CN109948622A - 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 - Google Patents
一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109948622A CN109948622A CN201910234798.9A CN201910234798A CN109948622A CN 109948622 A CN109948622 A CN 109948622A CN 201910234798 A CN201910234798 A CN 201910234798A CN 109948622 A CN109948622 A CN 109948622A
- Authority
- CN
- China
- Prior art keywords
- aneurysm
- neck body
- candidate
- region
- 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.)
- Granted
Links
- 206010002329 Aneurysm Diseases 0.000 title claims abstract description 130
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000011218 segmentation Effects 0.000 claims abstract description 44
- 238000006243 chemical reaction Methods 0.000 claims abstract description 41
- 210000004204 blood vessel Anatomy 0.000 claims description 53
- 238000003745 diagnosis Methods 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims 1
- 210000004369 blood Anatomy 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 6
- 230000002308 calcification Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
Abstract
本发明公开了一种头颈体动脉瘤检测方法、装置及计算机存储介质，其中，方法包括：获取头颈体原始图像；对所述头颈体原始图像进行分割处理，得到头颈体分割数据；对所述头颈体分割数据进行转换处理，得到特征体数据；对所述特征体数据进行提取处理，得到候选动脉瘤区域，提高了头颈体动脉瘤检测的结果准确性。
Description
技术领域
本发明涉及医学成像领域，尤其涉及一种头颈体动脉瘤检测方法、装置及计算机可读存储介质。
背景技术
随着科学技术的发展，人体内的绝大部分血管中出现的动脉瘤能够通过电子计算机断层扫描(CT,Computed Tomography)诊断出。
由于头颈部位的血管与身体中其他部位的血管相比直径更细，因此头颈体中的动脉瘤检查难度更高，因此，现有的医学成像技术还无法直接通过计算机检测出头颈体血管中的动脉瘤。现有的动脉瘤诊断，多是通过医生对CT扫描得到的CT图像进行人为分析，从而根据主观经验进行判断。
但是，由于诊断结果医生判断时主观因素较高，同时人为进行判断容易出现判断误差，因此动脉瘤检测的结果准确性较低。
发明内容
为解决上述问题，本发明提供一种头颈体动脉瘤检测方法、装置及计算机存储介质，以提高头颈体动脉瘤检测结果的准确性。
本发明一方面提供一种头颈体动脉瘤检测方法，所述方法包括：获取头颈体原始图像；对所述头颈体原始图像进行分割处理，得到头颈体分割数据；对所述头颈体分割数据进行转换处理，得到特征体数据；对所述特征体数据进行提取处理，得到候选动脉瘤区域。
在一可实施方式中，对所述头颈体分割数据进行转换处理得到特征体数据，具体为：对所述头颈体分割数据进行距离变换处理，得到特征体数据。
在一可实施方式中，对所述头颈体分割数据进行距离变换处理，具体为：对所述头颈体分割数据进行提取中心线处理，得到血管中心线数据；对所述血管中心线数据进行中心线距离变换处理，得到特征体数据。
在一可实施方式中，所述对特征体数据进行提取处理得到候选动脉瘤区域，包括：根据所述特征体数据，计算最大距离变化值；判断所述最大距离变化值是否大于变化阈值；当所述血管候选的最大距离变化值小于所述变化阈值时，认定所述血管候选对应的血管为正常血管；当所述血管候选的最大距离变化值大于所述变化阈值时，将所述血管候选认定为所述候选动脉瘤区域。
在一可实施方式中，在得到所述候选动脉瘤区域后，所述方法还包括：对所述候选动脉瘤区域进行去噪声处理。
在一可实施方式中，对所述候选动脉瘤区域进行去噪声处理，具体包括：根据坐标膨胀值对所述动脉瘤候选区域进行膨胀处理，得到候选膨胀区域；由头颈体血管CT图像中提取与所述候选膨胀区域对应的候选动脉瘤CT图像；获取动脉瘤分类模型；比对所述动脉瘤血管CT图像与所述动脉瘤分类模型，以排除所述候选动脉瘤区域中的噪声，得到动脉瘤确诊区域。
在一可实施方式中，得到动脉瘤确诊区域后，所述方法还包括：对所述动脉瘤确诊区域所对应的头颈体分割数据进行分析处理，从而判定所述动脉瘤确诊区域中的动脉瘤严重级别。
本发明另一方面还提供一种头颈体动脉瘤检测装置，所述装置包括：获取模块，用于获取头颈体原始图像；分割模块，用于对所述头颈体原始图像进行分割处理，得到头颈体分割数据；转换模块，用于对所述头颈体分割数据进行转换处理，得到特征体数据；提取模块，用于对所述特征体数据进行提取处理，得到候选动脉瘤区域。
在一可实施方式中，所述转换模块包括：距离变换单元，用于对所述头颈体分割数据进行距离变换处理，得到特征体数据。
本发明又一方面还提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述任一项所述的头颈体动脉瘤检测方法。
本发明所提供的一种透镜体动脉瘤检测方法、装置及计算机可读存储介质，首先对通过对头颈体进行CT扫描，得到头颈体原始图像即CT图像；通过对头颈体原始图像进行分割处理，得到头颈体分割数据，从而将血管图像从原始图像中分离出来，其中得到的头颈体分割数据为二值化图像；对头颈体分割数据进行转换处理，从而能够通过特征体数据对头颈体中的血管进行特征分析，进一步能够得到候选动脉瘤区域，从而直接通过计算机就能对头颈体血管中的动脉瘤进行诊断，提高了动脉瘤诊断结果的准确性。
附图说明
图1为本发明一实施例头颈体动脉瘤检测方法的实现流程示意图一；
图2为本发明一实施例头颈体动脉瘤检测方法的实现流程示意图二；
图3为本发明一实施例距离变换处理方法实现流程示意图；
图4为本发明一实施例进行提取处理方法实现流程示意图；
图5为本发明一实施例头颈体动脉瘤检测方法的实现流程示意图三；
图6为本发明一实施例去噪声处理方法的实现流程示意图一；
图7为本发明一实施例去噪声处理方法的实现流程示意图二；
图8位本发明一实施例头颈体动脉瘤检测装置的组成结构示意图。
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为本发明一实施例头颈体动脉瘤检测方法的实现流程示意图一。
如图1所示，本发明实施例提供一种头颈体动脉瘤检测方法，包括以下步骤：
步骤101，获取头颈体原始图像；
步骤102，对头颈体原始图像进行分割处理，得到头颈体分割数据；
步骤103，对头颈体分割数据进行转换处理，得到特征体数据；
步骤104，对特征体数据进行提取处理，得到候选动脉瘤区域。
本实施例中，首先对通过对头颈体进行CT扫描，得到头颈体原始图像即CT图像；通过对头颈体原始图像进行分割处理，得到头颈体分割数据，从而将血管图像从原始图像中分离出来，其中得到的头颈体分割数据为二值化图像；对头颈体分割数据进行转换处理，从而能够通过特征体数据对头颈体中的血管进行特征分析，进一步能够得到候选动脉瘤区域，从而直接通过计算机就能对头颈体血管中的动脉瘤进行诊断，提高了动脉瘤诊断结果的准确性。对头颈体原始图像进行分割处理从而得到头颈体分割数据可以是，将头颈体原始图像中的骨部分进行去除，从而得到的血管图像。得到的特征体数据能够反应待测血管的形态特征，从而进一步能够获取到形态明显大于其他血管部位的区域，并将其认定为候选动脉瘤区域。
图2为本发明一实施例头颈体动脉瘤检测方法的实现流程示意图二。
如图2所示，本发明一实施方式中，步骤103对头颈体分割数据进行转换处理得到特征体数据，具体包括以下步骤：
步骤201，对所述头颈体分割数据进行距离变换处理，得到特征体数据。
本实施例中，对头颈体分割数据进行转换处理，具体为对头颈体分割数据进行距离变换处理。距离变换处理中，将二值图像变为灰度图像，在二值图像中，“1”代表目标点，“0”代表背景；在灰度图像中，栅格的灰度值表示该栅格点到最近背景点的距离值。其中特征体数据对应各点的灰度值，从而通过灰度值来反映头颈体血管的形态，从而找到形态明显大于其他血管部位的候选动脉瘤区域，有利于提高头颈体动脉瘤检测结果的准确性。
图3为本发明一实施例距离变换处理方法实现流程示意图。
如图3所示，本发明一实施方式中，步骤201中对所述头颈体分割数据进行距离变换处理，具体为以下步骤：
步骤301，对头颈体分割数据进行提取中心线处理，得到血管中心线数据；
步骤302，对所述血管中心线数据进行中心线距离变换处理，得到特征体数据。
本实施例中，通过对头颈体分割数据进行中心线提取，得到血管中心线数据，对中心线数据进行中心线距离变换具体为在对头颈体分割数据进行距离变换后提取中心线位置的灰度值作为特征体数据。由于中心线位于血管轴线位置，走势与血管整体走势相同，因此可以根据中心线位置得到中心线所对应的血管位置。同时，对中心线的灰度值进行分析相对于对血管整体进行灰度值分析数据量更小，有利于较小计算机的运算负担，有利于提高运算速度。
图4为本发明一实施例进行提取处理方法实现流程示意图。
如图4所示，本发明一实施方式中，步骤104对特征体数据进行提取处理得到候选动脉瘤区域，包括以下步骤：
步骤401，根据特征体数据，计算最大距离变化值；
步骤402，判断最大距离变化值是否大于变化阈值；
步骤4031，当血管候选的最大距离变化值小于变化阈值时，认定血管候选对应的血管为正常血管；
步骤4032，当血管候选的最大距离变化值大于变化阈值时，将血管候选认定为候选动脉瘤区域。
本实施例中，最大距离变化值为特征体数据中CT图中每一层切片位置对应的特征体数据中灰度值最大的为最大距离值，对每个相邻的最大距离值之间的差值进行计算，从而得到最大距离变化值。分析最大距离变化值从而找到血管形态有明显变大或变小的区域，将其作为候选动脉瘤区域。当特征体数据由中心线得到时，最大距离值所对应的就是中心线上的各个点的灰度值，因此此时，对中心线上相邻的点的灰度值差值进行计算，从而得到最大距离变化值。判断距离变化值的具体操作可以是设置一滑动窗口，由特征体数据一端开始检测，检测到最大距离变化值大于变化阈值的第一个点为候选动脉瘤区域的起始点，检测到最大距离变化值大于变化阈值的第二个点为候选动脉瘤区域的终点，从而得到一个候选动脉瘤区域，以此类推。
图5为本发明一实施例头颈体动脉瘤检测方法的实现流程示意图三。
如图5所示，本发明一实施方式中，在由步骤104得到候选动脉瘤区域后，方法还包括：
步骤105，对候选动脉瘤区域进行去噪声处理。
本实施例中，对候选动脉瘤区域进行去噪声处理，从而排除血管中的钙化等同样会引起血管外延距离变化值大于变化阈值的噪声对动脉瘤检测结果的影响。提高了头颈体动脉瘤检测结果的准确性。
图6为本发明一实施例去噪声处理方法的实现流程示意图一。
如图6所示，本发明一实施方式中，步骤105对候选动脉瘤区域进行去噪声处理，包括以下步骤：
步骤501，根据坐标膨胀值对动脉瘤候选区域进行膨胀处理，得到候选膨胀区域；
步骤502，由头颈体血管CT图像中提取与候选膨胀区域对应的候选动脉瘤CT图像；
步骤503，获取动脉瘤分类模型；
步骤504，比对动脉瘤血管CT图像与动脉瘤分类模型，以排除候选动脉瘤区域中的噪声，得到动脉瘤确诊区域。
本实施例中，由于在获取候选动脉瘤区域的过程中，候选区域中的噪声边缘可能被过滤从而使噪声在候选动脉瘤区域中呈现的不完整，因此，设定坐标膨胀值，对动脉瘤候选区域进行膨胀处理，使候选膨胀区域中的噪声能够在候选膨胀区域中呈现完整。动脉瘤分类模型能够将动脉瘤与噪声进行区分，从而可以进一步排除候选动脉瘤区域中的噪声，提高了头颈体动脉瘤检测结果的准确性。例如，候选膨胀区域中存在钙化噪声，由于钙化的CT值要高于动脉瘤的CT值，因此可以通过判断CT值来筛选出钙化噪声；因此动脉瘤分类模型中可以包括设定好的CT值阈值，当候选膨胀区域对应的候选动脉瘤CT图像的CT值大于CT值阈值时，该候选动脉瘤CT图像所对应的候选膨胀区域即为钙化噪声。
图7为本发明一实施例去噪声处理方法的实现流程示意图二。
如图7所示，在本发明一实施方式中，步骤504得到动脉瘤确诊区域后，方法还包括：
步骤601，对动脉瘤确诊区域所对应的头颈体分割数据进行分析处理，从而判定动脉瘤确诊区域中的动脉瘤严重级别。
本实施例中，在得到动脉瘤确诊区域后，根据分析动脉瘤确诊区域对应的头颈体分割数据，从而判定动脉瘤的严重级别。可以是对动脉瘤确诊区域对应的头颈体分割数据进行距离变换处理，从而得到该区域完整的血管的灰度图，从而通过灰度图中各个点的灰度值分析出动脉瘤的具体大小形态，动脉瘤越大越严重，提高了头颈体动脉瘤检测结果的准确性。
图8位本发明一实施例头颈体动脉瘤检测装置的组成结构示意图。
如图8所示，本发明实施例还提供一种头颈体动脉瘤检测装置，包括：
获取模块701，用于获取头颈体原始图像；
分割模块702，用于对头颈体原始图像进行分割处理，得到头颈体分割数据；
转换模块703，用于对头颈体分割数据进行转换处理，得到特征体数据；
提取模块704，用于对特征体数据进行提取处理，得到候选动脉瘤区域。
本实施例中首先由获取模块701获取头颈体原始图像即CT图像；通过对分割模块702对头颈体原始图像进行分割处理，得到头颈体分割数据，从而将血管图像从原始图像中分离出来；再由转换模块703对头颈体分割数据进行转换处理，从而使提取模块704能够通过特征体数据对头颈体中的血管进行特征分析，进一步能够得到候选动脉瘤区域，从而直接通过计算机就能对头颈体血管中的动脉瘤进行诊断，提高了动脉瘤诊断结果的准确性.
本发明一实施方式中，转换模块703还包括：
距离变换单元，用于对所述头颈体分割数据进行距离变换处理，得到特征体数据。
本发明一实施方式中，距离变换单元包括：
中心线获取子单元，用于对所述头颈体分割数据进行提取中心线处理，得到血管中心线数据；
中心线距离变换子单元，用于对所述血管中心线数据进行中心线距离变换处理，得到特征体数据。
本发明一实施方式中，提取模块704包括：
变化值计算单元，用于根据所述特征体数据，计算最大距离变化值；
判断单元，用于判断所述最大距离变化值是否大于变化阈值；当所述血管候选的最大距离变化值小于所述变化阈值时，认定所述血管候选对应的血管为正常血管；当所述血管候选的最大距离变化值大于所述变化阈值时，将所述血管候选认定为所述候选动脉瘤区域。
本发明一实施方式中，头颈体动脉瘤检测装置还包括：
降噪模块，用于对候选动脉瘤区域进行去噪声处理。
本发明一实施方式中，降噪模块包括：
膨胀单元，用于根据坐标膨胀值对动脉瘤候选区域进行膨胀处理，得到候选膨胀区域；
CT化单元，用于由头颈体血管CT图像中提取与候选膨胀区域对应的候选动脉瘤CT图像；
分类模型获取单元，用于获取动脉瘤分类模型；
比对单元，用于比对动脉瘤血管CT图像与动脉瘤分类模型，以排除候选动脉瘤区域中的噪声，得到动脉瘤确诊区域。
本发明一实施方式中，头颈体动脉瘤检测装置还包括：
评级模块，用于对所述动脉瘤确诊区域所对应的头颈体分割数据进行分析处理，从而判定所述动脉瘤确诊区域中的动脉瘤严重级别。
本发明实施例还提供一种计算机可读存储介质，存储介质包括一组计算机可执行指令，当指令被执行时用于执行本发明实施例中的头颈体动脉瘤检测方法。
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 (10)
1.一种头颈体动脉瘤检测方法，其特征在于，所述方法包括：
获取头颈体原始图像；
对所述头颈体原始图像进行分割处理，得到头颈体分割数据；
对所述头颈体分割数据进行转换处理，得到特征体数据；
对所述特征体数据进行提取处理，得到候选动脉瘤区域。
2.根据权利要求1所述的方法，其特征在于，对所述头颈体分割数据进行转换处理得到特征体数据，具体为：
对所述头颈体分割数据进行距离变换处理，得到特征体数据。
3.根据权利要求2所述的方法，其特征在于，对所述头颈体分割数据进行距离变换处理，具体为：
对所述头颈体分割数据进行提取中心线处理，得到血管中心线数据；
对所述血管中心线数据进行中心线距离变换处理，得到特征体数据。
4.根据权利要求2所述的方法，其特征在于，所述对特征体数据进行提取处理得到候选动脉瘤区域，包括：
根据所述特征体数据，计算最大距离变化值；
判断所述最大距离变化值是否大于变化阈值；
当所述血管候选的最大距离变化值小于所述变化阈值时，认定所述血管候选对应的血管为正常血管；
当所述血管候选的最大距离变化值大于所述变化阈值时，将所述血管候选认定为所述候选动脉瘤区域。
5.根据权利要求1所述的方法，其特征在于，在得到所述候选动脉瘤区域后，所述方法还包括：
对所述候选动脉瘤区域进行去噪声处理。
6.根据权利要求5所述的方法，其特征在于，对所述候选动脉瘤区域进行去噪声处理，具体包括：
根据坐标膨胀值对所述动脉瘤候选区域进行膨胀处理，得到候选膨胀区域；
由头颈体血管CT图像中提取与所述候选膨胀区域对应的候选动脉瘤CT图像；
获取动脉瘤分类模型；
比对所述动脉瘤血管CT图像与所述动脉瘤分类模型，以排除所述候选动脉瘤区域中的噪声，得到动脉瘤确诊区域。
7.根据权利要求6所述的方法，其特征在于，得到动脉瘤确诊区域后，所述方法还包括：
对所述动脉瘤确诊区域所对应的头颈体分割数据进行分析处理，从而判定所述动脉瘤确诊区域中的动脉瘤严重级别。
8.一种头颈体动脉瘤检测装置，其特征在于，所述装置包括：
获取模块，用于获取头颈体原始图像；
分割模块，用于对所述头颈体原始图像进行分割处理，得到头颈体分割数据；
转换模块，用于对所述头颈体分割数据进行转换处理，得到特征体数据；
提取模块，用于对所述特征体数据进行提取处理，得到候选动脉瘤区域。
9.根据权力要求8所述的装置，其特征在于，所述转换模块包括：
距离变换单元，用于对所述头颈体分割数据进行距离变换处理，得到特征体数据。
10.一种计算机可读存储介质，其特征在于，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1-7任一项所述的头颈体动脉瘤检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910234798.9A CN109948622B (zh) | 2019-03-26 | 2019-03-26 | 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910234798.9A CN109948622B (zh) | 2019-03-26 | 2019-03-26 | 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109948622A true CN109948622A (zh) | 2019-06-28 |
| CN109948622B CN109948622B (zh) | 2020-12-11 |
Family
ID=67011645
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910234798.9A Active CN109948622B (zh) | 2019-03-26 | 2019-03-26 | 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948622B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111739026A (zh) * | 2020-05-28 | 2020-10-02 | 数坤（北京）网络科技有限公司 | 一种基于血管中心线的黏连割除方法及装置 |
| 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 |
| CN113177928A (zh) * | 2021-05-18 | 2021-07-27 | 数坤(北京)网络科技股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120321169A1 (en) * | 2011-06-16 | 2012-12-20 | Siemens Corporation | Shape Based Conditional Random Fields for Segmenting Intracranial Aneurysms |
| US20150178886A1 (en) * | 2013-12-20 | 2015-06-25 | Marcus Pfister | Image Monitoring During an Interventional Procedure, X-Ray Device, Computer Program and Data Medium |
| CN106355584A (zh) * | 2016-08-30 | 2017-01-25 | 上海交通大学 | 基于局部熵确定阈值的眼底图像微动脉瘤自动检测方法 |
| CN106709920A (zh) * | 2016-12-15 | 2017-05-24 | 上海联影医疗科技有限公司 | 血管提取方法及其装置 |
| US20180092690A1 (en) * | 2016-10-05 | 2018-04-05 | Arizona Board Of Regents On Behalf Of Arizona State University | Customized endovascular devices and methods pertaining thereto |
| CN108030550A (zh) * | 2017-12-26 | 2018-05-15 | 成都真实维度科技有限公司 | 一种基于虚拟成像的动脉瘤的瘤颈角度计算方法 |
| CN108185984A (zh) * | 2017-12-28 | 2018-06-22 | 中山大学 | 眼底彩照进行眼底病灶识别的方法 |
| US20180211388A1 (en) * | 2017-01-23 | 2018-07-26 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for analyzing blood flow condition |
| CN109414184A (zh) * | 2016-06-02 | 2019-03-01 | 安努斯克里恩有限公司 | 用于监测脑动脉瘤状况的方法和系统 |
-
2019
- 2019-03-26 CN CN201910234798.9A patent/CN109948622B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120321169A1 (en) * | 2011-06-16 | 2012-12-20 | Siemens Corporation | Shape Based Conditional Random Fields for Segmenting Intracranial Aneurysms |
| US20150178886A1 (en) * | 2013-12-20 | 2015-06-25 | Marcus Pfister | Image Monitoring During an Interventional Procedure, X-Ray Device, Computer Program and Data Medium |
| CN109414184A (zh) * | 2016-06-02 | 2019-03-01 | 安努斯克里恩有限公司 | 用于监测脑动脉瘤状况的方法和系统 |
| CN106355584A (zh) * | 2016-08-30 | 2017-01-25 | 上海交通大学 | 基于局部熵确定阈值的眼底图像微动脉瘤自动检测方法 |
| US20180092690A1 (en) * | 2016-10-05 | 2018-04-05 | Arizona Board Of Regents On Behalf Of Arizona State University | Customized endovascular devices and methods pertaining thereto |
| CN106709920A (zh) * | 2016-12-15 | 2017-05-24 | 上海联影医疗科技有限公司 | 血管提取方法及其装置 |
| US20180211388A1 (en) * | 2017-01-23 | 2018-07-26 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for analyzing blood flow condition |
| CN108030550A (zh) * | 2017-12-26 | 2018-05-15 | 成都真实维度科技有限公司 | 一种基于虚拟成像的动脉瘤的瘤颈角度计算方法 |
| CN108185984A (zh) * | 2017-12-28 | 2018-06-22 | 中山大学 | 眼底彩照进行眼底病灶识别的方法 |
Non-Patent Citations (2)
| Title |
|---|
| SAHAR HASSAN 等: "Automatic Localization and Quantification of Intracranial Aneurysms", 《14TH INTERNATIONAL CONFERENCE ON COMPUTER ANALYSIS OF IMAGES AND PATTERNS (CAIP)》 * |
| 张光武: "基于CT的颅内动脉瘤数值模型优化及破裂几何因素分析", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111739026A (zh) * | 2020-05-28 | 2020-10-02 | 数坤（北京）网络科技有限公司 | 一种基于血管中心线的黏连割除方法及装置 |
| CN111739026B (zh) * | 2020-05-28 | 2021-02-09 | 数坤（北京）网络科技有限公司 | 一种基于血管中心线的黏连割除方法及装置 |
| 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 |
| 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 |
| CN113177928A (zh) * | 2021-05-18 | 2021-07-27 | 数坤(北京)网络科技股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109948622B (zh) | 2020-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109190690B (zh) | 基于机器学习的swi图像的脑微出血点检测识别方法 | |
| CN107644420B (zh) | 基于中心线提取的血管图像分割方法、核磁共振成像系统 | |
| WO2022063198A1 (zh) | 一种肺部图像处理方法、装置及设备 | |
| Jitpakdee et al. | A survey on hemorrhage detection in diabetic retinopathy retinal images | |
| CN116109663B (zh) | 基于多阈值分割的胃部ct影像分割方法 | |
| CN107292835B (zh) | 一种眼底图像视网膜血管自动矢量化的方法及装置 | |
| CN102982542B (zh) | 一种基于相位一致性的眼底图像血管分割方法 | |
| CN112465772B (zh) | 眼底彩照图像血管评估方法、装置、计算机设备和介质 | |
| CN109948622A (zh) | 一种头颈体动脉瘤检测方法、装置及计算机可读存储介质 | |
| SG194407A1 (en) | A method and system for determining a stage of fibrosis in a liver | |
| CN104143035B (zh) | 一种分割乳腺病灶的方法 | |
| CN111415321B (zh) | 动脉瘤破裂风险检测装置及设备 | |
| CN111429451A (zh) | 医学超声图像分割方法及装置 | |
| CN110288698B (zh) | 基于mri的半月板三维重建系统 | |
| Giachetti et al. | Multiresolution localization and segmentation of the optical disc in fundus images using inpainted background and vessel information | |
| CN109087310B (zh) | 睑板腺纹理区域的分割方法、系统、存储介质及智能终端 | |
| Hatanaka et al. | Improvement of automatic hemorrhage detection methods using brightness correction on fundus images | |
| Lazar et al. | Retinal microaneurysm detection based on intensity profile analysis | |
| CN105374025B (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
| CN112862850A (zh) | 数字剪影血管造影影像处理方法及装置 | |
| CN111275722A (zh) | 肺段、肝段分割方法及系统 | |
| CN111292285B (zh) | 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法 | |
| Lazar et al. | A novel approach for the automatic detection of microaneurysms in retinal images | |
| Ashame et al. | Abnormality Detection in Eye Fundus Retina | |
| CN114399493A (zh) | 超声颅脑异常区域自动检测及显示方法 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee 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 Patentee before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee after: Shukun Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |