CN109924956B - 一种颅内动脉瘤图像的形态学参数的测量方法及装置 - Google Patents
一种颅内动脉瘤图像的形态学参数的测量方法及装置 Download PDFInfo
- Publication number
- CN109924956B CN109924956B CN201910319342.2A CN201910319342A CN109924956B CN 109924956 B CN109924956 B CN 109924956B CN 201910319342 A CN201910319342 A CN 201910319342A CN 109924956 B CN109924956 B CN 109924956B
- Authority
- CN
- China
- Prior art keywords
- aneurysm
- virtual
- artery
- dimensional model
- centerline
- 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
Links
Images
Abstract
本发明公开了一种颅内动脉瘤图像的形态学参数的测量方法及装置,该方法包括根据颅内影像数据构建包括载瘤动脉和载瘤动脉上的动脉瘤的三维模型,该三维模型包括与载瘤动脉匹配的虚拟载瘤动脉及与动脉瘤匹配的虚拟动脉瘤;基于该三维模型确定虚拟动脉瘤的瘤颈平面,并基于该三维模型及瘤颈平面确定目标形态学参数,该目标形态学参数至少包括虚拟动脉瘤的形态学参数。可见,实施本发明通过颅内影像数据的三维模型以及该三维模型包括的虚拟动脉瘤的瘤颈平面自动测量颅内动脉瘤的形态学参数,不仅能够提高颅内动脉瘤的形态学参数的测量结果的准确性,而且能够提高颅内动脉瘤的形态学参数的测量速度,从而为医护人员在作治疗决策时提供科学性的参考。
Description
技术领域
本发明涉及颅内动脉瘤医学技术领域,尤其涉及一种颅内动脉瘤图像的形态学参数的测量方法及装置。
背景技术
颅内动脉瘤,又称脑血管瘤,是由颅内动脉内腔异常扩张,形成动脉壁的一种瘤状突起,是一种常见的血管性疾病。据统计,我国每100个成年人中,就有7个是动脉瘤携带者。颅内动脉瘤可分为非破裂动脉瘤和破裂动脉瘤,绝大部分的颅内动脉瘤为非破裂动脉瘤,一般终生不会破裂,其年破裂率仅为0.05%。然而非破裂动脉瘤一旦破裂,会引发自发性蛛网膜下隙出血,变成破裂动脉瘤,其致死致残率超过50%,严重威胁患者的生命。
目前颅内动脉瘤图像的形态学参数的测量方法一般为:首先利用计算机获取患者的颅内动脉瘤的三维或者二维图像,然后由有临床经验的医护人员基于该图像进行手动测量颅内动脉瘤图像的形态学参数。可见,当前的颅内动脉瘤图像的形态学参数测量操作具有较大的随机性,因此难以保证颅内动脉瘤的形态学参数测量结果的准确性。
发明内容
本发明所要解决的技术问题在于,提供一种颅内动脉瘤图像的形态学参数的测量方法及装置,能够通过颅内影像数据的三维模型以及虚拟动脉瘤的瘤颈平面自动测量颅内动脉瘤的形态学参数,从而提高颅内动脉瘤的形态学参数的测量结果的准确性。
为了解决上述技术问题,本发明实施例第一方面公开了一种颅内动脉瘤图像的形态学参数的测量方法,所述方法应用于颅内动脉瘤图像的形态学参数的测量装置中,所述方法包括:
根据颅内影像数据构建包括载瘤动脉和所述载瘤动脉上的动脉瘤的三维模型,所述三维模型包括与所述载瘤动脉相匹配的虚拟载瘤动脉以及与所述动脉瘤相匹配的虚拟动脉瘤;
基于所述三维模型确定所述虚拟动脉瘤的瘤颈平面,并基于所述三维模型以及所述瘤颈平面确定目标形态学参数,所述目标形态学参数至少包括所述虚拟动脉瘤的形态学参数。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述三维模型确定所述虚拟动脉瘤的瘤颈平面,包括:
基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线;
基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面;
以及,所述基于所述三维模型以及所述瘤颈平面确定目标形态学参数,包括:
基于所述三维模型、所述动脉中心线以及所述瘤颈平面确定目标形态学参数。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面,包括:
基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线,并基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟载瘤动脉与所述虚拟动脉瘤的交界曲线;
根据所述动脉瘤中心线以及所述交界曲线确定所述虚拟动脉瘤的瘤颈平面。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线,包括:
记录所述虚拟动脉瘤上的第一像素点所在位置为第一目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流入动脉上的第一像素点所在位置为第二目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流出动脉上的第二像素点所在位置为第三目标点;
基于所述第一目标点和所述第二目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第一中心线,并基于所述第一目标点和所述第三目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第二中心线;
基于所述第一中心线与所述第二中心线确定所述虚拟动脉瘤的动脉瘤中心线。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线,包括:
基于预先确定的模型分割算法分割所述三维模型,得到分割后的三维模型,并基于所述分割后的三维模型提取所述虚拟载瘤动脉的动脉中心线;
其中,所述基于预先确定的模型分割算法分割所述三维模型,得到分割后的三维模型,包括:
基于预先确定的模型分割算法确定所述虚拟载瘤动脉上的第三像素点所在位置作为第一模拟波的第一波源点,以及确定所述虚拟动脉瘤上的第二像素点所在位置作为第二模拟波的第二波源点,所述第一模拟波和所述第二模拟波为同一类型的模拟波;
同时发射所述第一模拟波以及所述第二模拟波,并记录所述第一模拟波和所述第二模拟波的传播时长,所述传播时长的起始传播时刻为发射所述第一模拟波和所述第二模拟波的时刻,所述传播时长的终止传播时刻为所述第一模拟波的波峰和所述第二模拟波的波峰第一次重叠的时刻;
确定在所述传播时长内所述第一模拟波传播所覆盖的区域和所述第二模拟波传播所覆盖的区域之和,作为与所述虚拟载瘤动脉以及所述虚拟动脉瘤相对应的分割区域,并根据所述分割区域分割所述三维模型,得到分割后的三维模型。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述三维模型、所述动脉中心线以及所述瘤颈平面确定目标形态学参数,包括:
基于预先确定的区域区分算法确定所述虚拟载瘤动脉的动脉入口横截面以及所述虚拟载瘤动脉的动脉出口横截面;
根据所述动脉入口横截面切割所述三维模型,得到所述虚拟载瘤动脉的动脉入口区域,以及根据所述动脉出口横截面切割所述三维模型,得到所述虚拟载瘤动脉的动脉出口区域,以及根据所述瘤颈平面切割所述三维模型,得到所述虚拟载瘤动脉的动脉壁区域以及所述虚拟动脉瘤的动脉瘤壁区域;
基于所述动脉中心线、所述动脉入口区域、所述动脉出口区域、所述动脉壁区域以及所述动脉瘤壁区域确定目标形态学参数。
作为一种可选的实施方式,在本发明实施例第一方面中,所述基于所述三维模型以及所述瘤颈平面确定目标形态学参数之后,所述方法还包括:
根据所述目标形态学参数生成所述虚拟动脉瘤的评估报告,所述评估报告包括所述虚拟动脉瘤的评估结果,所述评估报告用于评估所述虚拟动脉瘤的破裂风险;
基于预设风险等级规则确定所述评估结果对应的风险等级,并显示所述评估报告以及所述评估结果对应的风险等级;
以及,所述方法还包括:
基于所述目标形态学参数从预先建立的动脉瘤数据库中确定与所述评估报告最相似的目标评估报告,并显示所述目标评估报告,所述预先建立的动脉瘤数据库用于存储所有动脉瘤患者中每个所述动脉瘤患者的评估报告。
本发明实施例第二方面公开了一种颅内动脉瘤图像的形态学参数的测量装置,所述装置包括构建模块、第一确定模块以及第二确定模块,其中:
所述构建模块,用于根据颅内影像数据构建包括载瘤动脉和所述载瘤动脉上的动脉瘤的三维模型,所述三维模型包括与所述载瘤动脉相匹配的虚拟载瘤动脉以及与所述动脉瘤相匹配的虚拟动脉瘤;
所述第一确定模块,用于基于所述三维模型确定所述虚拟动脉瘤的瘤颈平面;
所述第二确定模块,用于基于所述三维模型以及所述瘤颈平面确定目标形态学参数,所述目标形态学参数至少包括所述虚拟动脉瘤的形态学参数。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第一确定模块包括提取子模块以及确定子模块,其中:
所述提取子模块,用于基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线;
所述确定子模块,用于基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面;
以及,所述第二确定模块基于所述三维模型以及所述瘤颈平面确定目标形态学参数的方式具体为:
基于所述三维模型、所述动脉中心线以及所述瘤颈平面确定目标形态学参数。
作为一种可选的实施方式,在本发明实施例第二方面中,所述确定子模块基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面的方式具体为:
基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线,并基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟载瘤动脉与所述虚拟动脉瘤的交界曲线;
根据所述动脉瘤中心线以及所述交界曲线确定所述虚拟动脉瘤的瘤颈平面。
作为一种可选的实施方式,在本发明实施例第二方面中,所述确定子模块基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线的方式具体为:
记录所述虚拟动脉瘤上的第一像素点所在位置为第一目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流入动脉上的第一像素点所在位置为第二目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流出动脉上的第二像素点所在位置为第三目标点;
基于所述第一目标点和所述第二目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第一中心线,并基于所述第一目标点和所述第三目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第二中心线;
基于所述第一中心线与所述第二中心线确定所述虚拟动脉瘤的动脉瘤中心线。
作为一种可选的实施方式,在本发明实施例第二方面中,所述提取子模块基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线的方式具体为:
基于预先确定的模型分割算法分割所述三维模型,得到分割后的三维模型,并基于所述分割后的三维模型提取所述虚拟载瘤动脉的动脉中心线;
其中,所述提取子模块基于预先确定的模型分割算法分割所述三维模型,得到分割后的三维模型的方式具体为:
基于预先确定的模型分割算法确定所述虚拟载瘤动脉上的第三像素点所在位置作为第一模拟波的第一波源点,以及确定所述虚拟动脉瘤上的第二像素点所在位置作为第二模拟波的第二波源点,所述第一模拟波和所述第二模拟波为同一类型的模拟波;
同时发射所述第一模拟波以及所述第二模拟波,并记录所述第一模拟波和所述第二模拟波的传播时长,所述传播时长的起始传播时刻为发射所述第一模拟波和所述第二模拟波的时刻,所述传播时长的终止传播时刻为所述第一模拟波的波峰和所述第二模拟波的波峰第一次重叠的时刻;
确定在所述传播时长内所述第一模拟波传播所覆盖的区域和所述第二模拟波传播所覆盖的区域之和,作为与所述虚拟载瘤动脉以及所述虚拟动脉瘤相对应的分割区域,并根据所述分割区域分割所述三维模型,得到分割后的三维模型。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第二确定模块基于所述三维模型、所述动脉中心线以及所述瘤颈平面确定目标形态学参数的方式具体为:
基于预先确定的区域区分算法确定所述虚拟载瘤动脉的动脉入口横截面以及所述虚拟载瘤动脉的动脉出口横截面;
根据所述动脉入口横截面切割所述三维模型,得到所述虚拟载瘤动脉的动脉入口区域,以及根据所述动脉出口横截面切割所述三维模型,得到所述虚拟载瘤动脉的动脉出口区域,以及根据所述瘤颈平面切割所述三维模型,得到所述虚拟载瘤动脉的动脉壁区域以及所述虚拟动脉瘤的动脉瘤壁区域;
基于所述动脉中心线、所述动脉入口区域、所述动脉出口区域、所述动脉壁区域以及所述动脉瘤壁区域确定目标形态学参数。
作为一种可选的实施方式,在本发明实施例第二方面中,所述装置还包括生成模块以及显示模块,其中:
所述生成模块,用于在所述第二确定模块基于所述三维模型以及所述瘤颈平面确定目标形态学参数之后,根据所述目标形态学参数生成所述虚拟动脉瘤的评估报告,所述评估报告包括所述虚拟动脉瘤的评估结果,所述评估报告用于评估所述虚拟动脉瘤的破裂风险;
所述第二确定模块,还用于基于预设风险等级规则确定所述生成模块生成的所述评估结果对应的风险等级;
所述显示模块,用于显示所述评估报告以及所述评估结果对应的风险等级;
以及,所述第二确定模块,还用于基于所述目标形态学参数从预先建立的动脉瘤数据库中确定与所述评估报告最相似的目标评估报告,所述预先建立的动脉瘤数据库用于存储所有动脉瘤患者中每个所述动脉瘤患者的评估报告;
所述显示模块,还用于显示所述目标评估报告。
本发明第三方面公开了另一种颅内动脉瘤图像的形态学参数的测量装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的颅内动脉瘤图像的形态学参数的测量方法。
本发明第四方面公开了一种计算机可存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的颅内动脉瘤图像的形态学参数的测量方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,根据颅内影像数据构建包括载瘤动脉和载瘤动脉上的动脉瘤的三维模型,该三维模型包括与载瘤动脉相匹配的虚拟载瘤动脉以及与动脉瘤相匹配的虚拟动脉瘤;基于该三维模型确定虚拟动脉瘤的瘤颈平面,并基于该三维模型以及该瘤颈平面确定目标形态学参数,该目标形态学参数至少包括虚拟动脉瘤的形态学参数。可见,实施本发明通过颅内影像数据的三维模型以及虚拟动脉瘤的瘤颈平面自动测量颅内动脉瘤的形态学参数,不仅能够提高颅内动脉瘤的形态学参数的测量结果的准确性,而且能够提高颅内动脉瘤的形态学参数的测量速度,从而为医护人员在作治疗决策时提供科学性的参考,进而使得医护人员能够快速为患者提供有效的治疗方案。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例公开的一种颅内动脉瘤图像的形态学参数的测量方法的流程示意图;
图2是本发明实施例公开的一种具有多条流出动脉的颅内载瘤动脉的三维模型的结构示意图;
图3是本发明实施例公开的一种颅内载瘤动脉的三维模型的结构示意图;
图4是本发明公开的一种以瘤颈平面作为分界线的颅内载瘤动脉的三维模型的结构示意图;
图5是本发明实施例公开的一种分割后的颅内载瘤动脉的三维模型的结构示意图;
图6是本发明实施例公开的一种裁剪后的颅内载瘤动脉的三维模型的结构示意图;
图7是本发明实施例公开的一种颅内动脉瘤图像的形态学参数的测量装置的结构示意图;
图8是本发明实施例公开的另一种颅内动脉瘤图像的形态学参数的测量装置的结构示意图;
图9是本发明实施例公开的又一种颅内动脉瘤图像的形态学参数的测量装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种颅内动脉瘤图像的形态学参数的测量方法及装置,该方法应用于颅内动脉瘤图像的形态学参数的测量装置中,能够通过颅内影像数据的三维模型以及虚拟动脉瘤的瘤颈平面自动测量颅内动脉瘤的形态学参数,不仅能够提高颅内动脉瘤的形态学参数的测量结果的准确性,而且能够提高颅内动脉瘤的形态学参数的测量速度,从而为医护人员在作治疗决策时提供科学性的参考,进而使得医护人员快速给患者提供有效的治疗方案。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种颅内动脉瘤图像的形态学参数的测量方法的流程示意图。其中,图1所描述的方法可以应用在测量终端中,并且该测量终端包括所有能测量患者动脉瘤的形态学参数的终端。进一步的,该测量终端还可以与用户终端通过无线网络连接,其中,该用户终端可以包括智能手机(Android手机、iOS手机等)、智能电话手表、平板电脑、掌上电脑、车载电脑、台式电脑、上网本、个人数字助理(PersonalDigital Assistant,PDA)、智能导航仪以及移动互联网设备(Mobile Internet Devices,MID)等终端,本发明实施例不做限定,如图1所示,该颅内动脉瘤图像的形态学参数的测量方法可以包括以下操作:
101、测量终端根据颅内影像数据建立包括载瘤动脉和载瘤动脉上的动脉瘤的三维模型,该三维模型包括与载瘤动脉相匹配的虚拟载瘤动脉以及与动脉瘤相匹配的虚拟动脉瘤。
本发明实施例中,颅内影像数据包括但不限于CTA颅内影像数据、MRA颅内影像数据以及DSA颅内影像数据中的任意一种。
本发明实施例中,作为一种可选的实施方式,测量终端根据颅内影像数据建立包括载瘤动脉和载瘤动脉上的动脉瘤的三维模型,可以包括:
测量终端采集患者的颅内影像数据,并基于预先确定出的阈值分割算法对颅内影像数据进行阈值分割处理,得到分割后的颅内影像数据,以及根据分割后的颅内影像数据建立包括载瘤动脉和载瘤动脉上的动脉瘤的三维模型。
其中,测量终端基于预先确定的阈值分割算法对颅内影像数据进行阈值分割处理,可以包括:
测量终端基于预先确定出的阈值分割算法对颅内影像数据进行灰度处理,得到灰度处理后的颅内影像数据,并将颅内影像数据中灰度值大于等于预设灰度阈值的像素值标记为第一预设值,将颅内影像数据中灰度值小于预设灰度阈值的像素值标记为第二预设值。
该可选的实施方式中,预设灰度阈值可以为0—255范围内的任一数值,具体根据实际情况而定,例如:预设灰度阈值可以为156,也可以为202,本发明实施例不做限定。
该可选的实施方式中,第一预设值和第二预设值不相同。具体的,当第一预设值为1时,第二预设值为0;当第一预设值为0时,第二预设值为1,本发明实施例不做限定。
该可选的实施方式中,预先确定出的阈值分割算法可以包括Otsu阈值分割算法、自适应阈值分割算法、最大熵阈值分割算法、Roberts阈值分割算法、Prewitt阈值分割算法、Sobel阈值分割算法、Marr-Hilderth阈值分割算法、Canny阈值分割算法中的任意一种算法或者多种算法组合,本发明实施例不做限定。
作为一种可选的实施例,测量终端基于颅内影像数据建立包括载瘤动脉和该载瘤动脉上动脉瘤的三维模型之前,还可以:
判断颅内影像数据的影像质量指标是否达到预设影像质量指标;
当判断的结果为是时,触发执行上述的根据颅内影像数据建立包括载瘤动脉和该载瘤动脉上动脉瘤的三维模型的操作;
当判断的结果为否时,基于预设影像算法对上述颅内影像数据进行预处理,直至该颅内影像数据的影像质量指标达到预设影像质量指标,并触发执行上述的根据颅内影像数据建立包括载瘤动脉和该载瘤动脉上动脉瘤的三维模型的操作。
该可选的实施例中,颅内影像数据的影像质量指标包括但不限于颅内影像数据的色彩深度、颅内影像数据的分辨率、颅内影像数据的图像失真、颅内影像数据的数据格式、颅内影像数据的文件大小。
可见,该可选的实施例通过在建立载瘤动脉以及载瘤动脉上的动脉瘤的三维模型之前,判断颅内影像数据的影像质量指标是否达到预设标准,当没有达到预设标准时,将颅内影像数据的影像质量指标进行预处理,直至达到预设影像质量指标才建立载瘤动脉以及载瘤动脉上的动脉瘤的三维模型,能够降低因影像质量指标不达标而导致建立载瘤动脉以及动脉瘤的三维模型不精准的可能性。
102、测量终端基于上述三维模型确定上述虚拟动脉瘤的瘤颈平面。
本发明实施例中,作为一种可选的实施方式,测量终端基于上述三维模型确定上述虚拟动脉瘤的瘤颈平面,可以包括:
测量终端基于上述三维模型提取上述虚拟载瘤动脉的动脉中心线(请参照图3中的动脉中心线),并基于该动脉中心线与该三维模型确定上述虚拟动脉瘤的瘤颈平面。
本发明实施例中,进一步的,测量终端基于上述三维模型提取上述虚拟载瘤动脉的动脉中心线,具体的,测量终端基于预先确定的中心线提取算法以及上述三维模型提取上述虚拟载瘤动脉的动脉中心线。其中,该预先确定的中心线提取算法包括但不限于基于拓扑细化算法、基于Hessian追踪算法、基于距离变换算法中的任意一种。又进一步的,虚拟载瘤动脉的动脉中心线的数量不定,可以为1条,也可以为3条,具体根据载瘤动脉的流出动脉(也称流出血管)的数量而定,本发明实施例不做限定。并且载瘤动脉的流入动脉(也称流入血管)不受载瘤动脉的流出动脉的数量的限制,仅为一条。当载瘤动脉的流出动脉的数量多于1条时,载瘤动脉的三维模型的结构示意图可以如图2所示,图2为本发明实施例公开的一种具有多条流出动脉的颅内载瘤动脉的三维模型的结构示意图。
本发明实施例中,又进一步的,当预先确定的中心线提取算法为上述基于距离变换算法时,测量终端基于预先确定的中心线提取算法以及上述三维模型提取上述虚拟载瘤动脉的动脉中心线,可以包括:
测量终端基于距离变换算法确定上述虚拟载瘤动脉的流入动脉上的某一像素点所在位置作为源点,上述虚拟载瘤动脉的流入动脉上的某一像素点所在位置作为目标点;
测量终端基于上述源点以及上述目标点生成上述三维模型的维诺图,并记录第三模拟波从该源点传播到维诺图的所有特征点所需的到达时间,其中,该所有特征点为维诺图上除了源点之外的所有点;
测量终端确定上述维诺图的目标特征点集合,并将该目标特征点集合中的每个特征点依次连接起来得到的线段,作为上述虚拟载瘤动脉的动脉中心线,其中,该目标特征点集合为上述第三模拟波从目标点沿到达时间的最大空间梯度方向传播所经过的所有点组成的集合。
该可选的实施方式中,测量终端将上述目标特征点集合中的每个特征点依次连接起来得到的线段,作为上述虚拟载瘤动脉的动脉中心线,具体的,测量终端确定目标特征点集合中离虚拟载瘤动脉的流入进口区域最近的一个点作为源点,并从该源点依次将目标特征点集合中的每个特征点依次连接起来得到的线段,作为上述虚拟载瘤动脉的动脉中心线。
进一步的,测量终端基于上述源点以及上述目标点生成上述三维模型的维诺图,可以包括:
测量终端基于Delaunay三角剖分算法生成上述三维模型的四面体,该四面体包括该三维模型上所有点,并基于新点剖分该四面体,得到新的四面体,其中,该新的四面体满足Delaunay条件(即新的四面体的外接圆除了包含四面体的顶点之外,不包含该三维模型上所有点的任何点),该新点为异于该三维模型上所有点的且在虚拟载瘤血管内部的点;
测量终端重复上述操作,仅保留该三维模型上所有点中包含在虚拟载瘤动脉内的目标点集,并将该目标点集中每组相邻点依次连接起来得到的线段图作为该三维模型的维诺图。
该可选的实施方式中,又进一步的,当预先确定的中心线提取算法为上述基于拓扑细化算法时,测量终端基于预先确定的中心线提取算法以及上述三维模型提取上述虚拟载瘤动脉的动脉中心线,可以包括:
测量终端基于拓扑细化方法对上述虚拟载瘤动脉执行形态学腐蚀操作,直到该虚拟载瘤动脉的拓扑结构保持不变,并从保持不变的拓扑结构上的源点将拓扑结构上的每个点依次连接起来得到的线段作为虚拟载瘤动脉的动脉中心线。
该可选的实施方式中,拓扑结构的源点为距离虚拟载瘤动脉的流入进口区域最近的一个点。
该可选的实施方式中,又进一步可选的,当预先确定的中心线提取算法为上述基于Hessian追踪算法时,测量终端基于预先确定的中心线提取算法以及上述三维模型提取上述虚拟载瘤动脉的动脉中心线,可以包括:
测量终端基于Hessian矩阵的追踪方法计算上述三维模型的Hessian矩阵,得到该三维模型的特征向量,并确定该特征向量的方向作为虚拟载瘤动脉的轴线方向;
测量终端获取上述虚拟载瘤动脉的局部特征点集合,并确定该局部特征点集合中每个局部特征点垂直于上述轴线方向的截面的中心点,得到该局部特征点集合的中心点集合,以及从起始中心点依次将中心点集合中的每个中心点连接所形成的曲线作为虚拟载瘤动脉的动脉中心线。
该可选的实施方式中,局部特征点可以包括上述虚拟载瘤动脉上的斑点和/或角点,其中,斑点可以包括上述虚拟载瘤动脉中灰度值高于预设灰度值的像素点。角点可以包括上述虚拟载瘤动脉的拐角点和/或上述虚拟载瘤动脉的主动脉与该虚拟载瘤动脉的支动脉所形成的点。起始中心点为距离上述虚拟载瘤动脉的流入进口区域最近的一个点。
可见,通过多种动脉中心线的提取方法,不仅能够丰富虚拟载瘤动脉的动脉中心线的提取方法,还能够根据虚拟载瘤动脉的实际情况选择合适的动脉中心线提取方法,从而有利于快速确定形态学参数。
本发明实施例中,作为一种可选的实施方式,测量终端基于上述动脉中心线与上述三维模型确定上述虚拟动脉瘤的瘤颈平面,可以包括:
测量终端基于上述虚拟动脉瘤以及上述动脉中心线确定该虚拟动脉瘤的动脉瘤中心线,并基于该虚拟动脉瘤以及该动脉中心线确定上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线;
测量终端根据上述动脉瘤中心线以及上述交界曲线确定上述虚拟动脉瘤的瘤颈平面(请参照图3中的瘤颈平面)。
本发明实施例中,测量终端基于上述动脉中心线与上述三维模型确定上述虚拟动脉瘤的瘤颈平面可以如图3所示,图3为本发明实施例公开的一种颅内载瘤动脉的三维模型的结构示意图。
本发明实施例中,作为另一种可选的实施方式,测量终端基于上述三维模型确定上述虚拟动脉瘤的瘤颈平面,可以包括:
测量终端在虚拟动脉瘤以及虚拟载瘤动脉的交界处出选择两点,连接此两点形成一条线段,再把该线段沿三维模型的视平面的法向方向(正、反)扫掠所形成的面作为虚拟动脉瘤的瘤颈平面(请参照图4中的瘤颈平面)。如图4所示,图4为本发明公开的一种以瘤颈平面作为分界线的颅内载瘤动脉的三维模型的结构示意图。
本发明实施例中,进一步的,测量终端基于上述虚拟动脉瘤以及上述动脉中心线确定该虚拟动脉瘤的动脉瘤中心线,可以包括:
测量终端记录上述虚拟动脉瘤上的第一像素点所在位置为第一目标点,记录上述动脉中心线在上述虚拟载瘤动脉的流入动脉上的第一像素点所在位置为第二目标点,记录该动脉中心线在该虚拟载瘤动脉的流出动脉上的第二像素点所在位置为第三目标点;
测量终端基于上述第一目标点和上述第二目标点生成上述虚拟载瘤动脉和上述虚拟动脉瘤对应的第一中心线(请参照图3中的第一中心线),并基于该第一目标点和上述第三目标点生成该虚拟载瘤动脉和该虚拟动脉瘤对应的第二中心线(请参照图3中的第二中心线);
测量终端基于上述第一中心线与上述第二中心线确定上述虚拟动脉瘤的动脉瘤中心线(请参照图3中的动脉瘤中心线)。
本发明实施例中,第一目标点可以为上述源点,也可以为其他点,第二目标点可以为上述目标点,也可以为其他点,本发明实施例不做限定。
本发明实施例中,构成虚拟动脉瘤的动脉瘤中心线的点为第一中心线和第二中心线上对应点的连线的中点。
本发明实施例中,又进一步的,测量终端基于该虚拟动脉瘤以及该动脉中心线确定上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线,可以包括:
测量终端确定上述动脉中心线与上述第一中心线的交点作为第一交点(请参照图3中的第一交点),并确定该动脉中心线与上述第二中心线的交点作为第二交点(请参照图3中的第二交点);
测量终端确基于上述第一交点与上述第二交点生成第一线段,以及对该第一线段执行放样操作,得到第一目标三维模型,该第一目标三维模型为仅保留虚拟载瘤动脉的模型;
测量终端将上述三维模型与第一目标三维模型执行相减操作,得到第二目标三维模型以及上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线(请参照图3中的交界曲线),该第二目标三维模型为仅保留虚拟动脉瘤的模型。
本发明实施例中,进一步的,在将上述三维模型与第一目标三维模型执行相减操作,得到第二目标三维模型以及上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线之前,该颅内动脉瘤的形态学参数的测量方法还可以包括以下操作:
测量终端判断上述第一交点、上述第二交点是否分别为上述源点以及上述目标点,当判断的结果为否时,确定上述第一交点上垂直于该第一交点的切线方向的第一截面,并确定上述第二交点上垂直于该第二交点的切线方向的第二截面,以及基于该第一截面和该第二截面切割上述三维模型,得到符合预设长度的三维模型,该符合预设长度的三维模型为仅保留虚拟载瘤动脉和虚拟动脉瘤的模型;当判断的结果为是时,测量终端执行上述的将上述三维模型与第一目标三维模型执行相减操作的步骤。
以及,测量终端将上述三维模型与第一目标三维模型执行相减操作,得到第二目标三维模型以及上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线,可以包括:
测量终端将上述符合预设长度的三维模型与第一目标三维模型执行相减操作,得到第二目标三维模型以及上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线。
这样通过在对上述三维模型与第一目标三维模型执行相减操作之前,判断第一交点以及第二交点是否分别为源点以及目标点,当判断的结果为否时,能够对三维模型执行切割操作,从而减低三维模型中不必要的数据所占的内存,进而提高测量终端的运行速度,进而提高颅内动脉瘤图像的形态学参数的测量速度。
本发明实施例中,又进一步的,测量终端基于上述三维模型提取上述虚拟载瘤动脉的动脉中心线,可以包括:
测量终端基于预先确定的模型分割算法分割上述三维模型,得到分割后的三维模型,并基于该分割后的三维模型提取上述虚拟载瘤动脉的动脉中心线。
其中,测量终端基于预先确定的模型分割算法分割上述三维模型,得到分割后的三维模型,可以包括:
测量终端基于预先确定的模型分割算法确定上述虚拟载瘤动脉上的某一像素点所在位置作为第一模拟波的第一波源点(请参照图5中的第一波源点),以及确定上述虚拟动脉瘤上的某一像素点所在位置作为第二模拟波的第二波源点(请参照图5中的第二波源点),该第一模拟波和该第二模拟波为同一类型的模拟波。
测量终端同时发射上述第一模拟波以及上述第二模拟波,并记录第一模拟波和第二模拟波的传播时长,该传播时长的起始传播时刻为发射第一模拟波和第二模拟波的时刻,该传播时长的终止传播时刻为第一模拟波的波峰和第二模拟波的波峰第一次重叠的时刻;
测量终端确定在上述传播时长内第一模拟波传播所覆盖的区域和第二模拟波传播所覆盖的区域之和,作为与上述虚拟载瘤动脉以及上述虚拟动脉瘤相对应的分割区域,并根据该分割区域分割上述三维模型,得到分割后的三维模型。
该可选的实施方式中,预先确定的模型分割算法可以包括碰撞前端算法(也称碰撞检测算法),本发明实施例不做限定。
本发明实施例中,基于预先确定的模型分割算法分割上述三维模型,得到分割后的三维模型可以如图5所示,图5为本发明实施例公开的一种分割后的颅内载瘤动脉的三维模型的结构示意图。
该可选的实施方式通过预先确定出的模型分割算法分割三维模型,能够更精确地定位以及重建虚拟载瘤动脉和虚拟动脉瘤的三维模型,从而有利于获得更精确的虚拟载瘤动脉以及虚拟动脉瘤的形态学参数。
103、测量终端基于上述三维模型以及上述瘤颈平面确定目标形态学参数,该目标形态学参数至少包括上述虚拟动脉瘤的形态学参数。
本发明实施例中,目标形态学参数可以包括虚拟动脉瘤的瘤径(长径)、虚拟动脉瘤的瘤高(高度)、虚拟动脉瘤的瘤宽(宽度)、虚拟动脉瘤的颈宽、虚拟动脉瘤的非球形指数、虚拟动脉瘤的波动指数、虚拟动脉瘤的椭圆指数、虚拟动脉瘤的长宽比、虚拟动脉瘤的尺寸比、虚拟动脉瘤的偏斜角等形态参数中的至少一种,本发明实施例不做限定。进一步的,目标形态学参数还可以包括虚拟载瘤动脉的形态学参数。又进一步的,当目标形态学参数包括虚拟载瘤动脉的形态学参数时,该目标形态学参数还可以包括虚拟载瘤动脉的近端点、虚拟载瘤动脉的远端点、虚拟载瘤动脉的流入角、虚拟载瘤动脉的流出角中的至少一种,本发明实施例不做限定。
本发明实施例中,进一步的,测量终端基于上述三维模型以及上述瘤颈平面确定目标形态学参数,可以包括:
测量终端基于上述三维模型、上述动脉中心线以及上述瘤颈平面确定目标形态学参数。
本发明实施例中,又进一步的,测量终端基于上述三维模型、上述动脉中心线以及上述瘤颈平面确定目标形态学参数,可以包括:
测量终端基于预先确定的区域区分算法确定上述虚拟载瘤动脉的动脉入口横截面以及上述虚拟载瘤动脉的动脉出口横截面;
测量终端根据上述动脉入口横截面切割上述三维模型,得到上述虚拟载瘤动脉的动脉入口区域,以及根据上述动脉出口横截面切割该三维模型,得到该虚拟载瘤动脉的动脉出口区域,以及根据上述瘤颈平面切割该三维模型,得到该虚拟载瘤动脉的动脉壁区域以及该虚拟动脉瘤的动脉瘤壁区域;
测量终端基于上述动脉中心线、上述动脉入口区域、上述动脉出口区域、上述动脉壁区域以及上述动脉瘤壁区域确定目标形态学参数。
本发明实施例中,基于预先确定的区域区分算法对上述三维模型进行区域区分,得到分割后的三维模型可以如图6所示,图6为本发明实施例公开的一种裁剪后的颅内载瘤动脉的三维模型的结构示意图。
作为又一种可选的实施例,在基于实施三维模型以及上述瘤颈平面确定目标形态学参数之后,该颅内动脉瘤的形态学参数的测量方法还可以包括以下操作:
测量终端根据上述目标形态学参数生成上述虚拟动脉瘤的评估报告,该评估报告可以包括虚拟动脉瘤的评估结果以及目标形态学参数,并基于预设风险等级规则确定该评估结果对应的风险等级,以及显示该评估报告以及该评估结果对应的风险等级,该评估报告可以用于评估虚拟动脉瘤的破裂风险。
该可选的实施例中,该预设风险等级规则为根据颅内动脉瘤的破裂概率进行设置的风险等级规则,以及预设风险等级可以包括若干等级,例如:1级-5级,或1级-10级,例如:破裂概率为0%-20%对应的风险等级为1级,破裂概率为80%-100%对应的风险等级为5级,或破裂概率为0%-10%对应的风险等级为1级,破裂概率为90%-100%对应的风险等级为10级,本发明实施例不做限定。其中,颅内动脉瘤破裂风险越高对应的风险等级越高,或颅内动脉瘤破裂风险越高对应的风险等级越低。
该可选的实施例中,进一步的,测量终端标记评估报告中的评估结果,得到标记后的评估结果,并根据不同的标记确定动脉瘤破裂的风险。具体的,将评估结果用不同的颜色进行标记,颜色越深,代表动脉瘤破裂的风险越高,本发明实施例不做限定。这样通过将评估报告的评估结果以颜色和/或图文标记出来,以及将颅内动脉瘤的破裂风险以破裂风险等级标记出来,能够直观地了解动脉瘤破裂的情况。
该可选的实施例中,进一步的,测量终端还可以基于上述目标形态学参数从预先建立的动脉瘤数据库中确定与上述评估报告最相似的目标评估报告,并显示该目标评估报告,该预先建立的动脉瘤数据库用于存储所有动脉瘤患者中每个动脉瘤患者的评估报告。
该可选的实施例中,测量终端从预先建立的动脉瘤数据库中确定与上述评估报告最相似的目标评估报告,即测量终端从预先建立的动脉瘤数据库中确定与当前病例最相似的以往病例,其中,该与当前病例最相似的以往病例是以当前病例的目标形态学参数作为参考从动脉瘤数据库筛选出来的。并且与当前病例最相似的以往病例的分析可以包括该以往病例的临床信息(例如:65岁)、三维血管模型以及相似程度(例如:95%)中的至少一种,本发明实施例不做限定。进一步的,该临床信息为匿名化后的信息。这样通过将与当前病例最相似的以往病例的分析显示在评估报告中,能够为医护人员提供参考,从而快速为当前动脉瘤患者做出诊断结果。
该可选的实施例中,测量终端将评估报告发送至该评估报告对应的患者的用户终端,供患者查看。这样将评估报告发送至患者,便于患者保存评估报告,并实时查看评估报告。
可见,该可选的实施例通过生成形态学参数的评估报告,能够使得医护人员和/或患者更清晰地了解颅内动脉瘤的情况,以及基于预设风险等级确定颅内动脉瘤的形态学参数的评估结果对应的风险等级,能够便于医护人员和/或患者更直观地知晓颅内动脉瘤的破裂风险,从而便于医护人员根据颅内动脉瘤的破裂风险给患者提供有效的治疗方案。
可见,实施图1所描述的颅内动脉瘤图像的形态学参数的测量方法能够通过对颅内影像数据的三维模型以及虚拟动脉瘤的瘤颈平面自动测量颅内动脉瘤的形态学参数,不仅能够提高颅内动脉瘤的形态学参数的测量结果的准确性,而且能够提高颅内动脉瘤的形态学参数的测量速度,从而为医护人员在作治疗决策时提供科学性的参考,进而使得医护人员快速给患者提供有效的治疗方案。此外,还能够降低因影像质量指标不达标而导致建立载瘤动脉以及动脉瘤的三维模型不精准的可能性;还能够使得医护人员和/或患者更清晰地了解颅内动脉瘤的情况;还能够便于医护人员和/或患者更直观地知晓颅内动脉瘤的破裂风险,从而便于医护人员根据颅内动脉瘤的破裂风险给患者提供有效的治疗方案;还能够将评估报告发送至该评估报告对应的患者的用户终端,从而便于患者保存评估报告,并实时查看评估报告。
实施例二
请参阅图7,图7是本发明实施例公开的一种颅内动脉瘤图像的形态学参数的测量装置的结构示意图。如图7所示,该颅内动脉瘤图像的形态学参数的测量装置可以包括构建模块701、第一确定模块以702及第二确定模块703,其中:
构建模块701,用于根据颅内影像数据构建包括载瘤动脉和该载瘤动脉上的动脉瘤的三维模型,所该三维模型包括与载瘤动脉相匹配的虚拟载瘤动脉以及与动脉瘤相匹配的虚拟动脉瘤。
第一确定模块702,用于基于上述三维模型确定上述虚拟动脉瘤的瘤颈平面。
第二确定模块703,用于基于上述三维模型以及上述瘤颈平面确定目标形态学参数,该目标形态学参数至少包括上述虚拟动脉瘤的形态学参数。
可见,实施图7所描述的颅内动脉瘤图像的形态学参数的测量装置能够通过颅内影像数据的三维模型以及虚拟动脉瘤的瘤颈平面自动测量颅内动脉瘤的形态学参数,不仅能够提高颅内动脉瘤的形态学参数的测量结果的准确性,而且能够提高颅内动脉瘤的形态学参数的测量速度,从而为医护人员在作治疗决策时提供科学性的参考,进而使得医护人员快速给患者提供有效的治疗方案。
作为一种可选的实施例,第二确定模块703,还用于在构建模块701基于颅内影像数据建立包括载瘤动脉和该载瘤动脉上动脉瘤的三维模型之前,判断颅内影像数据的影像质量指标是否达到预设影像质量指标;
当判断的结果为是时,触发执行上述的根据颅内影像数据建立包括载瘤动脉和该载瘤动脉上动脉瘤的三维模型的操作;
当判断的结果为否时,基于预设影像算法对上述颅内影像数据进行预处理,直至该颅内影像数据的影像质量指标达到预设影像质量指标,并触发构建模块701执行上述的根据颅内影像数据建立包括载瘤动脉和该载瘤动脉上动脉瘤的三维模型的操作。
该可选的实施例中,颅内影像数据的影像质量指标包括但不限于颅内影像数据的色彩深度、颅内影像数据的分辨率、颅内影像数据的图像失真、颅内影像数据的数据格式、颅内影像数据的文件大小。
可见,实施图7所描述的颅内动脉瘤图像的形态学参数的测量装置还能够通过在建立载瘤动脉以及载瘤动脉上的动脉瘤的三维模型之前,判断颅内影像数据的影像质量指标是否达到预设标准,当没有达到预设标准时,将颅内影像数据的影像质量指标进行预处理,直至达到预设影像质量指标才建立载瘤动脉以及载瘤动脉上的动脉瘤的三维模型,能够降低因影像质量指标不达标而导致建立载瘤动脉以及动脉瘤的三维模型不精准的可能性。
作为另一种可选的实施例,第一确定模块702可以包括提取子模块7021以及确定子模块7022如图8所示,图8为本发明实施例公开的另一种颅内动脉瘤图像的形态学参数的测量装置的结构示意图其中:
提取子模块7021,用于基于上述三维模型提取上述虚拟载瘤动脉的动脉中心线。
确定子模块7022,用于基于上述动脉中心线与上述三维模型确定上述虚拟动脉瘤的瘤颈平面。
以及,第二确定模块703基于上述三维模型以及上述瘤颈平面确定目标形态学参数的方式具体为:
基于上述三维模型、上述动脉中心线以及上述瘤颈平面确定目标形态学参数。
该可选的实施例中,作为一种可选的实施方式,确定子模块7022基于上述动脉中心线与实施三维模型确定上述虚拟动脉瘤的瘤颈平面的方式具体为:
基于上述虚拟动脉瘤以及上述动脉中心线确定上述虚拟动脉瘤的动脉瘤中心线,并基于该虚拟动脉瘤以及该动脉中心线确定上述虚拟载瘤动脉与该虚拟动脉瘤的交界曲线;
根据上述动脉瘤中心线以及上述交界曲线确定上述虚拟动脉瘤的瘤颈平面。
该可选的实施例中,进一步的,确定子模块7022基于上述虚拟动脉瘤以及上述动脉中心线确定该虚拟动脉瘤的动脉瘤中心线的方式具体为:
记录上述虚拟动脉瘤上的第一像素点所在位置为第一目标点,记录上述动脉中心线在上述虚拟载瘤动脉的流入动脉上的第一像素点所在位置为第二目标点,记录该动脉中心线在该虚拟载瘤动脉的流出动脉上的第二像素点所在位置为第三目标点;
基于上述第一目标点和上述第二目标点生成上述虚拟载瘤动脉和上述虚拟动脉瘤对应的第一中心线,并基于该第一目标点和上述第三目标点生成上述虚拟载瘤动脉和该虚拟动脉瘤对应的第二中心线;
基于上述第一中心线与上述第二中心线确定上述虚拟动脉瘤的动脉瘤中心线。
该可选的实施例中,又进一步的,提取子模块7021基于上述三维模型提取上述虚拟载瘤动脉的动脉中心线的方式具体为:
基于预先确定的模型分割算法分割上述三维模型,得到分割后的三维模型,并基于该分割后的三维模型提取上述虚拟载瘤动脉的动脉中心线;
其中,提取子模块7022基于预先确定的模型分割算法分割上述三维模型,得到分割后的三维模型的方式具体为:
基于预先确定的模型分割算法确定上述虚拟载瘤动脉上的第三像素点所在位置作为第一模拟波的第一波源点,以及确定上述虚拟动脉瘤上的第二像素点所在位置作为第二模拟波的第二波源点,该第一模拟波和该第二模拟波为同一类型的模拟波;
同时发射上述第一模拟波以及上述第二模拟波,并记录该第一模拟波和该第二模拟波的传播时长,该传播时长的起始传播时刻为发射该第一模拟波和该第二模拟波的时刻,该传播时长的终止传播时刻为该第一模拟波的波峰和该第二模拟波的波峰第一次重叠的时刻;
确定在上述传播时长内上述第一模拟波传播所覆盖的区域和上述第二模拟波传播所覆盖的区域之和,作为与上述虚拟载瘤动脉以及上述虚拟动脉瘤相对应的分割区域,并根据该分割区域分割上述三维模型,得到分割后的三维模型。
作为又一种可选的实施方式,第二确定模块703基于上述三维模型、上述动脉中心线以及上述瘤颈平面确定目标形态学参数的方式具体为:
基于预先确定的区域区分算法确定上述虚拟载瘤动脉的动脉入口横截面以及上述虚拟载瘤动脉的动脉出口横截面;
根据上述动脉入口横截面切割上述三维模型,得到该虚拟载瘤动脉的动脉入口区域,以及根据上述动脉出口横截面切割该三维模型,得到该虚拟载瘤动脉的动脉出口区域,以及根据上述瘤颈平面切割该三维模型,得到该虚拟载瘤动脉的动脉壁区域以及上述虚拟动脉瘤的动脉瘤壁区域;
基于上述动脉中心线、上述动脉入口区域、上述动脉出口区域、上述动脉壁区域以及上述动脉瘤壁区域确定目标形态学参数。
作为又一种可选的实施例,如图8所示,颅内动脉瘤图像的形态学参数的测量装置还可以包括生成模块704以及显示模块705,其中:
生成模块704,用于在第二确定模块703基于上述三维模型以及上述瘤颈平面确定目标形态学参数之后,根据该目标形态学参数生成上述虚拟动脉瘤的评估报告,该评估报告可以包括该虚拟动脉瘤的评估结果,该评估报告用于评估该虚拟动脉瘤的破裂风险。
第二确定模块703,还用于基于预设风险等级规则确定生成模块704生成的评估结果对应的风险等级。
显示模块705,用于显示上述评估报告以及上述评估结果对应的风险等级。
可见,实施图8所描述的颅内动脉瘤图像的形态学参数的测量装置还能够通过生成形态学参数的评估报告,能够使得医护人员和/或患者更清晰地了解颅内动脉瘤的情况,以及基于预设风险等级确定颅内动脉瘤的形态学参数的评估结果对应的风险等级,能够便于医护人员和/或患者更直观地知晓颅内动脉瘤的破裂风险,从而便于医护人员根据颅内动脉瘤的破裂风险给患者提供有效的治疗方案。
该可选的实施例,进一步的,第二确定模块703,还用于基于上述目标形态学参数从预先建立的动脉瘤数据库中确定与上述评估报告最相似的目标评估报告,该预先建立的动脉瘤数据库用于存储所有动脉瘤患者中每个动脉瘤患者的评估报告;
显示模块705,还用于显示上述目标评估报告。
可见,实施图8所描述的颅内动脉瘤图像的形态学参数的测量装置还能够通过将与当前病例最相似的以往病例的分析显示在评估报告中,能够为医护人员提供参考,从而快速为当前动脉瘤患者做出诊断结果。
实施例三
请参阅图9,图9是本发明实施例公开的又一种颅内动脉瘤图像的形态学参数的测量装置的结构示意图。如图9所示,该颅内动脉瘤图像的形态学参数的测量装置可以包括:
存储有可执行程序代码的存储器901;
与存储器901耦合的处理器902;
处理器902调用存储器901中存储的可执行程序代码,执行实施例一中所描述的颅内动脉瘤图像的形态学参数的测量方法中的操作。
实施例四
本发明实施例公开了一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,该计算机程序使得计算机执行实施例一中所描述的颅内动脉瘤图像的形态学参数的测量方法中的步骤。
实施例五
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一中所描述的颅内动脉瘤图像的形态学参数的测量方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种颅内动脉瘤图像的形态学参数的测量方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;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;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (8)
1.一种颅内动脉瘤图像的形态学参数的测量方法,其特征在于,所述方法包括:
根据颅内影像数据构建包括载瘤动脉和所述载瘤动脉上的动脉瘤的三维模型,所述三维模型包括与所述载瘤动脉相匹配的虚拟载瘤动脉以及与所述动脉瘤相匹配的虚拟动脉瘤;
基于所述三维模型确定所述虚拟动脉瘤的瘤颈平面,并基于所述三维模型以及所述瘤颈平面确定目标形态学参数,所述目标形态学参数至少包括所述虚拟动脉瘤的形态学参数;
其中,所述基于所述三维模型确定所述虚拟动脉瘤的瘤颈平面,包括:
基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线;
基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面;
其中,所述基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面,包括:
基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线,并基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟载瘤动脉与所述虚拟动脉瘤的交界曲线;
根据所述动脉瘤中心线以及所述交界曲线确定所述虚拟动脉瘤的瘤颈平面;
所述基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线,包括:
记录所述虚拟动脉瘤上的第一像素点所在位置为第一目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流入动脉上的第一像素点所在位置为第二目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流出动脉上的第二像素点所在位置为第三目标点;
基于所述第一目标点和所述第二目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第一中心线,并基于所述第一目标点和所述第三目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第二中心线;
基于所述第一中心线与所述第二中心线确定所述虚拟动脉瘤的动脉瘤中心线。
2.根据权利要求1所述的颅内动脉瘤图像的形态学参数的测量方法,其特征在于,所述基于所述三维模型以及所述瘤颈平面确定目标形态学参数,包括:
基于所述三维模型、所述动脉中心线以及所述瘤颈平面确定目标形态学参数。
3.根据权利要求1或2所述的颅内动脉瘤图像的形态学参数的测量方法,其特征在于,所述基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线,包括:
基于预先确定的模型分割算法分割所述三维模型,得到分割后的三维模型,并基于所述分割后的三维模型提取所述虚拟载瘤动脉的动脉中心线;
其中,所述基于预先确定的模型分割算法分割所述三维模型,得到分割后的三维模型,包括:
基于预先确定的模型分割算法确定所述虚拟载瘤动脉上的第三像素点所在位置作为第一模拟波的第一波源点,以及确定所述虚拟动脉瘤上的第二像素点所在位置作为第二模拟波的第二波源点,所述第一模拟波和所述第二模拟波为同一类型的模拟波;
同时发射所述第一模拟波以及所述第二模拟波,并记录所述第一模拟波和所述第二模拟波的传播时长,所述传播时长的起始传播时刻为发射所述第一模拟波和所述第二模拟波的时刻,所述传播时长的终止传播时刻为所述第一模拟波的波峰和所述第二模拟波的波峰第一次重叠的时刻;
确定在所述传播时长内所述第一模拟波传播所覆盖的区域和所述第二模拟波传播所覆盖的区域之和,作为与所述虚拟载瘤动脉以及所述虚拟动脉瘤相对应的分割区域,并根据所述分割区域分割所述三维模型,得到分割后的三维模型。
4.根据权利要求2所述的颅内动脉瘤图像的形态学参数的测量方法,其特征在于,所述基于所述三维模型、所述动脉中心线以及所述瘤颈平面确定目标形态学参数,包括:
基于预先确定的区域区分算法确定所述虚拟载瘤动脉的动脉入口横截面以及所述虚拟载瘤动脉的动脉出口横截面;
根据所述动脉入口横截面切割所述三维模型,得到所述虚拟载瘤动脉的动脉入口区域,以及根据所述动脉出口横截面切割所述三维模型,得到所述虚拟载瘤动脉的动脉出口区域,以及根据所述瘤颈平面切割所述三维模型,得到所述虚拟载瘤动脉的动脉壁区域以及所述虚拟动脉瘤的动脉瘤壁区域;
基于所述动脉中心线、所述动脉入口区域、所述动脉出口区域、所述动脉壁区域以及所述动脉瘤壁区域确定目标形态学参数。
5.根据权利要求1、2或4所述的颅内动脉瘤图像的形态学参数的测量方法,其特征在于,所述基于所述三维模型以及所述瘤颈平面确定目标形态学参数之后,所述方法还包括:
根据所述目标形态学参数生成所述虚拟动脉瘤的评估报告,所述评估报告包括所述虚拟动脉瘤的评估结果,所述评估报告用于评估所述虚拟动脉瘤的破裂风险;
基于预设风险等级规则确定所述评估结果对应的风险等级,并显示所述评估报告以及所述评估结果对应的风险等级;
以及,所述方法还包括:
基于所述目标形态学参数从预先建立的动脉瘤数据库中确定与所述评估报告最相似的目标评估报告,并显示所述目标评估报告,所述预先建立的动脉瘤数据库用于存储所有动脉瘤患者中每个所述动脉瘤患者的评估报告。
6.一种颅内动脉瘤图像的形态学参数的测量装置,其特征在于,所述装置包括构建模块、第一确定模块以及第二确定模块,其中:
所述构建模块,用于根据颅内影像数据构建包括载瘤动脉和所述载瘤动脉上的动脉瘤的三维模型,所述三维模型包括与所述载瘤动脉相匹配的虚拟载瘤动脉以及与所述动脉瘤相匹配的虚拟动脉瘤;
所述第一确定模块,用于基于所述三维模型确定所述虚拟动脉瘤的瘤颈平面;
所述第二确定模块,用于基于所述三维模型以及所述瘤颈平面确定目标形态学参数,所述目标形态学参数至少包括所述虚拟动脉瘤的形态学参数;
其中,所述第一确定模块包括提取子模块以及确定子模块,其中:
所述提取子模块,用于基于所述三维模型提取所述虚拟载瘤动脉的动脉中心线;
所述确定子模块,用于基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面;
其中,所述确定子模块基于所述动脉中心线与所述三维模型确定所述虚拟动脉瘤的瘤颈平面的方式具体为:
基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线,并基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟载瘤动脉与所述虚拟动脉瘤的交界曲线;
根据所述动脉瘤中心线以及所述交界曲线确定所述虚拟动脉瘤的瘤颈平面;
其中,所述确定子模块基于所述虚拟动脉瘤以及所述动脉中心线确定所述虚拟动脉瘤的动脉瘤中心线的方式具体为:
记录所述虚拟动脉瘤上的第一像素点所在位置为第一目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流入动脉上的第一像素点所在位置为第二目标点,记录所述动脉中心线在所述虚拟载瘤动脉的流出动脉上的第二像素点所在位置为第三目标点;
基于所述第一目标点和所述第二目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第一中心线,并基于所述第一目标点和所述第三目标点生成所述虚拟载瘤动脉和所述虚拟动脉瘤对应的第二中心线;
基于所述第一中心线与所述第二中心线确定所述虚拟动脉瘤的动脉瘤中心线。
7.一种颅内动脉瘤图像的形态学参数的测量装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-5任一项所述的颅内动脉瘤图像的形态学参数的测量方法。
8.一种计算机可存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-5任一项所述的颅内动脉瘤图像的形态学参数的测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319342.2A CN109924956B (zh) | 2019-04-19 | 2019-04-19 | 一种颅内动脉瘤图像的形态学参数的测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319342.2A CN109924956B (zh) | 2019-04-19 | 2019-04-19 | 一种颅内动脉瘤图像的形态学参数的测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109924956A CN109924956A (zh) | 2019-06-25 |
CN109924956B true CN109924956B (zh) | 2022-03-18 |
Family
ID=66990610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910319342.2A Active CN109924956B (zh) | 2019-04-19 | 2019-04-19 | 一种颅内动脉瘤图像的形态学参数的测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109924956B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110974415B (zh) * | 2019-12-19 | 2020-10-30 | 向欣 | 一种动脉瘤容积的三维造影动脉瘤形态数据库建立方法 |
CN111513739B (zh) * | 2020-04-10 | 2023-08-29 | 北京东软医疗设备有限公司 | 血管造影机的控制方法及装置、电子设备、存储介质 |
CN113100801B (zh) * | 2021-04-14 | 2022-11-25 | 清华大学 | 动脉瘤的入射角的确定方法、装置、电子设备及存储介质 |
CN114224484B (zh) * | 2021-12-13 | 2023-05-30 | 杭州脉流科技有限公司 | 颅内动脉瘤的表面区域定位方法、装置、计算机设备和存储介质 |
CN114638799B (zh) * | 2022-03-11 | 2023-03-21 | 深圳市澈影医生集团有限公司 | 一种颅内动脉瘤的自动检测系统 |
CN114648514B (zh) * | 2022-03-30 | 2022-11-29 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
CN117438092B (zh) * | 2023-12-20 | 2024-03-22 | 杭州脉流科技有限公司 | 颅内动脉瘤破裂风险预测装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273658A (zh) * | 2017-05-16 | 2017-10-20 | 哈尔滨医科大学 | 对颅内动脉瘤破裂风险进行评估及其图像进行分类的装置 |
CN109389637A (zh) * | 2018-10-26 | 2019-02-26 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109472823A (zh) * | 2018-10-26 | 2019-03-15 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109493348A (zh) * | 2018-10-26 | 2019-03-19 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109584997A (zh) * | 2018-10-26 | 2019-04-05 | 首都医科大学宣武医院 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9830427B2 (en) * | 2011-06-20 | 2017-11-28 | Siemens Healthcare Gmbh | Method for intracranial aneurysm analysis and endovascular intervention planning |
WO2013192234A1 (en) * | 2012-06-18 | 2013-12-27 | The Research Foundation For The State University Of New York | Systems and methods for identifying historical vasculature cases |
-
2019
- 2019-04-19 CN CN201910319342.2A patent/CN109924956B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273658A (zh) * | 2017-05-16 | 2017-10-20 | 哈尔滨医科大学 | 对颅内动脉瘤破裂风险进行评估及其图像进行分类的装置 |
CN109389637A (zh) * | 2018-10-26 | 2019-02-26 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109472823A (zh) * | 2018-10-26 | 2019-03-15 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109493348A (zh) * | 2018-10-26 | 2019-03-19 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109584997A (zh) * | 2018-10-26 | 2019-04-05 | 首都医科大学宣武医院 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
Non-Patent Citations (1)
Title |
---|
颅内囊性动脉瘤虚拟壁厚和破裂风险相关性研究;蒋云召;《中国博士学位论文全文数据库 医药卫生科技辑》;20150415;第12-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109924956A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109907732B (zh) | 一种颅内动脉瘤破裂风险的评估方法及系统 | |
CN109924956B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及装置 | |
JP4950071B2 (ja) | 3次元医療画像からの肺動脈樹の自動抽出の方法 | |
EP4162870A1 (en) | Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries | |
WO2017047819A1 (ja) | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム | |
CN109414184B (zh) | 用于监测脑动脉瘤状况的方法和系统 | |
CN111415321B (zh) | 动脉瘤破裂风险检测装置及设备 | |
KR20230052967A (ko) | 태아 초음파 영상의 이미징 품질 제어의 결정 방법 및 장치 | |
JP5181124B2 (ja) | 動脈瘤計測方法、及びその装置並びにコンピュータプログラム | |
CN114782358A (zh) | 一种血管形变自动计算的方法、装置及存储介质 | |
CN111797900B (zh) | 一种oct-a图像的动静脉分类方法及装置 | |
US11727570B2 (en) | Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction | |
Nouri et al. | Characterization of 3D bifurcations in micro-scan and MRA-TOF images of cerebral vasculature for prediction of intra-cranial aneurysms | |
CN117373070B (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
CN113313715A (zh) | 心脏动脉血管的分割方法、分割装置、设备和介质 | |
EP3457413B1 (en) | Method for classifying a risk for thrombus formation in an organ, system for classifying a risk for thrombus formation in an organ, a computer program product and a computer readable medium | |
CN108334732B (zh) | 医学图像中的血管定位方法及装置 | |
CN112233167A (zh) | 一种胎儿结构特征的自动测量方法及装置 | |
KR102000615B1 (ko) | 관상동맥의 시작점을 자동으로 추출하기 위한 방법 및 그 장치 | |
CN116934743B (zh) | 医学影像肿瘤恶性风险评估方法、系统、设备和存储介质 | |
EP4113434A1 (en) | Generation of plaque information | |
CN113729778A (zh) | 颈项透明层厚度的确定方法及装置 | |
CN115880494A (zh) | 血管图像分割方法、装置、电子设备以及存储介质 | |
CN116802684A (zh) | 分段形状确定 | |
CN115690044A (zh) | 一种用于颅内动脉瘤栓塞术的术前检测方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230224 Address after: 1301, Floor 13, Building 3, Block 2, Heyang Plaza, No. 13, Changjiang Road, Guicheng Street, Nanhai District, Foshan City, Guangdong Province, 528000 Patentee after: Weizhi medical technology (Foshan) Co.,Ltd. Address before: 510000 room 3025, No. 95, Jinling North Road, Nansha street, Nansha District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU XINMAI TECHNOLOGY Co.,Ltd. |