽度曲线进行斑块定位筛选，根据所述斑块定位筛选的结果确定所述待测血管的狭窄区域。可以通过近似算法对宽度曲线进行斑块定位筛选，其中的近似算法包括曲线斜度值、近似函数、多种数学函数的拟合方程、曲线宽度值以及理想宽度曲线等近似算法中的一种、两种或两种以上的算法，以对36个角度的上述宽度曲线进行斑块定位筛选，得出初步的结果，以待后续进一步的筛选、研究。
本发明实施例通过对CTA影像进行多个设定角度的拉直成像，并获得多个设定角度的拉直成像所对应的血管宽度曲线，对各血管宽度曲线进行斑块定位筛选，进而对多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，将合并后的狭窄认定次数大于设定阈值的对应位置认定为所述待测血管的狭窄点，从而得到由所述狭窄点的集合构成的血管狭窄区域。为血管形态的诊断提供相比于面积法更科学、更准确的参考依据。
根据本发明一实施方式，在步骤102之后，所述方法还包括：对所述多个设定角度的拉直图像分别进行分割，获得对应各个拉直图像的分割图像；
那么相应的，本发明实施例的对拉直图像逐一进行宽度测量，是对各个拉直图像的分割图像逐一进行宽度测量。
基于图像分割的已知算法对拉直图像进行分割，具体的算法包括拉直分割、阈值分割、区域分割、边缘分割、直方图法等，输出分割图像，优选的是拉直分割；通过图像分割，将测量血管在拉直图像中的宽度转化成测量血管在分割图像中的直径，测量结果更佳，以提高工作人员对血管形态诊断的准确度。
根据本发明一实施方式，可以利用曲线拟合技术，对宽度曲线逐一进行斑块定位筛选，获得所述斑块定位筛选的结果。
曲线拟合的算法是上述近似算法中的一种，在输出结果时，对宽度曲线的筛选具有明显的直观感，便于医务人员或研究人员进行诊断。
根据本发明一实施方式，对宽度曲线逐一进行斑块定位筛选，包括：利用设定的单调递减函数，对所述宽度曲线逐一进行从头部到末端的斑块定位筛选，获得斑块定位筛选的结果。
从头部到末端的路径上，正常血管总是越来越细，血管直径逐渐变小，即宽度曲线是一个单调递减函数的曲线；在这个路径上，当出现上升的拐点时，在筛选时，该拐点包含在狭窄区域中；以此类推，直至宽度曲线被完全筛选。这样的操作方法，可以进一步过滤掉假阳，提高检测的准确度。
根据本发明一实施方式，对宽度曲线逐一进行斑块定位筛选，包括：利用与对应所述分割图像的理想宽度的参考曲线，来与对应于所述分割图像的所述宽度曲线进行相似度对比，以对所述宽度曲线逐一进行斑块定位筛选。
参考曲线的相似度对比技术是上述近似算法中的一种，不仅包括了上述的曲线拟合技术和数学函数拟合技术，还包括了理想宽度曲线及其他近似算法中的理想曲线；在操作时，当宽度曲线的其中一个点或一段区域落在参考曲线之内，则该点或该段区域是狭窄区域的一部分。
根据本发明一实施方式，根据斑块定位筛选的结果确定待测血管的狭窄区域，包括：对多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值，将狭窄认定次数大于设定阈值的对应位置认定为待测血管的狭窄点；狭窄点的集合构成待测血管的狭窄区域。
-根血管有36个角度的拉直图像所对应的宽度曲线，对这36个角度的宽度曲线逐一进行斑块定位筛选，并对这36个角度的宽度曲线的斑块定位筛选结果(每个宽度曲线的斑块认定筛选结果中包括该宽度曲线中所认定的狭窄)进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值(如6次)，如果大于，将对应位置认定为待测血管的狭窄点；否则，认为对应位置为偶然波动产生的假阳性结果，从而过滤掉。最终认定的狭窄点的集合构成了待测血管的狭窄区域。这样的操作方法，其检测的准确度更佳，能为血管形态的判断提供更加准确的依据。
根据本发明一实施方式，在步骤104之后，所述方法还包括：根据狭窄区域的左右边缘的宽度测量值进行加权平均计算，获得对应狭窄区域的理论宽度值，将狭窄区域的实际宽度测量值与理论宽度值的比值确定为对应狭窄区域的狭窄率。
在最终狭窄区域的左右边缘进行宽度加权平均算法来计算血管宽度的理论值，并求出实际测量值与理论值的比值，比值就是最终对应该狭窄区域的狭窄率；通过狭窄率，医务人员更加直观、方便地诊断血管形态的具体特征。
结合图2，本发明实施例还提供一种血管狭窄检测设备，该设备包括：影像获得单元201，用于获得针对待测血管的CTA影像；拉直单元202，用于对CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；测量单元203，用于对拉直图像逐一进行宽度测量，输出与设定角度的拉直图像相对应的宽度曲线；狭窄确定单元204，用于对宽度曲线逐一进行斑块定位筛选，根据斑块定位筛选的结果确定待测血管的狭窄区域。
根据本发明一实施方式，设备还包括分割单元205，用于在拉直单元202获得多个设定角度的拉直图像后，对多个设定角度的拉直图像分别进行分割，获得对应各个拉直图像的分割图像；
相应的，测量单元203进一步用于，对各个拉直图像的分割图像逐一进行宽度测量。
根据本发明一实施方式，狭窄确定单元204还用于，利用曲线拟合技术，对宽度曲线逐一进行斑块定位筛选，获得斑块定位筛选的结果。
根据本发明一实施方式，狭窄确定单元204还用于，利用设定的单调递减函数，对宽度曲线逐一进行从头部到末端的斑块定位筛选，获得斑块定位筛选的结果。
根据本发明一实施方式，狭窄确定单元204还用于，利用与对应分割图像的理想宽度的参考曲线，来与对应于分割图像的所述宽度曲线进行相似度对比，以对宽度曲线逐一进行斑块定位筛选。
根据本发明一实施方式，狭窄确定单元204进一步用于，对多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值，将狭窄认定次数大于设定阈值的对应位置认定为待测血管的狭窄点；狭窄点的集合构成待测血管的狭窄区域。
根据本发明一实施方式，设备还包括计算单元206，用于根据狭窄区域的左右边缘的宽度测量值进行加权平均计算，获得对应狭窄区域的理论宽度值，将狭窄区域的实际宽度测量值与理论宽度值的比值确定为对应狭窄区域的狭窄率。
这样，本发明实施例的设备可以让假阳得到更好的控制，提高斑块诊断的准确性与精准度，最终实现血管形态的自动诊断具有更高的研究价值、临床价值和实际意义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到变化或替换，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以所述权利要求的保护范围为准。
Claims (12)
1.一种血管狭窄检测方法，其特征在于，所述方法包括：
获得针对待测血管的计算机断层扫描血管造影CTA影像；
对所述CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；
对所述拉直图像逐一进行宽度测量，输出与所述设定角度的拉直图像相对应的宽度曲线；
对所述宽度曲线逐一进行斑块定位筛选，根据所述斑块定位筛选的结果确定所述待测血管的狭窄区域。
2.根据权利要求1所述的血管狭窄检测方法，其特征在于，在所述获得多个设定角度的拉直图像之后，所述方法还包括：
对所述多个设定角度的拉直图像分别进行分割，获得对应各个拉直图像的分割图像；
相应的，所述对拉直图像逐一进行宽度测量，是对所述各个拉直图像的分割图像逐一进行宽度测量。
3.根据权利要求1所述的血管狭窄检测方法，其特征在于，所述对宽度曲线逐一进行斑块定位筛选，包括：
利用设定的单调递减函数，对所述宽度曲线逐一进行从头部到末端的斑块定位筛选，获得所述斑块定位筛选的结果。
4.根据权利要求2所述的血管狭窄检测方法，其特征在于，所述对宽度曲线逐一进行斑块定位筛选，包括：
利用与对应所述分割图像的理想宽度的参考曲线，来与对应于所述分割图像的所述宽度曲线进行相似度对比，以对所述宽度曲线逐一进行斑块定位筛选。
5.根据权利要求1所述的血管狭窄检测方法，其特征在于，所述根据斑块定位筛选的结果确定待测血管的狭窄区域，包括：
对所述多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值，将狭窄认定次数大于设定阈值的对应位置认定为所述待测血管的狭窄点；所述狭窄点的集合构成所述待测血管的狭窄区域。
6.根据权利要求1至5任一项所述的血管狭窄检测方法，其特征在于，在确定所述待测血管的狭窄区域之后，所述方法还包括：
根据所述狭窄区域的左右边缘的宽度测量值进行加权平均计算，获得对应狭窄区域的理论宽度值，将所述狭窄区域的实际宽度测量值与所述理论宽度值的比值确定为对应所述狭窄区域的狭窄率。
7.一种血管狭窄检测设备，其特征在于，所述设备包括：
影像获得单元，用于获得针对待测血管的计算机断层扫描血管造影CTA影像；
拉直单元，用于对所述CTA影像进行多个设定角度的拉直成像，获得多个设定角度的拉直图像；
测量单元，用于对所述拉直图像逐一进行宽度测量，输出与设定角度的所述拉直图像相对应的宽度曲线；
狭窄确定单元，用于对所述宽度曲线逐一进行斑块定位筛选，根据所述斑块定位筛选的结果确定所述待测血管的狭窄区域。
8.根据权利要求7所述的血管狭窄检测设备，其特征在于，所述设备还包括分割单元，用于在所述拉直单元获得所述多个设定角度的拉直图像后，对所述多个设定角度的拉直图像分别进行分割，获得对应各个拉直图像的分割图像；
相应的，所述测量单元进一步用于，对所述各个拉直图像的分割图像逐一进行宽度测量。
9.根据权利要求7所述的血管狭窄检测设备，其特征在于，所述狭窄确定单元进一步用于，利用设定的单调递减函数，对所述宽度曲线逐一进行从头部到末端的斑块定位筛选，获得所述斑块定位筛选的结果。
10.根据权利要求7所述的血管狭窄检测设备，其特征在于，所述狭窄确定单元进一步用于，利用与对应所述分割图像的理想宽度的参考曲线，来与对应于所述分割图像的所述宽度曲线进行相似度对比，以对所述宽度曲线逐一进行斑块定位筛选。
11.根据权利要求7所述的血管狭窄检测设备，其特征在于，所述狭窄确定单元进一步用于，对所述多个设定角度的拉直图像的对应宽度曲线的斑块定位筛选结果进行合并，判断同一位置上的狭窄认定次数是否大于设定阈值，将狭窄认定次数大于设定阈值的对应位置认定为所述待测血管的狭窄点；所述狭窄点的集合构成所述待测血管的狭窄区域。
12.根据权利要求7至11任一项所述的血管狭窄检测设备，其特征在于，所述设备还包括计算单元，用于根据所述狭窄区域的左右边缘的宽度测量值进行加权平均计算，获得对应狭窄区域的理论宽度值，将所述狭窄区域的实际宽度测量值与所述理论宽度值的比值确定为对应所述狭窄区域的狭窄率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910142640.9A CN109872321A (zh) | 2019-02-26 | 2019-02-26 | 一种血管狭窄检测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910142640.9A CN109872321A (zh) | 2019-02-26 | 2019-02-26 | 一种血管狭窄检测方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109872321A true CN109872321A (zh) | 2019-06-11 |
Family
ID=66919317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910142640.9A Pending CN109872321A (zh) | 2019-02-26 | 2019-02-26 | 一种血管狭窄检测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109872321A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111754506A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、系统和计算机存储介质 |
| CN112037170A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管狭窄的检出方法、装置以及计算机存储介质 |
| CN112151180A (zh) * | 2019-12-05 | 2020-12-29 | 苏州润迈德医疗科技有限公司 | 具有狭窄病变的血管数学模型的合成方法和装置 |
| CN112288731A (zh) * | 2020-11-05 | 2021-01-29 | 杭州深睿博联科技有限公司 | 一种血管狭窄分析方法及装置 |
| CN112419484A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 三维血管合成方法、系统及冠状动脉分析系统和存储介质 |
| CN112419280A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
| CN112487342A (zh) * | 2020-11-25 | 2021-03-12 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法、系统及存储介质 |
| CN114332022A (zh) * | 2021-12-30 | 2022-04-12 | 浙江大学 | 基于图像处理的血管直径自适应、像素级、可视化的定量表征方法 |
| CN114359128A (zh) * | 2021-09-10 | 2022-04-15 | 数坤(北京)网络科技股份有限公司 | 一种血管狭窄的检测方法、装置及计算机可读介质 |
| CN114391792A (zh) * | 2021-09-13 | 2022-04-26 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
| CN114708259A (zh) * | 2022-05-24 | 2022-07-05 | 深圳市铱硙医疗科技有限公司 | 基于cta的头颈血管狭窄检测方法、装置、设备及介质 |
| CN114972221A (zh) * | 2022-05-13 | 2022-08-30 | 北京医准智能科技有限公司 | 一种图像处理方法、装置、电子设备及可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101681514A (zh) * | 2007-06-07 | 2010-03-24 | 皇家飞利浦电子股份有限公司 | 对管形结构的检查 |
| CN101991420A (zh) * | 2009-08-27 | 2011-03-30 | 上海西门子医疗器械有限公司 | 一种疑似血管狭窄区域的定位方法和系统 |
| CN105078425A (zh) * | 2015-09-09 | 2015-11-25 | 苏州润心医疗科技有限公司 | 冠状动脉负荷检测系统及检测方法 |
| WO2016159881A1 (en) * | 2015-03-31 | 2016-10-06 | Agency For Science, Technology And Research | Method and apparatus for assessing blood vessel stenosis |
| 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 |
| CN108932714A (zh) * | 2018-07-23 | 2018-12-04 | 苏州润心医疗器械有限公司 | 冠脉ct图像的斑块分类方法 |
-
2019
- 2019-02-26 CN CN201910142640.9A patent/CN109872321A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101681514A (zh) * | 2007-06-07 | 2010-03-24 | 皇家飞利浦电子股份有限公司 | 对管形结构的检查 |
| CN101991420A (zh) * | 2009-08-27 | 2011-03-30 | 上海西门子医疗器械有限公司 | 一种疑似血管狭窄区域的定位方法和系统 |
| WO2016159881A1 (en) * | 2015-03-31 | 2016-10-06 | Agency For Science, Technology And Research | Method and apparatus for assessing blood vessel stenosis |
| CN107613874A (zh) * | 2015-03-31 | 2018-01-19 | 新加坡科技研究局 | 用于评估血管狭窄的方法和装置 |
| CN105078425A (zh) * | 2015-09-09 | 2015-11-25 | 苏州润心医疗科技有限公司 | 冠状动脉负荷检测系统及检测方法 |
| 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 |
| CN108932714A (zh) * | 2018-07-23 | 2018-12-04 | 苏州润心医疗器械有限公司 | 冠脉ct图像的斑块分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| 徐智: "《心血管造影图像的二维信息处理及其三维重建研究》", 《中国优秀博硕士学位论文全文数据库(博士)（信息科技辑）》 * |
| 王胜军: "《基于心脏CTA体数据的冠脉计算机辅助诊断系统核心技术研究与实现》", 《中国博士学位论文全文数据库（医药卫生科技辑）》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112151180A (zh) * | 2019-12-05 | 2020-12-29 | 苏州润迈德医疗科技有限公司 | 具有狭窄病变的血管数学模型的合成方法和装置 |
| CN112151180B (zh) * | 2019-12-05 | 2024-03-08 | 苏州润迈德医疗科技有限公司 | 具有狭窄病变的血管数学模型的合成方法和装置 |
| CN111754506A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、系统和计算机存储介质 |
| CN111754506B (zh) * | 2020-07-01 | 2024-02-06 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、系统和计算机存储介质 |
| CN112037170B (zh) * | 2020-07-23 | 2021-08-03 | 上海交通大学附属第六人民医院 | 一种血管狭窄的检出方法、装置以及计算机存储介质 |
| CN112037170A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管狭窄的检出方法、装置以及计算机存储介质 |
| CN112288731A (zh) * | 2020-11-05 | 2021-01-29 | 杭州深睿博联科技有限公司 | 一种血管狭窄分析方法及装置 |
| CN112487342B (zh) * | 2020-11-25 | 2024-08-09 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法、系统及存储介质 |
| CN112487342A (zh) * | 2020-11-25 | 2021-03-12 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法、系统及存储介质 |
| CN112419280A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
| WO2022109909A1 (zh) * | 2020-11-25 | 2022-06-02 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法、系统及存储介质 |
| WO2022109907A1 (zh) * | 2020-11-25 | 2022-06-02 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
| CN112419280B (zh) * | 2020-11-25 | 2024-05-31 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
| CN112419484B (zh) * | 2020-11-25 | 2024-03-22 | 苏州润迈德医疗科技有限公司 | 三维血管合成方法、系统及冠状动脉分析系统和存储介质 |
| CN112419484A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 三维血管合成方法、系统及冠状动脉分析系统和存储介质 |
| CN114359128A (zh) * | 2021-09-10 | 2022-04-15 | 数坤(北京)网络科技股份有限公司 | 一种血管狭窄的检测方法、装置及计算机可读介质 |
| CN114391792A (zh) * | 2021-09-13 | 2022-04-26 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
| CN114391792B (zh) * | 2021-09-13 | 2023-02-24 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
| CN114332022A (zh) * | 2021-12-30 | 2022-04-12 | 浙江大学 | 基于图像处理的血管直径自适应、像素级、可视化的定量表征方法 |
| CN114972221A (zh) * | 2022-05-13 | 2022-08-30 | 北京医准智能科技有限公司 | 一种图像处理方法、装置、电子设备及可读存储介质 |
| CN114708259B (zh) * | 2022-05-24 | 2022-08-16 | 深圳市铱硙医疗科技有限公司 | 基于cta的头颈血管狭窄检测方法、装置、设备及介质 |
| CN114708259A (zh) * | 2022-05-24 | 2022-07-05 | 深圳市铱硙医疗科技有限公司 | 基于cta的头颈血管狭窄检测方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872321A (zh) | 一种血管狭窄检测方法及设备 | |
| Martinez-Perez et al. | Retinal vascular tree morphology: a semi-automatic quantification | |
| Xu et al. | DeepLN: a framework for automatic lung nodule detection using multi-resolution CT screening images | |
| US7773791B2 (en) | Analyzing lesions in a medical digital image | |
| CN110335259A (zh) | 一种医学影像识别方法、装置和存储介质 | |
| CN109859168A (zh) | 一种x射线胸片图像质量确定方法及装置 | |
| EP3612091A1 (en) | Electroanatomical mapping tools facilitated by activation waveforms | |
| WO2015157641A1 (en) | System and method for diagnosing defects in random flow systems | |
| Nisha et al. | A computer-aided diagnosis system for plus disease in retinopathy of prematurity with structure adaptive segmentation and vessel based features | |
| Huang et al. | Stability analysis of fractal dimension in retinal vasculature | |
| DePuey et al. | Three-dimensional techniques and artificial intelligence in thallium-201 cardiac imaging | |
| Jian et al. | Diagnosis of left ventricular hypertrophy using convolutional neural network | |
| Mikulka et al. | Classification of jaw bone cysts and necrosis via the processing of orthopantomograms | |
| Ghadiri et al. | Retinal vessel tortuosity evaluation via circular Hough transform | |
| Karnowski et al. | Automatic detection of retina disease: Robustness to image quality and localization of anatomy structure | |
| KV et al. | Deep Learning Approach to Nailfold Capillaroscopy Based Diabetes Mellitus Detection | |
| CN115040097A (zh) | 心率检测方法、装置、存储介质和电子设备 | |
| Jiang et al. | DeepRayburst for automatic shape analysis of tree-like structures in biomedical images | |
| Mapayi et al. | Performance comparison of supervised learning methods for retinal vessel tortuosity characterisation | |
| Kwon et al. | Comparison of pre-processed brain tumor MR images using deep learning detection algorithms | |
| Li et al. | Automatic detecting and recognition of casts in urine sediment images | |
| Jing-Shi et al. | Symmetry theory based classification algorithm in brain computed tomography image database | |
| CN105760701A (zh) | 一种肿瘤细胞温度异常代谢热的捕获方法及装置 | |
| CN116196034B (zh) | 一种超声成像方法及系统 | |
| Sun et al. | Detect GGO nodule based on dot filter |
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 | ||
| CB02 | Change of applicant information |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Applicant after: Shukun (Beijing) Network Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Applicant before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Applicant after: Shukun Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Applicant before: Shukun (Beijing) Network Technology Co.,Ltd. |