CN109875527A - 一种血管钙化的计算方法及设备 - Google Patents
一种血管钙化的计算方法及设备 Download PDFInfo
- Publication number
- CN109875527A CN109875527A CN201910124531.4A CN201910124531A CN109875527A CN 109875527 A CN109875527 A CN 109875527A CN 201910124531 A CN201910124531 A CN 201910124531A CN 109875527 A CN109875527 A CN 109875527A
- Authority
- CN
- China
- Prior art keywords
- calcification
- blood
- result
- short axle
- 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.)
- Pending
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种血管钙化的计算方法及设备,方法包括:获取血管图像及对应于血管图像的血管预测结果体数据;分割处理血管预测结果体数据,得到多个血管短轴体;计算多个血管短轴体上的钙化结果,得到初步钙化结果;从血管图像中提取对应于钙化区域的钙化血管图像;根据血管图像和钙化血管图像调整初步钙化结果,得到最终钙化结果。本发明将血管预测结果体数据分割成稠密的血管短轴体,再对多个血管短轴体进行初步钙化结果计算,有效解决了普通方法由于无法很好的处理血管弯曲情况而造成的计算误差,而且通过进一步对钙化计算结果进行优化调整,大大提高了血管自动狭窄结果计算的准确性,有助于提高临床诊断效率。
Description
技术领域
本发明涉及血管图像技术领域,尤其涉及一种血管钙化的计算方法及设备。
背景技术
在现代医学技术领域中,血管图像技术和自动算法能够帮助医生了解病人的血管状态,有助于及时发现和诊断各种疾病,减少了不少负担,因此对医生有着重要的临床价值和实际意义。随着年龄的上升,血管出现问题的概率会越来越高,而血管狭窄是其中一个非常普遍的问题,包括如脑血管狭窄和心血管狭窄等都是中老年人高发病状。
血管的狭窄程度取决于钙化程度,现代医疗技术通过采用血管重建技术等能够建立血管模型并得到各种易于观察的血管拉直图像,但是,直接利用基础的血管拉直图像来判断血管的钙化往往误差较大,因此,如何提高血管钙化计算的准确率成为亟待解决的问题。
发明内容
本发明实施例为了有效克服现有技术所存在的上述缺陷,创造性地提供一种血管钙化的计算方法及设备。
本发明一方面提供一种血管钙化的计算方法,所述方法包括:获取血管图像及对应于所述血管图像的血管预测结果体数据;分割处理所述血管预测结果体数据,得到多个血管短轴体;计算所述多个血管短轴体上的钙化结果,得到初步钙化结果;从所述血管图像中提取对应于钙化区域的钙化血管图像;根据所述血管图像和所述钙化血管图像调整所述初步钙化结果,得到最终钙化结果。
在一个实施例中,根据本发明的上述方法,所述计算所述多个血管短轴体上的钙化结果,得到初步钙化结果包括:分别计算所述多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果;在所得到的对应于每一个血管短轴体的钙化结果中找出钙化面积占比最大的短轴钙化结果;将所述钙化面积占比最大的短轴钙化结果确定为初步钙化结果。
在一个实施例中,根据本发明的上述方法,所述分别计算所述多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果包括:针对所述多个血管短轴体中的每一个血管短轴体,按间隔角度进行拉直处理,得到对应于每一个血管短轴体的多个短轴拉直图像;计算所述对应于每一个血管短轴体的多个短轴拉直图像上的拉直钙化点数总和及分割点数总和;将所述拉直钙化点数总和与所述分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。
在一个实施例中,根据本发明的上述方法,所述从所述血管图像中提取对应于钙化区域的钙化血管图像包括:将血管图像进行聚类处理,得到对应于钙化区域的中心区域类和非钙化区域的边缘区域类;提取所述钙化区域的中心区域类图像,得到对应于钙化区域的钙化血管图像。
在一个实施例中,根据本发明的上述方法,所述根据所述血管图像和所述钙化血管图像调整所述初步钙化结果,得到最终钙化结果,包括:根据所述血管图像和所述钙化血管图像进行计算,得到调整系数;根据所述调整参数调整所述初步钙化结果,得到最终钙化结果。
在一个实施例中,根据本发明的上述方法,根据所述血管图像和所述钙化血管图像进行计算,得到调整系数包括:分别计算所述钙化血管图像和血管图像的面积;将所述钙化血管图像的面积与所述血管图像面积二者之间的比值确定为调整系数。
在一个实施例中,根据本发明的上述方法,所述根据所述调整系数调整所述初步钙化结果,得到最终钙化结果包括:将所述初步钙化结果乘以所述调整系数,得到最终钙化结果。
本发明另一方面提供一种血管钙化的计算设备,所述设备包括:获取模块,用于获取血管图像及对应于所述血管图像的血管预测结果体数据;血管短轴体处理模块,用于分割处理所述血管预测结果体数据,得到多个血管短轴体;初步钙化计算模块,用于计算所述多个血管短轴体上的钙化结果,得到初步钙化结果;血管图像处理模块,用于从所述血管图像中提取对应于钙化区域的钙化血管图像;调整模块,用于根据所述血管图像和所述钙化血管图像调整所述初步钙化结果,得到最终钙化结果。
在一个实施例中,根据本发明的上述方法,所述初步钙化计算模块包括:短轴钙化计算单元,用于分别计算所述多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果;短轴钙化查找单元,用于在所得到的对应于每一个血管短轴体的钙化结果中找出钙化面积占比最大的短轴钙化结果;初步钙化确定单元,用于将所述钙化面积占比最大的所述短轴钙化结果确定为初步钙化结果。
在一个实施例中,根据本发明的上述方法,所述短轴钙化计算单元包括:短轴拉直子单元,用于针对所述多个血管短轴体中的每一个血管短轴体,按间隔角度进行拉直处理,得到对应于每一个血管短轴体的多个短轴拉直图像;短轴计算子单元,用于计算所述对应于每一个血管短轴体的多个短轴拉直图像上的拉直钙化点数总和及分割点数总和;钙化确定子单元,用于将所述拉直钙化点数总和与所述分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。
本发明实施例首先获取到血管图像及对应于血管图像的血管预测结果体数据,然后对血管预测结果体数据进行分割处理,具体为将血管预测结果体数据提取血管中心线,对血管中心线上的每个中心点沿前后两中心点连接线的法向进行切割,得到对应于每个中心点的血管探针,再将分割后得到的连续血管探针以单位数量进行叠合得到血管短轴体。这样,能够使所得到的血管短轴体足够稠密,从而保证获得充足的血管信息,有利于提高血管钙化程度计算结果的准确性。再对所得到的多个血管短轴体进行钙化结果计算,得到初步钙化结果。由于普通方法在进行血管钙化程度计算时,一般都在血管拉直图像上直接进行钙化程度计算,在这种情况下,通常会通过对血管预测结果体数据或血管中心线预测结果体数据进行处理来获取血管拉直图像。但是由于算法限制,传统算法无法对弯曲血管进行很好的处理,导致这样处理得到的血管拉直图像忽略了血管弯曲情况,在这样的血管拉直图像上进行钙化程度计算会出现较大误差。而本发明将血管预测结果体数据分割成稠密的血管短轴体,再通过对多个血管短轴体进行初步钙化结果计算的方式有效解决了普通方法计算血管钙化程度时由于无法很好的处理血管弯曲情况而造成的计算误差。然后对血管图像进行处理,从中提取到对应与钙化区域的钙化血管图像,最后根据血管图像和所得到的钙化血管图像对初步钙化结果进行调整,从而得到最终钙化结果,进一步对钙化计算结果进行优化调整,大大提高了血管自动狭窄结果计算的准确性,有助于提高临床诊断效率。
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为本发明实施例一种血管钙化的计算方法的实现流程示意图;
图2为本发明实施例一种血管钙化的计算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。
图1为本发明实施例一种血管钙化的计算方法的实现流程示意图,请参考图1。
本发明一方面提供一种血管钙化的计算方法,方法包括:
步骤101,获取血管图像及对应于血管图像的血管预测结果体数据;
步骤102,分割处理血管预测结果体数据,得到多个血管短轴体;
步骤103,计算多个血管短轴体上的钙化结果,得到初步钙化结果;
步骤104,从血管图像中提取对应于钙化区域的钙化血管图像;
步骤105,根据血管图像和钙化血管图像调整初步钙化结果,得到最终钙化结果。
本发明实施例首先通过步骤101获取到血管图像及对应于血管图像的血管预测结果体数据,然后通过步骤102分割处理血管预测结果体数据,得到多个血管短轴体具体为:将血管预测结果体数据提取血管中心线,对血管中心线上的每个中心点沿前后两中心点连接线的法向进行切割,得到对应于每个中心点的血管探针,再将分割后得到的连续血管探针以单位数量进行叠合得到血管短轴体。这样,能够使所得到的血管短轴体足够稠密,从而保证获得充足的血管信息,有利于提高血管钙化程度计算结果的准确性。再通过步骤103对所得到的多个血管短轴体进行钙化结果计算,得到初步钙化结果。由于普通方法在进行血管钙化程度计算时,一般都在血管拉直图像上直接进行钙化程度计算,在这种情况下,通常会通过对血管预测结果体数据或血管中心线预测结果体数据进行处理来获取血管拉直图像。但是由于算法限制,传统算法无法对弯曲血管进行很好的处理,导致在这样处理得到的血管拉直图像上进行钙化程度计算会出现较大误差。而本发明将血管预测结果体数据分割成多个稠密的血管短轴体,再通过对多个血管短轴体进行初步钙化结果计算的方式有效解决了普通方法计算血管钙化程度时由于无法很好的处理血管弯曲情况而造成的计算误差。然后通过步骤104对血管图像进行处理,从中提取到对应与钙化区域的钙化血管图像,最后通过步骤105根据血管图像和所得到的钙化血管图像对初步钙化结果进行调整,从而得到最终钙化结果,进一步对钙化计算结果进行优化调整,大大提高了血管自动狭窄结果计算的准确性,有助于提高临床诊断效率。
在一可实施方式中,计算多个血管短轴体上的钙化结果,得到初步钙化结果包括:
分别计算多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果;
在所得到的对应于每一个血管短轴体的钙化结果中找出钙化面积占比最大的短轴钙化结果;
将钙化面积占比最大的短轴钙化结果确定为初步钙化结果。
本发明实施例通过对每一个血管短轴体进行钙化结果计算,得到对应于每一个血管短轴体的短轴钙化结果,并从中找出钙化面积占比最大的短轴钙化结果,将其确定为初步钙化结果。在本实施例中,此处的初步钙化结果为对应于该处血管狭窄的初步钙化结果。由于每一个血管短轴体均为单位长度,所得到的短轴钙化结果也是对应于单位长度血管的钙化情况,因此能够良好适应各种弯曲血管,有效解决普通方法计算血管钙化程度时无法良好处理血管弯曲情况而造成的计算误差,大大提高了血管钙化情况的计算准确性。
在一可实施方式中,分别计算多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果包括:
针对多个血管短轴体中的每一个血管短轴体,按间隔角度进行拉直处理,得到对应于每一个血管短轴体的多个短轴拉直图像;
计算对应于每一个血管短轴体的多个短轴拉直图像上的拉直钙化点数总和及分割点数总和;
将拉直钙化点数总和与分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。
本发明实施例通过按间隔角度对每一个血管短轴体进行拉直处理从而得到较稠密的短轴拉直图像,在角度足够稠密的情况下,在短轴拉直图像上所检测出的钙化点数可以通过积分的方式转换为短轴上的钙化面积,而拉直分割点数也可以通过积分的方式转换成短轴的面积,因此最终的短轴钙化结果,即狭窄的面积占比=SUM(拉直钙化点数)/SUM(拉直钙化点数),也就是可以将拉直钙化点数总和与分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。这样通过对每一个单位长度的血管短轴体上的拉直钙化点数总和及分割点数总和进行积分来计算该血管短轴体上的钙化面积与截面面积比,从而得到短轴体钙化结果的方式,能够对每一个血管短轴体上的钙化情况进行自动精确计算,进而使得血管钙化计算精准度更高,大大提高了血管自动狭窄结果计算的准确性。
在一可实施方式中,从血管图像中提取对应于钙化区域的钙化血管图像包括:
将血管图像进行聚类处理,得到对应于钙化区域的中心区域类和非钙化区域的边缘区域类;
提取钙化区域的中心区域类图像,得到对应于钙化区域的钙化血管图像。
本发明实施例从血管图像中提取得到对应于钙化区域的钙化血管图像的具体方式可以为,设定阈值后对血管图像进行聚类处理,可以通过聚2类来得到对应于钙化区域的中心区域类和非钙化区域的边缘区域类,然后提取对应于钙化区域的中心区域类即得到了对应于钙化区域的钙化血管图像。当边缘区域类的面积过大时可以通过判断边缘区域的平均亮度是否与中心区域的亮度接近来进行阈值调整,从而得到更加准确的钙化血管图像。
在一可实施方式中,根据血管图像和钙化血管图像调整初步钙化结果,得到最终钙化结果,包括:根据血管图像和钙化血管图像进行计算,得到调整系数;根据调整参数调整初步钙化结果,得到最终钙化结果。由于在实际情况中计算血管短轴体的钙化程度时,容易因图像灰度梯度引起钙化程度计算误差,因此,本发明实施例通过对血管图像和钙化血管图像进行计算获得调整系数,并利用计算所得的调整系数对初步钙化结果进行优化,从而达到减小误差影响,进一步提高血管钙化结果的计算准确性的效果。
在一可实施方式中,根据血管图像和钙化血管图像进行计算,得到调整系数包括:分别计算钙化血管图像和血管图像的面积;将钙化血管图像的面积与血管图像面积二者之间的比值确定为调整系数。由于血管图像转换为钙化血管图像的过程中同样包含有因图像灰度梯度变化而造成的误差,因此,将钙化血管图像的面积与血管图像面积进行比值计算,就能得到用于校正损失误差的调整系数。本发明不仅对初步钙化结果的计算进行了优化,还利用通过血管图像和钙化血管图像进行灰度梯度调整系数计算,对初步钙化结果进行再次校正,进一步优化了钙化结果。
在一可实施方式中,根据调整系数调整初步钙化结果,得到最终钙化结果包括:将初步钙化结果乘以调整系数,得到最终钙化结果。由于本发明实施例调整系数是利用钙化血管图像面积和血管图像面积计算得到的,包含有校正因图像灰度梯度变化而引起的钙化程度计算误差的系数,因此直接将初步钙化结果乘以调整系数就实现了利用灰度梯度对钙化程度进行校正的效果,方法简单,优化效果显著。
图2为本发明实施例一种血管钙化的计算设备的组成结构示意图。请参考图2。
本发明另一方面提供一种血管钙化的计算设备,设备包括:
获取模块201,用于获取血管图像及对应于血管图像的血管预测结果体数据;
血管短轴体处理模块202,用于分割处理血管预测结果体数据,得到多个血管短轴体;
初步钙化计算模块203,用于计算多个血管短轴体上的钙化结果,得到初步钙化结果;
血管图像处理模块204,用于从血管图像中提取对应于钙化区域的钙化血管图像;
调整模块205,用于根据血管图像和钙化血管图像调整初步钙化结果,得到最终钙化结果。
本发明实施例先通过获取模块201获取到血管图像及对应于血管图像的血管预测结果体数据,然后通过血管短轴体处理模块202分割处理血管预测结果体数据,得到多个血管短轴体具体为:将血管预测结果体数据提取血管中心线,对血管中心线上的每个中心点沿前后两中心点连接线的法向进行切割,得到对应于每个中心点的血管探针,再将分割后得到的连续血管探针以单位数量进行叠合得到血管短轴体。这样,能够使所得到的血管短轴体足够稠密,从而保证获得充足的血管信息,有利于提高血管钙化程度计算结果的准确性。再通过初步钙化计算模块203对所得到的多个血管短轴体进行钙化结果计算,得到初步钙化结果。由于普通方法在进行血管钙化程度计算时,一般都在血管拉直图像上直接进行钙化程度计算,在这种情况下,通常会通过对血管预测结果体数据或血管中心线预测结果体数据进行处理来获取血管拉直图像。但是由于算法限制,传统算法无法对弯曲血管进行很好的处理,导致这样处理得到的血管拉直图像忽略了血管弯曲情况,在这样的血管拉直图像上进行钙化程度计算会出现较大误差。而本发明将血管预测结果体数据分割成多个稠密的血管短轴体,再通过对多个血管短轴体进行初步钙化结果计算的方式有效解决了普通方法计算血管钙化程度时由于无法很好的处理血管弯曲情况而造成的计算误差。然后通过血管图像处理模块204对血管图像进行提取处理,得到对应与钙化区域的钙化血管图像,最后通过调整模块205根据血管图像和所得到的钙化血管图像对初步钙化结果进行调整,从而得到最终钙化结果,进一步对钙化计算结果进行优化调整,大大提高了血管自动狭窄结果计算的准确性,有助于提高临床诊断效率。
在一可实施方式中,初步钙化计算模块203包括:
短轴钙化计算单元,用于分别计算多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果;
短轴钙化查找单元,用于在所得到的对应于每一个血管短轴体的钙化结果中找出钙化面积占比最大的短轴钙化结果;
初步钙化确定单元,用于将钙化面积占比最大的短轴钙化结果确定为初步钙化结果。
本发明实施例通过短轴钙化计算单元对每一个血管短轴体进行钙化结果计算,得到对应于每一个血管短轴体的短轴钙化结果,并通过短轴钙化查找单元从中找出钙化面积占比最大的短轴钙化结果,再通过初步钙化确定单元将其确定为初步钙化结果。在本实施例中,此处的初步钙化结果为对应于该处血管狭窄的初步钙化结果。由于每一个血管短轴体均为单位长度,所得到的短轴钙化结果也是对应于单位长度血管的钙化情况,因此能够良好适应各种弯曲血管,有效解决普通方法计算血管钙化程度时无法良好处理血管弯曲情况而造成的计算误差,大大提高了血管钙化情况的计算准确性。
在一可实施方式中,短轴钙化计算单元包括:
短轴拉直子单元,用于针对多个血管短轴体中的每一个血管短轴体,按间隔角度进行拉直处理,得到对应于每一个血管短轴体的多个短轴拉直图像;
短轴计算子单元,用于计算对应于每一个血管短轴体的多个短轴拉直图像上的拉直钙化点数总和及分割点数总和;
钙化确定子单元,用于将拉直钙化点数总和与分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。
本发明实施例通过短轴拉直子单元按间隔角度对每一个血管短轴体进行拉直处理从而得到较稠密的短轴拉直图像,在角度足够稠密的情况下,可以通过短轴计算子单元将在短轴拉直图像上所检测出的钙化点数利用积分的方式转换为短轴上的钙化面积,也可以将拉直分割点数通过积分的方式转换成短轴的面积,因此最终的短轴钙化结果,即狭窄的面积占比=SUM(拉直钙化点数)/SUM(拉直钙化点数),也就是可以通过钙化确定子单元将拉直钙化点数总和与分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。这样通过对每一个单位长度的血管短轴体上的拉直钙化点数总和及分割点数总和进行积分来计算该血管短轴体上的钙化面积与截面面积比,从而得到短轴体钙化结果的方式,能够对每一个血管短轴体上的钙化情况进行自动精确计算,进而使得血管钙化计算精准度更高,大大提高了血管自动狭窄结果计算的准确性。
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,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权利要求的保护范围为准。
Claims (10)
1.一种血管钙化的计算方法,其特征在于,所述方法包括:
获取血管图像及对应于所述血管图像的血管预测结果体数据;
分割处理所述血管预测结果体数据,得到多个血管短轴体;
计算所述多个血管短轴体上的钙化结果,得到初步钙化结果;
从所述血管图像中提取对应于钙化区域的钙化血管图像;
根据所述血管图像和所述钙化血管图像调整所述初步钙化结果,得到最终钙化结果。
2.根据权利要求1所述的方法,其特征在于,所述计算所述多个血管短轴体上的钙化结果,得到初步钙化结果包括:
分别计算所述多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果;
在所得到的对应于每一个血管短轴体的钙化结果中找出钙化面积占比最大的短轴钙化结果;
将所述钙化面积占比最大的短轴钙化结果确定为初步钙化结果。
3.根据权利要求2所述的方法,其特征在于,所述分别计算所述多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果包括:
针对所述多个血管短轴体中的每一个血管短轴体,按间隔角度进行拉直处理,得到对应于每一个血管短轴体的多个短轴拉直图像;
计算所述对应于每一个血管短轴体的多个短轴拉直图像上的拉直钙化点数总和及分割点数总和;
将所述拉直钙化点数总和与所述分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。
4.根据权利要求1所述的方法,其特征在于,所述从所述血管图像中提取对应于钙化区域的钙化血管图像包括:
将血管图像进行聚类处理,得到对应于钙化区域的中心区域类和非钙化区域的边缘区域类;
提取所述钙化区域的中心区域类图像,得到对应于钙化区域的钙化血管图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所述血管图像和所述钙化血管图像调整所述初步钙化结果,得到最终钙化结果,包括:
根据所述血管图像和所述钙化血管图像进行计算,得到调整系数;
根据所述调整参数调整所述初步钙化结果,得到最终钙化结果。
6.根据权利要求5所述的方法,其特征在于,根据所述血管图像和所述钙化血管图像进行计算,得到调整系数包括:
分别计算所述钙化血管图像和血管图像的面积;
将所述钙化血管图像的面积与所述血管图像面积二者之间的比值确定为调整系数。
7.根据权利要求5所述的方法,其特征在于,所述根据所述调整系数调整所述初步钙化结果,得到最终钙化结果包括:
将所述初步钙化结果乘以所述调整系数,得到最终钙化结果。
8.一种血管钙化的计算设备,其特征在于,所述设备包括:
获取模块,用于获取血管图像及对应于所述血管图像的血管预测结果体数据;
血管短轴体处理模块,用于分割处理所述血管预测结果体数据,得到多个血管短轴体;
初步钙化计算模块,用于计算所述多个血管短轴体上的钙化结果,得到初步钙化结果;
血管图像处理模块,用于从所述血管图像中提取对应于钙化区域的钙化血管图像;
调整模块,用于根据所述血管图像和所述钙化血管图像调整所述初步钙化结果,得到最终钙化结果。
9.根据权利要求8所述的设备,其特征在于,所述初步钙化计算模块包括:
短轴钙化计算单元,用于分别计算所述多个血管短轴体中每一个血管短轴体上的钙化结果,得到对应于每一个血管短轴体的短轴钙化结果;
短轴钙化查找单元,用于在所得到的对应于每一个血管短轴体的钙化结果中找出钙化面积占比最大的短轴钙化结果;
初步钙化确定单元,用于将所述钙化面积占比最大的所述短轴钙化结果确定为初步钙化结果。
10.根据权利要求9所述的设备,其特征在于,所述短轴钙化计算单元包括:
短轴拉直子单元,用于针对所述多个血管短轴体中的每一个血管短轴体,按间隔角度进行拉直处理,得到对应于每一个血管短轴体的多个短轴拉直图像;
短轴计算子单元,用于计算所述对应于每一个血管短轴体的多个短轴拉直图像上的拉直钙化点数总和及分割点数总和;
钙化确定子单元,用于将所述拉直钙化点数总和与所述分割点数总和二者之间的比值确定为对应于每一个血管短轴体的短轴钙化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910124531.4A CN109875527A (zh) | 2019-02-20 | 2019-02-20 | 一种血管钙化的计算方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910124531.4A CN109875527A (zh) | 2019-02-20 | 2019-02-20 | 一种血管钙化的计算方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109875527A true CN109875527A (zh) | 2019-06-14 |
Family
ID=66928604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910124531.4A Pending CN109875527A (zh) | 2019-02-20 | 2019-02-20 | 一种血管钙化的计算方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109875527A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681767A (zh) * | 2020-06-12 | 2020-09-18 | 电子科技大学 | 一种电子病历数据处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001037219A1 (en) * | 1999-11-19 | 2001-05-25 | General Electric Company | Method and apparatus for reformatting tubular volumetric bodies |
CN1765321A (zh) * | 2004-09-09 | 2006-05-03 | 西门子公司 | 由血管结构的三维图像数据组可视化斑块沉积物的方法 |
WO2017116074A1 (ko) * | 2015-12-29 | 2017-07-06 | 서울대학교산학협력단 | 적응적 임계값 영상분할을 이용한 ct 영상 동맥경화반 용적 측정방법 및 장치 |
CN108648231A (zh) * | 2018-05-14 | 2018-10-12 | 合肥融视信息科技有限公司 | 基于三维医学影像的管状结构长度测量系统及方法 |
-
2019
- 2019-02-20 CN CN201910124531.4A patent/CN109875527A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001037219A1 (en) * | 1999-11-19 | 2001-05-25 | General Electric Company | Method and apparatus for reformatting tubular volumetric bodies |
CN1765321A (zh) * | 2004-09-09 | 2006-05-03 | 西门子公司 | 由血管结构的三维图像数据组可视化斑块沉积物的方法 |
WO2017116074A1 (ko) * | 2015-12-29 | 2017-07-06 | 서울대학교산학협력단 | 적응적 임계값 영상분할을 이용한 ct 영상 동맥경화반 용적 측정방법 및 장치 |
CN108648231A (zh) * | 2018-05-14 | 2018-10-12 | 合肥融视信息科技有限公司 | 基于三维医学影像的管状结构长度测量系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681767A (zh) * | 2020-06-12 | 2020-09-18 | 电子科技大学 | 一种电子病历数据处理方法及系统 |
CN111681767B (zh) * | 2020-06-12 | 2022-07-05 | 电子科技大学 | 一种电子病历数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9679389B2 (en) | Method and system for blood vessel segmentation and classification | |
CN107292928B (zh) | 一种血管定位的方法及装置 | |
Giordano et al. | Epiphysis and metaphysis extraction and classification by adaptive thresholding and DoG filtering for automated skeletal bone age analysis | |
Zhuge et al. | An abdominal aortic aneurysm segmentation method: Level set with region and statistical information | |
EP3352135A1 (en) | Method and apparatus for segmentation of blood vessels | |
CN116236150A (zh) | 基于眼底图像的动静脉血管图像分割方法 | |
CN111415321B (zh) | 动脉瘤破裂风险检测装置及设备 | |
CN109740602B (zh) | 肺动脉期血管提取方法及系统 | |
CN109886938A (zh) | 一种超声图像血管直径自动测量方法 | |
US20120071755A1 (en) | Method and System for Automatic Native and Bypass Coronary Ostia Detection in Cardiac Computed Tomography Volumes | |
Subasic et al. | 3D image analysis of abdominal aortic aneurysm | |
CN109875527A (zh) | 一种血管钙化的计算方法及设备 | |
Cao et al. | Automatic identification of side branch and main vascular measurements in intravascular optical coherence tomography images | |
Benčević et al. | Using the polar transform for efficient deep learning-based aorta segmentation in CTA images | |
CN111582366B (zh) | 图像处理方法、装置及设备 | |
Karim et al. | Left atrium segmentation for atrial fibrillation ablation | |
KR101404345B1 (ko) | 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법 | |
CN109919913B (zh) | 一种冠状动脉的半径计算方法、终端及存储介质 | |
Lee et al. | Evaluation of flow pattern in the ascending aorta in patients with repaired tetralogy of fallot using four-dimensional flow magnetic resonance imaging | |
Bulpitt et al. | Spiral CT of abdominal aortic aneurysms: comparison of segmentation with an automatic 3D deformable model and interactive segmentation | |
CN113592802B (zh) | 一种基于超声图像的二尖瓣环位移自动检测系统 | |
CN109615656A (zh) | 一种基于模型搜索的脊柱定位方法 | |
CN113450322B (zh) | 一种冠状动脉的起源异常判断方法和装置 | |
CN114343693A (zh) | 一种主动脉夹层诊断方法和装置 | |
US11481905B2 (en) | Atlas for automatic segmentation of retina layers from OCT images |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |