CN110148127A - 针对血管cta后处理影像的智能选片方法、装置及存储设备 - Google Patents
针对血管cta后处理影像的智能选片方法、装置及存储设备 Download PDFInfo
- Publication number
- CN110148127A CN110148127A CN201910433605.2A CN201910433605A CN110148127A CN 110148127 A CN110148127 A CN 110148127A CN 201910433605 A CN201910433605 A CN 201910433605A CN 110148127 A CN110148127 A CN 110148127A
- Authority
- CN
- China
- Prior art keywords
- lesion
- blood vessel
- image
- affiliated
- information
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012805 post-processing Methods 0.000 title claims abstract description 40
- 230000003902 lesion Effects 0.000 claims abstract description 231
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 239000000523 sample Substances 0.000 claims description 28
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 9
- 208000037804 stenosis Diseases 0.000 claims description 9
- 230000036262 stenosis Effects 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010968 computed tomography angiography Methods 0.000 description 43
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 210000004351 coronary vessel Anatomy 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003759 clinical diagnosis Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例公开了一种针对血管CTA后处理影像的智能选片方法、装置及计算机存储设备，该方法包括：首先获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；进一步根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；最后，根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
Description
技术领域
本发明涉及医学影像技术领域，尤其涉及一种针对血管CTA后处理影像的智能选片方法、装置及计算机存储设备。
背景技术
CT血管造影(CTA，CT angiography)是将CT增强技术与薄层、大范围、快速扫描技术相结合，通过合理的后处理，清晰显示全身各部位血管细节，具有无创和操作简便的特点，对于血管变异、血管疾病以及显示病变和血管关系有重要价值。
在现代医学影像技术领域中，冠脉CTA后处理通常需要将具有临床诊断意义的血管重建影像输出到影像归档和通信系统(PACS，Picture Archiving and CommunicationSystems)或胶片打印系统，以供医院或患者存档以及后续临床诊断使用。
当前，传统的冠脉CTA后处理工作站提供的影像选片方法为手动选片，即后处理技师或影像科医师根据个人经验(如病灶情况、影像质量、影像科规范、随机挑选等)在血管CTA后处理影像中选择特定位置切片或者特定血管的指定角度的影像，最终组成DICOM序列后输出到外部系统。因此，这种手动选片方式依赖于操作者的操作，受操作者的主观因素影像较大，输出后处理影像的差异将影响临床诊断的可用性。
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，创造性地提供一种针对血管CTA后处理影像的智能选片方法、装置及计算机存储设备。
本发明实施例第一方面，提供一种针对血管CTA后处理影像的智能选片方法，该方法包括：获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
在本发明一实施方式中，在所述根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片之前，所述方法还包括：根据全局策略对所确定的病灶与影像序列之间的关联信息中的病灶进行过滤；其中，所述全局策略与病灶的体积或病灶的狭窄率相关。
在本发明一实施方式中，所述根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息，包括：当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置；当所属影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
在本发明一实施方式中，当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置，包括：计算病灶体数据与血管中心线每个点切线法平面相交的面积；根据所计算得到的面积中的最大值确定病灶最严重位置的中心线点；根据所述中心线点分别计算病灶所属轴位、矢状位、冠状位MPR对应切片位置；或，根据所述中心线点计算病灶所属血管对应Xsection探针位置。
在本发明一实施方式中，当所述影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度，包括：根据重建的全方位角度，计算每个角度病灶体数据的对应投影面积；将所计算得到的投影面积中的最大值所属角度确定为病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
在本发明一实施方式中，所述预置影像规则包括如下配置规则：以间隔层厚和切片数量两个维度确定的MPR重建影像规则；和/或，以间隔层厚和切片数量两个维度确定的血管Xsection探针影像规则；和/或，以角度间距和切片数量两个维度确定的血管CPR曲面重建影像规则；和/或，以角度间距和切片数量两个维度确定的血管Lumen拉直重建影像规则。
本发明实施例第二方面，还提供一种针对血管CTA后处理影像的智能选片装置，所述装置包括：获取模块，用于获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；确定模块，用于根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；选片模块，用于根据所确定的病灶与影像序列之间的关联关系，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
在本发明一实施方式中，所述装置还包括：过滤模块，用于在选片模块根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片之前，根据全局策略对所确定的病灶与影像序列之间的关联信息中的病灶进行过滤；其中，所述全局策略与病灶的体积或病灶的狭窄率相关。
在本发明一实施方式中，所述确定模块具体用于，当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置；当所属影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
在本发明一实施方式中，所述确定模块包括：第一计算单元，用于计算病灶体数据与血管中心线每个点切线法平面相交的面积；确定单元，用于根据所计算得到的面积中的最大值确定病灶最严重位置的中心线点；第二计算单元，用于根据所述中心线点分别计算病灶所属轴位、矢状位、冠状位MPR对应切片位置；或，根据所述中心线点计算病灶所属血管对应Xsection探针位置。
在本发明一实施方式中，所述确定模块包括：计算单元，用于根据重建的全方位多个角度，计算每个角度病灶体数据的对应投影面积；确定单元，用于将所计算得到的投影面积中的最大值所属角度确定为病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
本发明实施例第三方面，又提供一种计算机存储设备，所述存储设备包括一组计算机可执行指令，当所述指令被执行时用于上述任一项所述的针对血管CTA后处理影像的智能选片方法。
本发明实施例针对血管CTA后处理影像的智能选片方法、装置及计算机存储设备，首先获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；进一步根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；最后，根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。如此，通过血管病灶的影像关联信息结合预置影像规则的配置，实现了智能化的选片，从而提高了血管CTA后处理影像输出的统一性，保证了血管CTA后处理影像输出的客观性，同时使得输出影像有更好的临床使用价值。
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为本发明实施例针对血管CTA后处理影像的智能选片方法的实现流程示意图一；
图2为本发明实施例针对血管CTA后处理影像的智能选片方法的实现流程示意图二；
图3示出了本发明一应用实例确定多个病灶中每一个病灶与影像序列之间的关联信息的计算流程示意图；
图4示出了本发明一应用实例针对血管CTA后处理影像的智能选片的具体实现流程示意图；
图5为本发明实施例针对血管CTA后处理影像的智能选片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。
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。
图1为本发明实施例针对血管CTA后处理影像的智能选片方法的实现流程示意图一；请参考图1。本发明实施例针对血管CTA后处理影像的智能选片方法包括：操作101，获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；操作102，根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；操作103，根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
其中，影像序列用于指代冠脉CTA后处理的影像序列，主要包括MPR重建影像、血管Xsection探针影像、血管CPR曲面重建影像以及血管Lumen拉直重建影像。这里，病灶与影像序列之间的关联信息主要包括位置信息和角度信息。
基于以上四种冠脉CTA后处理的影像序列及其本身的特点，在操作102，根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息，至少包括如下情况：
情况一，关联信息为位置信息：当影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置。
具体地，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置包括：计算病灶体数据与血管中心线每个点切线法平面相交的面积；根据所计算得到的面积中的最大值确定病灶最严重位置的中心线点；根据所述中心线点分别计算病灶所属轴位、矢状位、冠状位MPR对应切片位置；或，根据所述中心线点计算病灶所属血管对应Xsection探针位置。
情况二，关联信息为角度信息：当所属影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
具体地，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度，包括：根据病灶所属血管CPR曲面重建的全方位多个角度，如360个角度，计算每个角度病灶体数据的对应投影面积，得到最大投影面积所属角度；或，根据病灶所属血管Lumen拉直重建的全方位多个角度，如360个角度，计算每个角度病灶体数据的对应投影面积，得到最大投影面积所属角度。
进一步地，在操作103之前，如图2所示，所述方法还包括：操作104，根据全局策略对所确定的病灶与影像序列之间的关联信息中的病灶进行过滤。其中，所述全局策略与病灶的体积或病灶的狭窄率相关。该全局策略通常与病灶体积大小或病灶狭窄率相关联。在具体操作中，该全局策略通常可以为根据病灶体积大小或病灶狭窄率对病灶进行筛除，以得到在所属血管分支名、分支段分类下体积或狭窄率符合特定要求的病灶。
在操作103，预置影像规则也可以称作预置影像输出规则。在实际应用中，在操作103之前通常会根据不同影像序列对预置影像规则进行配置，具体包括：以间隔层厚和切片数量两个维度确定的MPR重建影像规则；和/或，以间隔层厚和切片数量两个维度确定的血管Xsection探针影像规则；和/或，以角度间距和切片数量两个维度确定的血管CPR曲面重建影像规则；和/或，以角度间距和切片数量两个维度确定的血管Lumen拉直重建影像规则。
在操作103得到选片结果之后，可以直接输出选片结果以用于后续对接外部DICOM(如PACS、胶片打印机等)进行数据传输。
本发明实施例针对血管CTA后处理影像的智能选片方法，首先获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；进一步根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；最后，根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。如此，通过血管病灶的影像关联信息结合预置影像规则的配置，实现了智能化的选片，从而提高了血管CTA后处理影像输出的统一性，保证了血管CTA后处理影像输出的客观性，同时使得输出影像有更好的临床使用价值。
图3示出了本发明一应用实例确定多个病灶中每一个病灶与影像序列之间的关联信息的计算流程示意图。参考图3，本发明一应用实例确定多个病灶中每一个病灶与影像序列之间的关联信息的计算流程包括：输入，病灶的所属血管分支名、分段名、中心线数据、病灶体数据等。步骤1，计算病灶体数据与血管中心线每个点切线法平面相交的面积。步骤2，根据面积最大值得到病灶最严重位置的中心线点。步骤3，根据该中心线点，计算轴位、矢状位、冠状位MPR对应切片位置。步骤4，根据该中心线点，计算病灶所属血管对应的Xsection探针位置。步骤5，根据病灶所属血管CPR曲面重建的360个角度，计算每个角度病灶体数据的对应投影面积，得到最大投影面积所属角度。步骤6，根据病灶所属血管Lumen拉直重建的360个角度，计算每个角度病灶体数据的对应投影面积，得到最大投影面积所属角度。输出，将步骤2-6的结果以分支名-分段名归类的方式输出。
图4示出了本发明一应用实例针对血管CTA后处理影像的智能选片的具体实现流程示意图。参考图4，本发明一应用实例针对血管CTA后处理影像的智能选片的具体实现流程包括：输入，影像序列与病灶关联信息、影像输出规则配置、所有后处理影像。步骤1、计算每一个病灶与影像序列的关联信息。步骤2、根据全局规则过滤关联信息中的病灶。步骤3、根据影像规则，对于每一类影像，使用关联信息中的位置和角度信息，计算满足数量要求的以层厚和角度为间隔的影像数据。输出，自动化选片结果。
同样，基于如上文所述针对血管CTA后处理影像的智能选片方法，本发明实施例又提供一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被处理器执行时，使得所述处理器至少执行如下所述的操作步骤：操作101，获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；操作102，根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；操作103，根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
进一步地，基于上文所述针对血管CTA后处理影像的智能选片方法，本发明实施例还提供一种针对血管CTA后处理影像的智能选片装置，如图5所示，所述装置50包括：获取模块501，用于获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；确定模块502，用于根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；选片模块503，用于根据所确定的病灶与影像序列之间的关联关系，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
在本发明一实施方式中，如图5所示，所述装置50还包括：过滤模块504，用于在选片模块503根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片之前，根据全局策略对所确定的病灶与影像序列之间的关联信息中的病灶进行过滤；其中，所述全局策略与病灶的体积或病灶的狭窄率相关。
在本发明一实施方式中，所述确定模块502具体用于，当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置；当所属影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
在本发明一实施方式中，所述确定模块502包括：第一计算单元，用于计算病灶体数据与血管中心线每个点切线法平面相交的面积；确定单元，用于根据所计算得到的面积中的最大值确定病灶最严重位置的中心线点；第二计算单元，用于根据所述中心线点分别计算病灶所属轴位、矢状位、冠状位MPR对应切片位置；或，根据所述中心线点计算病灶所属血管对应Xsection探针位置。
在本发明一实施方式中，所述确定模块502包括：计算单元，用于根据重建的全方位多个角度，计算每个角度病灶体数据的对应投影面积；确定单元，用于将所计算得到的投影面积中的最大值所属角度确定为病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
在本发明一实施方式中，所述预置影像规则包括如下配置规则：以间隔层厚和切片数量两个维度确定的MPR重建影像规则；和/或，以间隔层厚和切片数量两个维度确定的血管Xsection探针影像规则；和/或，以角度间距和切片数量两个维度确定的血管CPR曲面重建影像规则；和/或，以角度间距和切片数量两个维度确定的血管Lumen拉直重建影像规则。
这里需要指出的是：以上对针对血管CTA后处理影像的智能选片装置实施例的描述，与前述图1或图2所示的方法实施例的描述是类似的，具有同前述图1或图2所示的方法实施例相似的有益效果，因此不做赘述。对于本发明对针对血管CTA后处理影像的智能选片装置实施例中未披露的技术细节，请参照本发明前述图1或图2所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个装置，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以利用硬件的形式实现，也可以利用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的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，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
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权利要求的保护范围为准。
Claims (10)
1.一种针对血管CTA后处理影像的智能选片方法，其特征在于，所述方法包括：
获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；
根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；
根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
2.根据权利要求1所述的方法，其特征在于，在所述根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片之前，所述方法还包括：
根据全局策略对所确定的病灶与影像序列之间的关联信息中的病灶进行过滤；其中，所述全局策略与病灶的体积或病灶的狭窄率相关。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息，包括：
当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置；
当所属影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
4.根据权利要求3所述的方法，其特征在于，当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置，包括：
计算病灶体数据与血管中心线每个点切线法平面相交的面积；
根据所计算得到的面积中的最大值确定病灶最严重位置的中心线点；
根据所述中心线点分别计算病灶所属轴位、矢状位、冠状位MPR对应切片位置；或，根据所述中心线点计算病灶所属血管对应Xsection探针位置。
5.根据权利要求3所述的方法，其特征在于，当所述影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度，包括：
根据重建的全方位多个角度，计算每个角度病灶体数据的对应投影面积；
将所计算得到的投影面积中的最大值所属角度确定为病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
6.根据权利要求1或2所述的方法，其特征在于，所述预置影像规则包括如下配置规则：
以间隔层厚和切片数量两个维度确定的MPR重建影像规则；
和/或，以间隔层厚和切片数量两个维度确定的血管Xsection探针影像规则；
和/或，以角度间距和切片数量两个维度确定的血管CPR曲面重建影像规则；
和/或，以角度间距和切片数量两个维度确定的血管Lumen拉直重建影像规则。
7.一种针对血管CTA后处理影像的智能选片装置，其特征在于，所述装置包括：
获取模块，用于获取多个病灶及对应的病灶信息，所述病灶信息至少包括病灶所属血管分支名、分段名、中心线数据及病灶体数据；
确定模块，用于根据所述病灶信息，确定所述多个病灶中每一个病灶与影像序列之间的关联信息；
选片模块，用于根据所确定的病灶与影像序列之间的关联关系，基于预置影像规则对血管CTA后处理影像进行选片，以得到选片结果。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
过滤模块，用于在选片模块根据所确定的病灶与影像序列之间的关联信息，基于预置影像规则对血管CTA后处理影像进行选片之前，根据全局策略对所确定的病灶与影像序列之间的关联信息中的病灶进行过滤；其中，所述全局策略与病灶的体积或病灶的狭窄率相关。
9.根据权利要求7所述的装置，其特征在于，
所述确定模块具体用于，当所述影像序列为MPR重建影像或血管Xsection探针影像时，根据所述病灶信息确定病灶所属轴位、矢状位、冠状位MPR对应切片位置或病灶所属血管对应Xsection探针位置；当所属影像序列为血管CPR曲面重建影像或血管Lumen拉直重建影像时，根据所述病灶信息确定病灶所属血管CPR曲面重建的角度或病灶所属血管Lumen拉直重建的角度。
10.一种计算机存储设备，其特征在于，所述存储设备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1-6任一项所述的针对血管CTA后处理影像的智能选片方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910433605.2A CN110148127B (zh) | 2019-05-23 | 2019-05-23 | 针对血管cta后处理影像的智能选片方法、装置及存储设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910433605.2A CN110148127B (zh) | 2019-05-23 | 2019-05-23 | 针对血管cta后处理影像的智能选片方法、装置及存储设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110148127A true CN110148127A (zh) | 2019-08-20 |
| CN110148127B CN110148127B (zh) | 2021-05-11 |
Family
ID=67592833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910433605.2A Active CN110148127B (zh) | 2019-05-23 | 2019-05-23 | 针对血管cta后处理影像的智能选片方法、装置及存储设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110148127B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627508A (zh) * | 2020-04-29 | 2020-09-04 | 数坤（北京）网络科技有限公司 | 一种医学影像的解读方法、装置及计算机可读介质 |
| CN112686891A (zh) * | 2021-03-09 | 2021-04-20 | 数坤（北京）网络科技有限公司 | 一种影像处理的方法、装置及计算机可读介质 |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040210403A1 (en) * | 2002-07-24 | 2004-10-21 | Benno Heigl | Processing method for a volume dataset |
| JP2006068350A (ja) * | 2004-09-03 | 2006-03-16 | Toshiba Corp | 医用画像表示方法、医用画像表示装置及び医用画像表示のためのプログラム |
| CN1871998A (zh) * | 2006-04-20 | 2006-12-06 | 北京思创贯宇科技开发有限公司 | 一种血管三维重建及虚拟支架置入的方法和系统 |
| CN101584571A (zh) * | 2009-06-15 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种胶囊内镜辅助读片方法 |
| US20100008557A1 (en) * | 2008-07-14 | 2010-01-14 | Ziosoft, Inc. | Image processing apparatus and method |
| CN101996329A (zh) * | 2010-11-17 | 2011-03-30 | 沈阳东软医疗系统有限公司 | 一种对血管形变区域的检测装置和方法 |
| US8221446B2 (en) * | 2005-03-15 | 2012-07-17 | Cook Medical Technologies | Embolic protection device |
| CN103462646A (zh) * | 2013-09-17 | 2013-12-25 | 浙江大学 | 一种集成血管内超声（ivus）影像和数字减影(dsa)影像的一体化离线处理系统 |
| JP2015029885A (ja) * | 2013-08-07 | 2015-02-16 | パナソニック株式会社 | スライス画像表示装置 |
| CN105488799A (zh) * | 2015-11-27 | 2016-04-13 | 天津工业大学 | 彩色眼底图像微动脉瘤自动检测方法 |
| CN105787922A (zh) * | 2015-12-16 | 2016-07-20 | 沈阳东软医疗系统有限公司 | 一种实现自动mpr批处理的方法和装置 |
| CN106780436A (zh) * | 2016-11-18 | 2017-05-31 | 北京郁金香伙伴科技有限公司 | 一种医疗影像显示参数确定方法及装置 |
| CN106780492A (zh) * | 2017-01-23 | 2017-05-31 | 天津大学 | 一种ct骨盆图像的关键帧提取方法 |
| US20170227620A1 (en) * | 2016-02-09 | 2017-08-10 | Toshiba Medical Systems Corporation | Image processing device and mri apparatus |
| CN107714070A (zh) * | 2017-10-09 | 2018-02-23 | 南方医科大学南方医院 | 基于数字化断层融合图的乳腺病灶定位方法、系统和装置 |
| CN107789056A (zh) * | 2017-10-19 | 2018-03-13 | 青岛大学附属医院 | 一种医学影像匹配融合方法 |
| CN108257674A (zh) * | 2018-01-24 | 2018-07-06 | 龙马智芯（珠海横琴）科技有限公司 | 疾病预测方法和装置、设备、计算机可读存储介质 |
| CN108305255A (zh) * | 2017-01-12 | 2018-07-20 | 浙江京新术派医疗科技有限公司 | 肝脏手术切割面的生成方法和生成装置 |
| CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
| CN108765363A (zh) * | 2018-03-24 | 2018-11-06 | 语坤（北京）网络科技有限公司 | 一种基于人工智能的冠脉cta自动后处理系统 |
| CN109472780A (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 |
| CN109493328A (zh) * | 2018-08-31 | 2019-03-19 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
| CN109559326A (zh) * | 2018-11-05 | 2019-04-02 | 深圳睿心智能医疗科技有限公司 | 一种血流动力学参数计算方法、系统及电子设备 |
| CN109717886A (zh) * | 2017-10-30 | 2019-05-07 | 上海交通大学 | 一种低辐射剂量的ct扫描方法 |
| CN109785940A (zh) * | 2018-12-28 | 2019-05-21 | 苏州承泽医疗科技有限公司 | 一种医学图像胶片排版的方法 |
-
2019
- 2019-05-23 CN CN201910433605.2A patent/CN110148127B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040210403A1 (en) * | 2002-07-24 | 2004-10-21 | Benno Heigl | Processing method for a volume dataset |
| JP2006068350A (ja) * | 2004-09-03 | 2006-03-16 | Toshiba Corp | 医用画像表示方法、医用画像表示装置及び医用画像表示のためのプログラム |
| US8221446B2 (en) * | 2005-03-15 | 2012-07-17 | Cook Medical Technologies | Embolic protection device |
| CN1871998A (zh) * | 2006-04-20 | 2006-12-06 | 北京思创贯宇科技开发有限公司 | 一种血管三维重建及虚拟支架置入的方法和系统 |
| US20100008557A1 (en) * | 2008-07-14 | 2010-01-14 | Ziosoft, Inc. | Image processing apparatus and method |
| CN101584571A (zh) * | 2009-06-15 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种胶囊内镜辅助读片方法 |
| CN101996329A (zh) * | 2010-11-17 | 2011-03-30 | 沈阳东软医疗系统有限公司 | 一种对血管形变区域的检测装置和方法 |
| JP2015029885A (ja) * | 2013-08-07 | 2015-02-16 | パナソニック株式会社 | スライス画像表示装置 |
| CN103462646A (zh) * | 2013-09-17 | 2013-12-25 | 浙江大学 | 一种集成血管内超声（ivus）影像和数字减影(dsa)影像的一体化离线处理系统 |
| CN105488799A (zh) * | 2015-11-27 | 2016-04-13 | 天津工业大学 | 彩色眼底图像微动脉瘤自动检测方法 |
| CN105787922A (zh) * | 2015-12-16 | 2016-07-20 | 沈阳东软医疗系统有限公司 | 一种实现自动mpr批处理的方法和装置 |
| US20170227620A1 (en) * | 2016-02-09 | 2017-08-10 | Toshiba Medical Systems Corporation | Image processing device and mri apparatus |
| CN106780436A (zh) * | 2016-11-18 | 2017-05-31 | 北京郁金香伙伴科技有限公司 | 一种医疗影像显示参数确定方法及装置 |
| CN108305255A (zh) * | 2017-01-12 | 2018-07-20 | 浙江京新术派医疗科技有限公司 | 肝脏手术切割面的生成方法和生成装置 |
| CN106780492A (zh) * | 2017-01-23 | 2017-05-31 | 天津大学 | 一种ct骨盆图像的关键帧提取方法 |
| CN107714070A (zh) * | 2017-10-09 | 2018-02-23 | 南方医科大学南方医院 | 基于数字化断层融合图的乳腺病灶定位方法、系统和装置 |
| CN107789056A (zh) * | 2017-10-19 | 2018-03-13 | 青岛大学附属医院 | 一种医学影像匹配融合方法 |
| CN109717886A (zh) * | 2017-10-30 | 2019-05-07 | 上海交通大学 | 一种低辐射剂量的ct扫描方法 |
| CN108257674A (zh) * | 2018-01-24 | 2018-07-06 | 龙马智芯（珠海横琴）科技有限公司 | 疾病预测方法和装置、设备、计算机可读存储介质 |
| CN108765363A (zh) * | 2018-03-24 | 2018-11-06 | 语坤（北京）网络科技有限公司 | 一种基于人工智能的冠脉cta自动后处理系统 |
| CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
| CN109493328A (zh) * | 2018-08-31 | 2019-03-19 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
| CN109472780A (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 |
| CN109559326A (zh) * | 2018-11-05 | 2019-04-02 | 深圳睿心智能医疗科技有限公司 | 一种血流动力学参数计算方法、系统及电子设备 |
| CN109785940A (zh) * | 2018-12-28 | 2019-05-21 | 苏州承泽医疗科技有限公司 | 一种医学图像胶片排版的方法 |
Non-Patent Citations (4)
| Title |
|---|
| CHAYAKRIT KRITTANAWONG: "artificail intelligence in precision cardiovascular medical", 《JOURNAL OF THE AMERICAN COLLEGE OF CARDIOLOGY》 * |
| 刘再毅: "影像组学的临床价值及面临的挑战", 《协和医学杂志》 * |
| 许涛 等: "基于三维CTA血管拉直的腹主动脉瘤自动定位方法", 《中国医学物理学杂志》 * |
| 钟朝辉 等: "冠状动脉CTA扫描中采用智能期相技术与手动选取最佳期相的一致性", 《临床影像技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111627508A (zh) * | 2020-04-29 | 2020-09-04 | 数坤（北京）网络科技有限公司 | 一种医学影像的解读方法、装置及计算机可读介质 |
| CN112686891A (zh) * | 2021-03-09 | 2021-04-20 | 数坤（北京）网络科技有限公司 | 一种影像处理的方法、装置及计算机可读介质 |
| CN112686891B (zh) * | 2021-03-09 | 2022-05-13 | 数坤(北京)网络科技股份有限公司 | 一种影像处理的方法、装置及计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110148127B (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Berg et al. | Multiple aneurysms anatomy challenge 2018 (MATCH): phase I: segmentation | |
| Wake et al. | 3D printed renal cancer models derived from MRI data: application in pre-surgical planning | |
| Yang et al. | Diagnostic performance of on-site CT-derived fractional flow reserve versus CT perfusion | |
| Choi et al. | Intracoronary transluminal attenuation gradient in coronary CT angiography for determining coronary artery stenosis | |
| Zhao et al. | Three‐dimensional printing enhances preparation for repair of double outlet right ventricular surgery | |
| Malagutti et al. | Use of 64-slice CT in symptomatic patients after coronary bypass surgery: evaluation of grafts and coronary arteries | |
| Delgado et al. | Transcatheter aortic valve implantation: role of multi-detector row computed tomography to evaluate prosthesis positioning and deployment in relation to valve function | |
| Duddalwar | Multislice CT angiography: a practical guide to CT angiography in vascular imaging and intervention | |
| Witowski et al. | Augmented reality and three-dimensional printing in percutaneous interventions on pulmonary arteries | |
| Blanke et al. | Combined assessment of aortic root anatomy and aortoiliac vasculature with dual-source CT as a screening tool in patients evaluated for transcatheter aortic valve implantation | |
| Szikora et al. | Impact of aneurysmal geometry on intraaneurysmal flow: a computerized flow simulation study | |
| Farooqi et al. | 3D printing and heart failure: the present and the future | |
| JP5801316B2 (ja) | 副側血流評価 | |
| Uccheddu et al. | 3D printing of cardiac structures from medical images: an overview of methods and interactive tools | |
| CN110148127A (zh) | 针对血管cta后处理影像的智能选片方法、装置及存储设备 | |
| Kakouros et al. | Coronary pressure-derived fractional flow reserve in the assessment of coronary artery stenoses | |
| Jakobs et al. | MDCT-imaging of peripheral arterial disease | |
| Sieren et al. | Automated segmentation and quantification of the healthy and diseased aorta in CT angiographies using a dedicated deep learning approach | |
| Sommer et al. | Patient-specific 3D-printed coronary models based on coronary computed tomography angiography volumes to investigate flow conditions in coronary artery disease | |
| Ramaekers et al. | Characterization of ascending aortic flow in patients with degenerative aneurysms: a 4D flow magnetic resonance study | |
| Mirabella et al. | Treatment planning for a TCPC test case: a numerical investigation under rigid and moving wall assumptions | |
| Feng et al. | Vertebral artery stenoses contribute to the development of diffuse plaques in the basilar artery | |
| Sotelo et al. | Impact of aortic arch curvature in flow haemodynamics in patients with transposition of the great arteries after arterial switch operation | |
| CN110163928A (zh) | 基于血管分段与病灶的影像联动方法、装置及存储设备 | |
| Išgum et al. | Automated aortic calcium scoring on low‐dose chest computed tomography |
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 | ||
| 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. |