CN109934913A - 颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备 - Google Patents
颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN109934913A CN109934913A CN201910207578.7A CN201910207578A CN109934913A CN 109934913 A CN109934913 A CN 109934913A CN 201910207578 A CN201910207578 A CN 201910207578A CN 109934913 A CN109934913 A CN 109934913A
- Authority
- CN
- China
- Prior art keywords
- image
- assessed
- obtains
- blood vessel
- data
- 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)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请涉及一种颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备和存储介质。颅内动脉瘤虚拟介入支架植入方法包括:获取数据:获取影像数据。处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。获取支架参数:获取虚拟介入支架的具体参数信息。处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。支架模拟施放:将压缩支架图像模拟放置到目标血管中。
Description
技术领域
本申请涉及动脉瘤治疗技术领域,特别是涉及一种颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备和存储介质。
背景技术
脑血管瘤,又称颅内动脉瘤,是由颅内动脉内腔异常扩张,形成动脉壁的一种瘤状突起。该病是常见颅内血管病,该病可见于占总人口的3%至7%。颅内血管瘤可分为非破裂血管瘤(UIA)及破裂血管瘤(RA),绝大部分的血管瘤为非破裂血管瘤(UIA),终生不会破裂,其年破裂率仅为0.05%。然而血管瘤一旦破裂,将引发自发性蛛网膜下隙出血,致死致残率超过50%。在各种因脑血管病造成的死亡中,脑血管瘤仅次于脑血栓和高血压脑出血,是威胁人类生命健康的最常见的重大疾病。
目前治疗手段分为三种:非手术性的保守治疗、开颅动脉瘤夹闭手术以及微创血管内介入手术。非手术性的保守治疗主要目的在于防止再出血和脑动脉痉挛,并不能根除病灶。开颅夹闭手术曾是上个世纪针对于脑血管瘤的主要治疗手段,然而开颅手术本身也是一项高风险手术,手术风险率可达10%。微创血管内介入手术是目前最广泛使用的治疗手段,主要有线圈栓塞、支架辅助栓塞以及密网支架血管重建装置。现在的技术可通过数值仿真对支架进行模拟植入,并结合有限元、计算流体力学等方法,对植入支架前后的血流改变进行评估,从而能在术前预测动脉瘤栓塞预后的风险,辅助医生规划介入手术,具有较好的临床应用价值。然而,目前的支架植入方法,一般通过有限元软件如Abaqus\ANSYS等进行模拟,存在操作复杂、耗时长的缺点,操作人员可能会花费数小时甚至一天的时间进行模拟,极大地影响了其在临床上的应用。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对支架进行模拟植入的颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备和存储介质。
一种颅内动脉瘤虚拟介入支架植入方法,所述方法包括:
获取数据:获取影像数据。
处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。
获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。
获取支架参数:获取虚拟介入支架的具体参数信息。
处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。
支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。
压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。
支架模拟施放:将压缩支架图像模拟放置到目标血管中。
在其中一个实施例中,所述处理数据:包括:
分割数据:对获取到的影像数据通过阈值分割法建立三维模型。
获取种子点:获取三维模型的种子点并确定种子点对应的三维模型。
呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像。
重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
在其中一个实施例中,在所述重建待评估血管的步骤之前还包括:
修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
在其中一个实施例中,所述处理数据包括:
提取中心线:对重建得到待评估血管的形状进行中心线提取。
在其中一个实施例中,遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线。
在其中一个实施例中,所述影像数据为DSA。
在其中一个实施例中,所述影像数据为CTA。
一种颅内动脉瘤虚拟介入支架植入装置,其特征在于,所述装置包括:
获取数据信息模块,用于获取影像数据、获取待评估血管中的起点和终点以得到一段目标血管、获取三维模型的种子点以确定种子点对应的三维模型以及获取虚拟介入支架的具体参数信息。
图像处理模块,用于对获取到的影像数据通过阈值分割法建立三维模型、通过碰撞前端法对所述种子点对应的三维模型进行重新分割以呈现出三维图像、用marchingcube算法对三维图像进行重建得到待评估血管的形状、通过水平集算法对三维图像进行进一步地分割得到细化的三维图像、遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线、根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型、对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像以及对膨胀支架图像进行压缩处理得到压缩支架图像。
模拟模块,用于将压缩支架图像模拟放置到目标血管中。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取数据:获取影像数据。
处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。
获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。
获取支架参数:获取虚拟介入支架的具体参数信息。
处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。
支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。
压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。
支架模拟施放:将压缩支架图像模拟放置到目标血管中。
所述处理数据:包括:
分割数据:对获取到的影像数据通过阈值分割法建立三维模型。
获取种子点:获取三维模型的种子点并确定种子点对应的三维模型。
呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像。
修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
提取中心线:遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线。
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以下步骤:
获取数据:获取影像数据。
处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。
获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。
获取支架参数:获取虚拟介入支架的具体参数信息。
处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。
支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。
压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。
支架模拟施放:将压缩支架图像模拟放置到目标血管中。
所述处理数据:包括:
分割数据:对获取到的影像数据通过阈值分割法建立三维模型。
获取种子点:获取三维模型的种子点并确定种子点对应的三维模型。
呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像。
修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
提取中心线:遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线。
上述颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备和存储介质,首先将获取到的血管影像数据进行处理得到目标血管的三维图像,然后将获取得到的支架参数信息转化为对应的三维图像的支架。将由获取得到的支架参数信息转化为对应的三维图像的支架模拟植入目标血管的三维图像中,观察对应的支架的植入情况。通过对比观察不同的支架植入目标血管的情况。来选取最合适目标血管的支架。上述颅内动脉瘤虚拟介入支架植入方法为不同的患者选择最适合自己的支架,安全可靠、迅速便捷、大幅减少了支架模拟植入的计算时间至数分钟内,有广阔的临床应用前景。
附图说明
图1为一个实施例中颅内动脉瘤虚拟介入支架植入方法的应用环境图;
图2为一个实施例中颅内动脉瘤虚拟介入支架植入方法的流程示意图;
图3为一个实施例中数据处理步骤的流程示意图;
图4为一个实施例中目标血管的结构示意图;
图5为一个实施例中支架在自由扩张状态下的三维点线模型的结构示意图;
图6为一个实施例中支架在自由扩张状态下的三维点线模型弯曲变形后的的结构示意图;
图7为一个实施例中压缩过后的支架的三维点线模型结构示意图;
图8为一个实施例中向目标血管中植入压缩过后的支架的结构示意图;
图9为图8实施例中植入目标血管中的压缩过后的支架的结构示意图;
图10为一个实施例中颅内动脉瘤虚拟介入支架植入装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
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。
本申请提供的颅内动脉瘤虚拟介入支架植入方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种颅内动脉瘤虚拟介入支架植入方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤201:获取数据:获取影像数据。
具体的,服务器104从终端102获取待评估患者颅内血管瘤的影像,在本实施例中,待评估患者颅内血管瘤的影像是CTA。在其他实施例中,待评估患者颅内血管瘤的影像是MRA。在又一个实施例中待评估患者颅内血管瘤的影像是DSA。在另外的实施例中,待评估患者颅内血管瘤的影像为其他医学影像数据。服务器104将获取到的待评估患者颅内血管瘤的影像转换为通用DICOM格式,便于后期加工处理。
步骤203:处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。
具体的,所述处理数据包括:
步骤111:分割数据:对获取到的影像数据通过阈值分割法建立三维模型。
具体的,服务器104利用阈值分割法对从终端102获取到的待评估患者颅内血管瘤的影像建立三维的颅内血管瘤模型。需要说明的是,步骤203的目的是根据获取到的待评估患者颅内血管瘤的影像建立比较初步的粗糙的全脑血管的三维模型。具体的,服务器104对获取到的待评估患者颅内血管瘤的影像进行二值话处理,将灰度大于等于阈值的像素标记为1,小于1的标记为0。此为现有技术,故不再赘述。
步骤113:获取种子点:获取三维模型的种子点并确定种子点对应的三维模型。
具体的,服务器104从终端102获取全脑血管的三维模型的种子点并确定种子点对应的三维模型。在本实施例中,全脑血管的三维模型的种子点为动脉瘤所在的位置以及动脉瘤的起点。也就是说,种子点对应的三维模型为动脉瘤及其周围血管。
步骤115:呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像。
具体的,服务器104通过碰撞前端法对所述种子点对应承载动脉瘤的血管的三维模型进行重新分割,呈现出动脉瘤及其周围血管的三维图像。需要说明的是,这一步的目的是更准确地重建动脉瘤及其周围血管。以便后期服务器104对动脉瘤及其周围血管的三维图像进行处理。
步骤119:重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
具体的,服务器104用marching cube算法对所述动脉瘤及其周围血管的三维图像进行重建得到待评估血管的形状。以方便服务器104对待评估血管的三维形状进行裁剪处理。
在其中一个实施例中,在所述重建待评估血管的步骤之前还包括:
步骤117:修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
具体的,服务器104通过水平集算法对三维图像进行进一步地分割得到细化的动脉瘤及其周围血管的三维图像。也就是说,这一步骤的目的是更清晰地捕捉动脉瘤及其周围血管的边界。以便后期服务器104对动脉瘤及其周围血管的三维图像进行处理。
在其中一个实施例中,所述处理数据包括:
步骤121:提取中心线:对重建得到待评估血管的形状进行中心线提取。
具体的,请参阅图4,遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线CL。
步骤205:获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。
具体的,请参阅图4,服务器104从终端102获取待评估血管中的起点和终点,并根据从终端102获取的起点和终点对待评估血管进行剪切得到一段目标血管。需要说明的是,所述目标血管为待模拟植入的血管。
步骤207:获取支架参数:获取虚拟介入支架的具体参数信息。
具体的,服务器104从终端102获取模拟插入目标血管的支架的具体参数信息,包括支架的型号、长度、直径、重量、结构等参数。以在服务器104中模拟出对应的模拟支架图像。
步骤209:处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。
具体的,请参阅图5,服务器104从终端102获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。在此状态下,支架中轴线为一直线SL,支架直径为原直径,支架的支条简化成线条,支条相交处简化为点。
步骤211:支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。
具体的,请参阅图6,服务器104根据提取的中心线CL对三维点线模型的支架进行弯曲变形。
具体的方法:Pt_deform为支架变形后的点集
Pt_orig为支架变形前,原本的点集
Pt_orig与Pt_deform的点是有一一对应关系(但点的坐标值不同)
for i=1 to n 遍历中心线CL上的点
设CL上第i点的坐标为(px, py, pz)
其对应的SL上的点为(px’,py’,pz’)
计算中心线上第i-1, i, i+1点之间形成的两条线段的夹角
求出线段[i-1,i]与[i, i+1]之间的旋转转换矩阵R
对Pt_orig上所有坐标(x,y,z)满足z>pz’的点,设为点集P_orig,找出其对应在Pt_deform上所有的点,设为点集P_deform
对P_deform点集中的点进旋转和偏置,得到新的点集P_new = R(P_deform + (px,py,pz))
把Pt_deform对应的点坐标值替换为P_new中的坐标值
如此操作后,得到沿中心线变形后的支架,如图6,此作为支架的目标膨胀状态,其点集为Pt_expand。
步骤213:压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。
具体的,请参阅图7,服务器104根据提取的中心线CL上的最大内切圆半径R,对支架进行缩放,缩放后支架沿中心线某一截面上的半径为0.1~0.99R,此作为支架的压缩状态,其点集为Pt_crimp
步骤215:支架模拟施放:将压缩支架图像模拟放置到目标血管中。
请参阅图8,服务器104将压缩支架图像模拟放置到目标血管中。
具体的方法:循环直到满足条件P
遍历Pt_crimp中的所有点
设现在计算的点为p_crimp,其四周与它相邻的点为p_crimp_nbr,计算p_crimp与四周相邻点的位移差d_crimp
设p_crimp在Pt_expand中的对应点为p_expand,其对应的四周相邻点为p_expand_nbr,计算p_expand与四周相邻点的位移差d_expand
计算合位移差d_total = d_crimp – d_expand,合力F_total = d_total * E,其中E为支架的力学特性,代表了支架对变形的恢复力,需对应不同支架材质和结构进行测定
计算位移增量d_increment = F_total * relax,其中relax为松弛系数,较小的取值能让计算稳定,但计算时间延长。较大取值能缩短计算时间,但可能使计算发生不收敛。
新的点坐标为p_temp = p_crimp + d_increment
计算新的点坐标与血管表面vessel_suface的距离d_vessel
如果d_vessel < r (r为支架支条半径),则p_new = p_temp在血管表面vessel_suface上的投影点坐标
如果 d_vessel >= r (r为支架支条半径),则p_new = p_temp
d_max_increment = 遍历所有点后位各点移增量的最大值
如果d_max_increment< e (e通常为支架支条半径r的一半),则条件P为真,否则条件P为假。
请参阅图9,将目标血管的图像隐藏后就得到了模拟植入目标血管中支架的具体形状。
上述颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备和存储介质,首先将获取到的血管影像数据进行处理得到目标血管的三维图像,然后将获取得到的支架参数信息转化为对应的三维图像的支架。将由获取得到的支架参数信息转化为对应的三维图像的支架模拟植入目标血管的三维图像中,观察对应的支架的植入情况。通过对比观察不同的支架植入目标血管的情况。来选取最合适目标血管的支架。上述颅内动脉瘤虚拟介入支架植入方法为不同的患者选择最适合自己的支架,安全可靠、迅速便捷、大幅减少了支架模拟植入的计算时间至数分钟内,有广阔的临床应用前景。
应该理解的是,虽然图2-3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2-3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。
一种颅内动脉瘤虚拟介入支架植入装置,其特征在于,所述装置包括:
获取数据信息模块,用于获取影像数据、获取待评估血管中的起点和终点以得到一段目标血管、获取三维模型的种子点以确定种子点对应的三维模型以及获取虚拟介入支架的具体参数信息。
图像处理模块,用于对获取到的影像数据通过阈值分割法建立三维模型、通过碰撞前端法对所述种子点对应的三维模型进行重新分割以呈现出三维图像、用marchingcube算法对三维图像进行重建得到待评估血管的形状、通过水平集算法对三维图像进行进一步地分割得到细化的三维图像、遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线、根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型、对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像以及对膨胀支架图像进行压缩处理得到压缩支架图像。
模拟模块,用于将压缩支架图像模拟放置到目标血管中。
关于颅内动脉瘤虚拟介入支架植入装置的具体限定可以参见上文中对于颅内动脉瘤虚拟介入支架植入方法的限定,在此不再赘述。上述颅内动脉瘤虚拟介入支架植入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服务器,其内部结构图可以如图11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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储颅内动脉瘤虚拟介入支架植入的相关数据。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颅内动脉瘤虚拟介入支架植入方法。
本领域技术人员可以理解,图11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、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取数据:获取影像数据。
处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。
获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。
获取支架参数:获取虚拟介入支架的具体参数信息。
处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。
支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。
压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。
支架模拟施放:将压缩支架图像模拟放置到目标血管中。
所述处理数据:包括:
分割数据:对获取到的影像数据通过阈值分割法建立三维模型。
获取种子点:获取三维模型的种子点并确定种子点对应的三维模型。
呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像。
修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
提取中心线:遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线。
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以下步骤:
获取数据:获取影像数据。
处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状。
获取目标血管:获取待评估血管中的起点和终点得到一段目标血管。
获取支架参数:获取虚拟介入支架的具体参数信息。
处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型。
支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像。
压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像。
支架模拟施放:将压缩支架图像模拟放置到目标血管中。
所述处理数据:包括:
分割数据:对获取到的影像数据通过阈值分割法建立三维模型。
获取种子点:获取三维模型的种子点并确定种子点对应的三维模型。
呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像。
修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
提取中心线:遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线。
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,所述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。
以上所述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 (10)
1.一种颅内动脉瘤虚拟介入支架植入方法,所述方法包括:
获取数据:获取影像数据;
处理数据:对获取到的影像数据进行分割并建立得到待评估血管的形状;
获取目标血管:获取待评估血管中的起点和终点得到一段目标血管;
获取支架参数:获取虚拟介入支架的具体参数信息;
处理支架数据:根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型;
支架弯曲变形处理:对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像;
压缩支架处理:对膨胀支架图像进行压缩处理得到压缩支架图像;
支架模拟施放:将压缩支架图像模拟放置到目标血管中。
2.根据权利要求1所述的方法,其特征在于,所述处理数据:包括:
分割数据:对获取到的影像数据通过阈值分割法建立三维模型;
获取种子点:获取三维模型的种子点并确定种子点对应的三维模型;
呈现三维图像:通过碰撞前端法对所述种子点对应的三维模型进行重新分割,呈现出三维图像;
重建待评估血管:用marching cube算法对所述三维图像进行重建得到待评估血管的形状。
3.根据权利要求2所述的方法,其特征在于,在所述重建待评估血管的步骤之前还包括:
修剪三维图像:通过水平集算法对三维图像进行进一步地分割得到细化的三维图像。
4.根据权利要求2所述的方法,其特征在于,所述处理数据包括:
提取中心线:对重建得到待评估血管的形状进行中心线提取。
5.根据权利要求4所述的方法,其特征在于,遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线。
6.根据权利要求1所述的方法,其特征在于,所述影像数据为DSA。
7.根据权利要求1所述的方法,其特征在于,所述影像数据为CTA。
8.一种颅内动脉瘤虚拟介入支架植入装置,其特征在于,所述装置包括:
获取数据信息模块,用于获取影像数据、获取待评估血管中的起点和终点以得到一段目标血管、获取三维模型的种子点以确定种子点对应的三维模型以及获取虚拟介入支架的具体参数信息;
图像处理模块,用于对获取到的影像数据通过阈值分割法建立三维模型、通过碰撞前端法对所述种子点对应的三维模型进行重新分割以呈现出三维图像、用marching cube算法对三维图像进行重建得到待评估血管的形状、根据获取到的虚拟介入支架的具体参数信息生成支架自由扩张状态下的三维点线模型、对支架自由扩张状态下的三维点线模型进行弯曲变形处理得到膨胀支架图像、遍历穿过重建得到待评估血管的所有路径,找出通过路径上各点的内切圆半径积分最小的路径即为中心线以及对膨胀支架图像进行压缩处理得到压缩支架图像;
模拟模块,用于将压缩支架图像模拟放置到目标血管中。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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7中任一项所述方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910207578.7A CN109934913A (zh) | 2019-03-19 | 2019-03-19 | 颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910207578.7A CN109934913A (zh) | 2019-03-19 | 2019-03-19 | 颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109934913A true CN109934913A (zh) | 2019-06-25 |
Family
ID=66987593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910207578.7A Pending CN109934913A (zh) | 2019-03-19 | 2019-03-19 | 颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934913A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109925056A (zh) * | 2019-04-09 | 2019-06-25 | 广州新脉科技有限公司 | 一种颅内动脉瘤虚拟支架的植入方法及装置 |
CN110693609A (zh) * | 2019-08-30 | 2020-01-17 | 上海杏脉信息科技有限公司 | 植入物介入模拟方法、选取方法、介质及设备 |
CN110742689A (zh) * | 2019-10-31 | 2020-02-04 | 北京理工大学 | 动脉夹层手术评估方法、装置、电子设备及存储介质 |
CN111681211A (zh) * | 2020-05-18 | 2020-09-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种血管图像处理方法及装置 |
CN111754621A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 植入血管后的支架展开模拟显示方法、装置、计算机设备和存储介质 |
CN111743624A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 血管支架快速释放的模拟方法、装置、计算机设备和存储介质 |
CN111743625A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 用于颅内动脉瘤的支架型号匹配方法、装置以及支架模拟显示方法 |
CN111863263A (zh) * | 2020-07-27 | 2020-10-30 | 强联智创(北京)科技有限公司 | 一种模拟方法、装置以及设备 |
CN116172645A (zh) * | 2023-05-04 | 2023-05-30 | 杭州脉流科技有限公司 | 编织支架的型号推荐方法和计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070021816A1 (en) * | 2005-07-21 | 2007-01-25 | The Research Foundation Of State University Of New York | Stent vascular intervention device and methods for treating aneurysms |
US20090088830A1 (en) * | 2007-02-15 | 2009-04-02 | Siemens Corporate Research, Inc. | System and method for intraoperative guidance of stent placement during endovascular interventions |
CN102646266A (zh) * | 2012-02-10 | 2012-08-22 | 中国人民解放军总医院 | 一种处理图像的方法 |
CN103198202A (zh) * | 2012-12-19 | 2013-07-10 | 首都医科大学 | 颅内动脉瘤介入治疗支架植入图像仿真方法 |
CN108428210A (zh) * | 2017-02-15 | 2018-08-21 | 浙江京新术派医疗科技有限公司 | 血管图像重建方法和重建装置 |
-
2019
- 2019-03-19 CN CN201910207578.7A patent/CN109934913A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070021816A1 (en) * | 2005-07-21 | 2007-01-25 | The Research Foundation Of State University Of New York | Stent vascular intervention device and methods for treating aneurysms |
US20090088830A1 (en) * | 2007-02-15 | 2009-04-02 | Siemens Corporate Research, Inc. | System and method for intraoperative guidance of stent placement during endovascular interventions |
CN102646266A (zh) * | 2012-02-10 | 2012-08-22 | 中国人民解放军总医院 | 一种处理图像的方法 |
CN103198202A (zh) * | 2012-12-19 | 2013-07-10 | 首都医科大学 | 颅内动脉瘤介入治疗支架植入图像仿真方法 |
CN108428210A (zh) * | 2017-02-15 | 2018-08-21 | 浙江京新术派医疗科技有限公司 | 血管图像重建方法和重建装置 |
Non-Patent Citations (4)
Title |
---|
EIHOS,QIANY: "Detection of coronary artery tree using morphological operator", 《IEEECOMPUTERSINCARDIOLOGY》 * |
张华 等: "《现代介入诊断与治疗学》", 30 April 2018 * |
钟景茹: "颅内动脉瘤介入治疗支架植入图像仿真优化计算方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
陈鹏等: "一种新的脑部血管重建方法", 《影像科学与光化学》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109925056A (zh) * | 2019-04-09 | 2019-06-25 | 广州新脉科技有限公司 | 一种颅内动脉瘤虚拟支架的植入方法及装置 |
CN109925056B (zh) * | 2019-04-09 | 2021-01-08 | 广州新脉科技有限公司 | 一种颅内动脉瘤虚拟支架的植入方法及装置 |
CN110693609A (zh) * | 2019-08-30 | 2020-01-17 | 上海杏脉信息科技有限公司 | 植入物介入模拟方法、选取方法、介质及设备 |
CN110742689A (zh) * | 2019-10-31 | 2020-02-04 | 北京理工大学 | 动脉夹层手术评估方法、装置、电子设备及存储介质 |
CN111681211A (zh) * | 2020-05-18 | 2020-09-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种血管图像处理方法及装置 |
CN111681211B (zh) * | 2020-05-18 | 2024-03-08 | 东软医疗系统股份有限公司 | 一种血管图像处理方法及装置 |
CN111743625A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 用于颅内动脉瘤的支架型号匹配方法、装置以及支架模拟显示方法 |
CN111743624A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 血管支架快速释放的模拟方法、装置、计算机设备和存储介质 |
CN111743625B (zh) * | 2020-07-01 | 2021-09-28 | 杭州脉流科技有限公司 | 用于颅内动脉瘤的支架型号匹配方法、装置以及支架模拟显示方法 |
CN111754621A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 植入血管后的支架展开模拟显示方法、装置、计算机设备和存储介质 |
CN111863263A (zh) * | 2020-07-27 | 2020-10-30 | 强联智创(北京)科技有限公司 | 一种模拟方法、装置以及设备 |
CN111863263B (zh) * | 2020-07-27 | 2024-03-29 | 强联智创(北京)科技有限公司 | 一种模拟方法、装置以及设备 |
CN116172645A (zh) * | 2023-05-04 | 2023-05-30 | 杭州脉流科技有限公司 | 编织支架的型号推荐方法和计算机设备 |
CN116172645B (zh) * | 2023-05-04 | 2023-07-25 | 杭州脉流科技有限公司 | 编织支架的型号推荐方法和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934913A (zh) | 颅内动脉瘤虚拟介入支架植入方法、装置、计算机设备 | |
CN109961850A (zh) | 一种评估颅内动脉瘤破裂风险的方法、装置、计算机设备 | |
CN109925056B (zh) | 一种颅内动脉瘤虚拟支架的植入方法及装置 | |
US20200402239A1 (en) | Systems and methods for determining blood vessel conditions | |
CN111743625B (zh) | 用于颅内动脉瘤的支架型号匹配方法、装置以及支架模拟显示方法 | |
CN107049487B (zh) | 颅内动脉瘤治疗的模拟方法及控制装置 | |
Larrabide et al. | Fast virtual deployment of self-expandable stents: method and in vitro evaluation for intracranial aneurysmal stenting | |
Appanaboyina et al. | Simulation of intracranial aneurysm stenting: techniques and challenges | |
Chaichana et al. | Computational fluid dynamics analysis of the effect of plaques in the left coronary artery | |
Ragkousis et al. | Simulation of longitudinal stent deformation in a patient-specific coronary artery | |
Morales et al. | A virtual coiling technique for image-based aneurysm models by dynamic path planning | |
CN107978372A (zh) | 虚拟支架在血管内扩张的模拟方法、装置及电子设备 | |
CN108030550B (zh) | 一种基于虚拟成像的动脉瘤的瘤颈角度计算方法 | |
CN111743624B (zh) | 血管支架快速释放的模拟方法、装置、计算机设备和存储介质 | |
CN110664524B (zh) | 用于引导血管中的支架植入的装置、系统和介质 | |
CN111754621B (zh) | 植入血管后的支架展开模拟显示方法、装置、计算机设备和存储介质 | |
CN114746955A (zh) | 用于介入手术规划的计算模拟平台 | |
EP3097556A1 (en) | Medical device specific finite element models for simulating endovascular treatment | |
Patel et al. | Fast virtual coiling algorithm for intracranial aneurysms using pre-shape path planning | |
AU2018392163B2 (en) | Method for determining the positioning in deployed position of an implantable medical device after expansion in a vascular structure | |
CN112741691B (zh) | 弹簧圈盘绕支架释放的模拟方法、装置、计算机设备和存储介质 | |
CN109473161A (zh) | 血栓属性信息获取方法、装置、设备和存储介质 | |
JP2003245360A (ja) | ステント設計支援装置、ステント設計支援方法、ステント設計支援プログラム、及びステント設計支援プログラムを記録した記録媒体 | |
Larrabide et al. | Fast virtual stenting with deformable meshes: application to intracranial aneurysms | |
CN113033121B (zh) | 门静脉高压经颈静脉肝内门体分流术支架直径的选择方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200714 Address after: Room 3025, No. 95, Jinling North Road, Nansha street, Nansha District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU XINMAI TECHNOLOGY Co.,Ltd. Address before: 422500 No. 164, Group 9, Huaqiao Village, Xiyan Town, Chengbu Miao Autonomous County, Shaoyang City, Hunan Province Applicant before: Xiao Rende |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190625 |
|
WD01 | Invention patent application deemed withdrawn after publication |