CN110176013A - 血管分割方法、装置、电子设备及存储介质 - Google Patents
血管分割方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110176013A CN110176013A CN201910456158.2A CN201910456158A CN110176013A CN 110176013 A CN110176013 A CN 110176013A CN 201910456158 A CN201910456158 A CN 201910456158A CN 110176013 A CN110176013 A CN 110176013A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- vessel segmentation
- growth
- blood
- prediction model
- 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 601
- 230000011218 segmentation Effects 0.000 title claims abstract description 466
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000012010 growth Effects 0.000 claims abstract description 222
- 230000003698 anagen phase Effects 0.000 claims abstract description 206
- 230000002491 angiogenic effect Effects 0.000 claims abstract description 36
- 239000008280 blood Substances 0.000 claims description 14
- 210000004369 blood Anatomy 0.000 claims description 14
- 230000002792 vascular Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 230000008439 repair process Effects 0.000 abstract description 2
- 210000004351 coronary vessel Anatomy 0.000 description 26
- 238000010586 diagram Methods 0.000 description 13
- 210000000709 aorta Anatomy 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 210000003462 vein Anatomy 0.000 description 9
- 238000002583 angiography Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 230000034655 secondary growth Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 241000415078 Anemone hepatica Species 0.000 description 5
- 210000001367 artery Anatomy 0.000 description 5
- 210000001147 pulmonary artery Anatomy 0.000 description 5
- 238000003325 tomography Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000021332 multicellular organism growth Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种血管分割方法、装置、电子设备及存储介质，该方法包括：获取血管图像；通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括血管图像和前一个血管分割生长预测模型输出的体积最大的血管分割体；确定出多个血管分割体中体积最大的血管分割体，由于除第一个生长预测以外的其余每次预测均是在前一个生长阶段预测的结果上进行的，保证血管生长的连续性，修复断裂的血管，提高结果可靠性。
Description
技术领域
本申请涉及医学建模领域，具体而言，涉及一种血管分割方法、装置、电子设备及存储介质。
背景技术
血管造影技术已经被广泛应用于医疗诊断中，其对医疗行业具有重要的临床价值和实际意义。现有的血管造影技术，通常是利用血管分割技术实现自动化血管重建，例如，冠状动脉、肝动脉、肺动脉等。
然而，由于血管分割技术对环境要求极高，噪声、震动等因素都会对造影结果产生非常大的影响，使血管在成像时发生断裂，由于断裂区域无法正常成像，继而导致一些易发生的疾病，例如心肌桥，在成像时会因血管分割断裂而无法被检测出，导致血管造影技术结果的可靠性不高。
申请内容
鉴于此，本申请实施例的目的在于提供一种血管分割方法、装置、电子设备及存储介质，能够对发生断裂的血管进行修复，提高血管造影技术结果的可靠性。
第一方面，本申请实施例提供一种血管分割方法，所述方法包括：获取血管图像；通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为所述血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括所述血管图像和前一个所述血管分割生长预测模型输出的体积最大的血管分割体；确定出所述多个血管分割体中体积最大的血管分割体。
在上述实现过程中，通过按照血管生长阶段顺次连接的血管分割生长预测模型进行多次分割预测，其中，除第一个生长阶段的预测以外的其余每个生长阶段的预测均是在上一个生长阶段的预测结果上进行预测，继而保证血管生长的连续性，同时，由于冠状动脉、肝动脉和肺动脉均是树状结构，主动脉位于根部，越靠近根部的血管体积越大，因此，与根部相连的血管分割体体积最大，继而将所述多个血管分割体中体积最大的血管分割体为最终的血管分割预测结果，继而修复了发生断裂的血管，提高血管造影技术结果的可靠性。
基于第一方面，在一种可能的设计中，通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体，包括：将所述血管图像输入到第一个所述血管分割生长预测模型，第一个所述血管分割生长模型根据所述血管图像预测得到多个第一个生长阶段的血管分割体；针对第i个所述血管分割生长预测模型，将所述血管图像和第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体中体积最大的第i-1个生长阶段的血管分割体输入到所述第i个所述血管分割生长预测模型，通过所述第i个所述血管分割生长预测模型根据所述血管图像在所述体积最大的第i-1个生长阶段的血管分割体的基础上预测得到多个第i个生长阶段的血管分割体；i依次取2到m，第m个所述血管分割生长预测模型输出的多个第m个生长阶段的血管分割体为所述多个血管分割体，其中，m为多个所述血管分割生长预测模型的总数量。
在上述实现过程中，由于冠状动脉、肝动脉和肺动脉均是树状结构，主动脉位于根部，越靠近根部的血管体积越大，与根部相连的血管分割体体积最大，因此，在第一个生长阶段预测之后的每个生长阶段预测均是将前一个生长阶段生长预测中体积最大的血管分割体的基础上进行预测，提高每个生长阶段预测的准确性，继而进一步提高血管造影技术结果的可靠性。
基于第一方面，在一种可能的设计中，所述获取血管图像，包括：获取原始血管图像；将所述原始血管图像输入预先训练好的GAN网络中，得到所述血管图像。
在上述实现过程中，在利用血管图像进行血管分割时，若血管图像的图像质量不佳，例如血管图像存在伪影、断层等情况，则会降低血管分割生长预测模型输出结果的可靠性，因此，在将血管分割图像输入到血管分割生长预测模型之前，利用GAN网络对血管分割图像进行预处理，以消除伪影、断层现象，提高血管图像的质量，继而提高血管分割生长预测模型输出结果的可靠性。
第二方面，本申请实施例提供一种血管分割方法，获取血管图像；将所述血管图像分别输入多个对应不同血管生长阶段的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体；确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体；按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型。
在上述实现过程中，分别利用多个对应不同血管生长阶段的血管分割生长预测模型对血管图像进行处理，并按照血管生长阶段的先后顺序将多次生长预测中每个生长阶段预测输出的多个血管分割体中的候选血管分割体连接，继而修复了发生断裂的血管，提高血管造影技术结果的可靠性。
基于第二方面，在一种可能的设计中，所述确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体，包括：确定出与第一个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中体积最大的血管分割体；确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体；其中，i依次取2到m，m为生长阶段的总数量；相应的，所述按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型，包括：将所述能够连接的血管分割体与所述连接血管分割体连接，得到第i个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体；其中，当i取2时，第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体为所述体积最大的血管分割体；i取m时得到的所述连接血管分割体为所述血管模型。
在上述实现过程中，由于冠状动脉、肝动脉和肺动脉均是树状结构，主动脉位于根部，越靠近根部的血管体积越大，与根部相连的血管分割体体积最大，因此，确定出与第一个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中体积最大的血管分割体；其次，为了保证其余每个生长阶段预测确定的候选血管体的准确性，因此，通过将其余的每个生长阶段的输出的多个所述血管分割体与前一个生长阶段确定的连接血管分割体进行连接可行性分析，继而保证候选血管体之间的连接可靠性。
基于第二方面，在一种可能的设计中，确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体，包括：基于所述第i个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的位置，以及所述第i-1个生长阶段的及其之前的所有生长阶段的候选血管分割体的连接血管分割体的位置，确定出所述第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与所述第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体。
在上述实现过程中，由于除第一个生长阶段的预测之外的其余每个生长阶段确定的能够连接的血管分割体应该与前一个生长阶段确定出的连接血管分割体的位置满足一定的位置关系，因此，基于其余每个生长阶段的输出的血管分割体的位置与前一个生长阶段确定出的连接血管分割体的位置关系，准确的确定出能够与前一个生长阶段确定的连接血管分割体进行连接的血管分割体。
第三方面，本申请实施例提供一种血管分割装置，所述装置包括：第一获取单元，用于获取血管图像；第一分割单元，用于通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为所述血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括所述血管图像和前一个所述血管分割生长预测模型输出的体积最大的血管分割体；第一选取单元，用于确定出所述多个血管分割体中体积最大的血管分割体。
基于第三方面，在一种可能的设计中，所述第一分割单元，还用于将所述血管图像输入到第一个所述血管分割生长预测模型，第一个所述血管分割生长模型根据所述血管图像预测得到多个第一个生长阶段的血管分割体；以及针对第i个所述血管分割生长预测模型，将所述血管图像和第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体中体积最大的第i-1个生长阶段的血管分割体输入到所述第i个所述血管分割生长预测模型，通过所述第i个所述血管分割生长预测模型根据所述血管图像在所述体积最大的第i-1个生长阶段的血管分割体的基础上预测得到多个第i个生长阶段的血管分割体；i依次取2到m，第m个所述血管分割生长预测模型输出的多个第m个生长阶段的血管分割体为所述多个血管分割体，其中，m为多个所述血管分割生长预测模型的总数量。
基于第三方面，在一种可能的设计中，所述第一获取单元，还用于获取原始血管图像；以及将所述原始血管图像输入预先训练好的GAN网络中，得到所述血管图像。
第四方面，本申请实施例提供一种血管分割装置，所述装置包括：第二获取单元，用于获取血管图像；第二分割单元，用于将所述血管图像分别输入多个对应不同血管生长阶段的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体；第二选取单元，用于确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体；连接单元，用于按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型。
基于第四方面，在一种可能的设计中，所述第二选取单元，包括：第一确定子单元，用于确定出与第一个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中体积最大的血管分割体；第二确定子单元，用于确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体；其中，i依次取2到m，m为生长阶段的总数量；相应的，所述连接单元，用于将所述能够连接的血管分割体与所述连接血管分割体连接，得到第i个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体；其中，当i取2时，第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体为所述体积最大的血管分割体；i取m时得到的所述连接血管分割体为所述血管模型。
基于第四方面，在一种可能的设计中，所述第二确定子单元，还用于基于所述第i个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的位置，以及所述第i-1个生长阶段的及其之前的所有生长阶段的候选血管分割体的连接血管分割体的位置，确定出所述第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与所述第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体。
第五方面，本申请实施例提供一种电子设备，包括处理器以及与所述处理器连接的存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行第一方面和第二方面所述的方法。
第六方面，本申请实施例提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行第一方面和第二方面所述的方法。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种血管分割方法的流程图；
图2为本申请实施例提供的第一个生长阶段输出的血管分割体；
图3为本申请实施例提供的第二个生长阶段输出的血管分割体；
图4为本申请实施例提供的最后一个生长阶段确定的血管分割体；
图5为本申请实施例提供的另一种血管分割方法的流程图；
图6为本申请实施例提供的第一个生长阶段输出的一种血管分割体；
图7为本申请实施例提供的第一个生长阶段输出的血管分割体中体积最大的血管分割体；
图8为本申请实施例提供的第二个生长阶段输出的另一种血管分割体；
图9为本申请实施例提供的第二个生长阶段和第一个生长阶段连接后的连接血管分割体；
图10为本申请实施例提供的血管分割装置的结构示意图；
图11为本申请实施例提供的另一种血管分割装置的结构示意图；
图12为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1为本申请实施例提供的一种血管分割方法的流程图，所述方法包括：S100、S200和S300。
所述血管图像可以为冠脉图像、肝动脉图像、肺动脉图像等，在本申请实施例中，血管图像为冠脉图像，首先对冠脉进行简单介绍：冠脉一般指冠状动脉，心脏的形状如一倒置的、前后略扁的圆锥体，如将心脏视为头部，则位于头顶部、环绕心脏一周的冠状动脉恰似一顶王冠，这就是其名称由来。冠状动脉是供给心脏血液的动脉，起于主动脉根部主动脉窦内，分左右两支。
S100：获取血管图像。
在实际实施过程中，S100可以按照如下方式实施：从预先存储的血管图像和对象名称的对应关系中，获取需要进行冠状动脉重建的对象的血管图像，也可以在需要对对象进行冠状动脉重建(冠脉分割)时，通过计算机断层扫描(Computer Tomography，CT)设备实时获取对象的血管图像，其中，在本实施例中，血管图像为血管CT图像，在其他实施例中，血管图像也可以为利用其他设备拍摄得到的血管图像。
在利用血管图像进行血管分割时，若血管图像的图像质量不佳，例如血管图像存在伪影、断层等情况，则会降低血管分割生长预测模型输出结果的可靠性，因此，作为一种实施方式，S100包括：
获取原始血管图像。
从预先存储的血管CT图像和对象名称的对应关系中，获取需要进行冠状动脉重建的对象的原始血管图像，也可以在需要对对象进行冠状动脉重建(血管分割)时，通过CT设备实时获取对象的血管图像。
将所述原始血管图像输入预先训练好的生成对抗网络(Generative AdversarialNetwork，GAN)网络中，得到所述血管图像。
将所述血管图像输入到预先训练好的GAN网络中，通过预先训练好的GAN网络对原始血管图像进行预处理，以消除伪影、断层现象，得到图像质量较佳的所述血管图像，其中，GAN网络的训练方法可以为利用大量图像质量比较好的血管图像进行模糊处理，以使模糊处理后的血管图像存在伪影、断层等情况，针对同一血管图像，利用模糊处理前的图像和模糊处理后的图像对GAN网络进行训练，以使训练好的GAN网络能够消除血管图像中的伪影、断层等情况，由于利用GAN网络消除图像的伪影和断层的技术属于本领域技术人员所熟知的内容，因此，在此不再赘述。
S200：通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为所述血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括所述血管图像和前一个所述血管分割生长预测模型输出的体积最大的血管分割体。
例如，在多个按照血管生长阶段顺次连接的血管分割生长预测模型有m个时，生长阶段也有m个，每个生长阶段分别对应一个血管分割生长预测模型，第一个生长阶段对应第一个血管分割生长预测模型，第二个生长阶段对应第二个血管分割生长预测模型，依次类推，第i个生长阶段对应第i生长预测模型，其中，i依次取3到m，第m个生长阶段对应最后一个血管分割生长预测模型。
其中，针对血管分割生长预测模型的训练，可以根据血管的生长过程，利用大量血管图像样本和该血管图像样本在每个生长阶段的血管三维(th-ree-dimensional，3D)重建结果来训练多个血管分割生长预测模型，以实现对血管图像的3D重建。
由于血管分割技术对环境要求极高，噪声、震动等因素都会对造影结果产生非常大的影响，使冠状动脉及其分支在成像时发生断裂，由于断裂区域无法正常成像，继而导致一些易发生的疾病，例如心肌桥，在成像时会因血管分割断裂而无法被检测出，降低冠状动脉造影技术结果的可靠性，因此，作为一种实现方式，S200包括：
将所述血管图像输入到第一个所述血管分割生长预测模型，第一个所述血管分割生长模型根据所述血管图像预测得到多个第一个生长阶段的血管分割体。
在获取到所述血管图像后，首先将所述血管图像输入到第一个生长阶段对应的预先训练好的血管分割生长预测模型中，利用所述血管分割生长预测模型对所述血管图像进行分割(3D重建)，得到多个血管分割体。
针对第i个所述血管分割生长预测模型，将所述血管图像和第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体中体积最大的第i-1个生长阶段的血管分割体输入到所述第i个所述血管分割生长预测模型，通过所述第i个所述血管分割生长预测模型根据所述血管图像在所述体积最大的第i-1个生长阶段的血管分割体的基础上预测得到多个第i个生长阶段的血管分割体。其中，i依次取2到m，第m个所述血管分割生长预测模型输出的多个第m个生长阶段的血管分割体为所述多个血管分割体，其中，m为多个所述血管分割生长预测模型的总数量。
为了保证血管生长的连续性，同时，由于冠状动脉是树状结构，主动脉位于根部，越靠近根部的冠状动脉体积越大，因此，与根部相连的血管分割体体积最大，针对第i个所述血管分割生长预测模型，首先计算出第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体的体积，从多个第i-1个生长阶段的血管分割体中确定出体积最大的血管分割体，然后，将所述血管图像和第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体中体积最大的第i-1个生长阶段的血管分割体输入到所述第i个所述血管分割生长预测模型，通过所述第i个所述血管分割生长预测模型根据所述血管图像在所述体积最大的第i-1个生长阶段的血管分割体的基础上预测得到多个第i个生长阶段的血管分割体，直到得到第m个所述血管分割生长预测模型输出的多个血管分割体，其中，每个生长阶段预测所用的血管分割生长预测模型均不同，除第一次生长预测之外的其余的每个生长阶段预测均是在前一个生长阶段生长预测输出的最大血管分割体的基础上进行生长预测的，因此，在血管分割过程保证了血管生长的连续性。
例如，在能够实现对血管图像进行完整的3D重建所需的血管分割生长预测模型有3个时，请参照图2，首先，将所述血管图像输入到第一个生长阶段预测时所用的第一个血管分割生长预测模型，得到多个第一血管分割体，并从多个第一血管分割体中确定出体积最大的血管分割体(请参照图2)和所述血管图像输入下一个生长阶段预测时所用的第二个血管分割生长预测模型，得到多个第二血管分割体，其中，请参照图3，第二血管分割体是在多个第一血管分割体中的体积最大的血管分割体的基础上生长出的，并从多个第二血管分割体中确定出体积最大的血管分割体(请参照图3)和所述血管图像输入最后一个生长阶段预测时所用的第三个血管分割生长预测模型，得到多个第三血管分割体，请参照图4，第三血管分割体是在多个第二血管分割体中的体积最大的血管分割体的基础上生长出的。
由于冠状动脉是树状结构，主动脉位于根部，越靠近根部的冠状动脉的最大横截面的面积越大，作为另一种可能的实施方式，S200可以按照如下方式实施，计算第一个生长阶段预测输出的多个血管分割体中每个血管分割体的最大横截面积，将横截面的面积最大的血管分割体和所述血管图像作为下一次生长预测时所用的血管分割生长预测模型的输入数据，以此类推，除第一个生长阶段预测之外的其余每次均是利用前一个生长阶段生长预测输出的横截面积最大的血管分割体和所述血管图像作为该次生长预测时所用的血管分割生长预测模型的输入数据。
S300：确定出所述多个血管分割体中体积最大的血管分割体。
作为一种可能的实施方式，S300可以按照如下方式实施，在获取到生长预测结束时所用的血管分割生长预测模型输出的多个血管分割体后，分别计算每个血管分割体的体积，将体积最大的血管分割体作为所述血管图像的血管3D重建的最终结果。
由于冠状动脉是树状结构，主动脉位于根部，越靠近根部的冠状动脉的最大横截面积越大，作为另一种实施方式，S300可以按照如下方式实施，在获取到生长预测结束时所用的血管分割生长预测模型输出的多个血管分割体后，分别计算每个血管分割体的最大横截面积，将横截面积最大的血管分割体作为所述血管图像的血管3D重建的最终结果，继而修复了发生断裂的血管，提高冠状动脉造影技术结果的可靠性。
请参照图5，图5为本申请实施例提供的另一种血管分割方法的流程图，所述方法包括：S400、S500、S600和S700。
S400：获取血管图像。
由于S400中获取血管图像的方式和S100中采用的方式相同，因此不再赘述。
S500：将所述血管图像分别输入多个对应不同血管生长阶段的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体。
作为一种实施方式，S500可以按照如下方式实施，将所述血管图像依次输入多个预先训练好的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体。
作为另一种实施方式，S500可以按照如下方式实施，将所述血管图像并行输入多个预先训练好的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体。
S600：确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体。
作为一种实施方式，S600包括：
A：确定出与第一个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中体积最大的血管分割体(请参照图6和图7)。
由于冠状动脉是树状结构，主动脉位于根部，越靠近根部的冠状动脉体积越大，因此，与根部相连的血管分割体体积最大，因此，在得到第一个生长阶段预测结束时输出的多个血管分割体时，分别计算所述多个血管分割体的体积，将体积最大的血管分割体作为第一个生长阶段预测时输出的候选血管分割体。
血管分割体中主要包括动脉和静脉，在实际的血管图像获取中，由于静脉的体积、形状与冠状动脉相似，特别是在造影剂注入不恰当时，冠状动脉所呈现的图像和静脉所呈现出的图像几乎没有区别。因此，在选取候选选分割体时，为了排除动脉分割体相似的静脉连通体，需要对每个生长阶段预测的候选分割体和前一个生长阶段生长预测的候分割体进行可连接性分析，以确定出能够与前一个生长阶段确定的所述候选血管分割体进行连接的所述候选血管分割体。
B：确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体；其中，i依次取2到m，m为生长阶段的总数量。
请参照图8，图8为第二个生长阶段的血管分割生长模型输出的多个血管分割体，图9为将第一个生长阶段中体积最大的血管分割体与第二个生长阶段输出的多个血管分割体中能够连接的血管分割体连接后的连接血管分割体。
由于冠状动脉包括左冠状动脉和右冠状动脉，左冠状动脉由主动脉伸出后分为两个分支，右冠状动脉由主动脉伸出后只有一个分支，分支断裂后形成血管分割体，由于，在每个生长阶段预测时，同时断裂的位置可能是一个，也可能是两个、甚至多个。因此，除第一个生长阶段预测以外的其余每个生长阶段预测确定的候选血管分割体为至少一个。
由于除第一个生长阶段预测之外的其余每个生长阶段预测的候选血管分割体应该与前一个生长阶段确定出的候选血管分割体的位置满足一定的位置关系，同时，由于血管分割体的中心线的位置能够代表该血管分割体的位置，因此，作为一种实施方式，B包括：
基于所述第i个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的位置，以及所述第i-1个生长阶段的及其之前的所有生长阶段的候选血管分割体的连接血管分割体的位置，确定出所述第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与所述第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体。
其中，当i取2时，第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体为所述体积最大的血管分割体；i取m时得到的所述连接血管分割体为所述血管模型。
首先，在获取到第一个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体时，请参照图7，确定第一个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中体积最大的血管分割体的有效中心线。
在获取到第二个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体时，确定第二个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的候选中心线。
基于第一个生长阶段对应的有效中心线和第二个生长阶段对应的每个血管分割体的候选中心线的位置关系，从第二个生长阶段输出的多个所述血管分割体中，确定出与第一个生长阶段确定的体积最大的血管分割体能够连接的血管分割体，并将第二个生长阶段确定的能够连接的血管分割体与第一个生长阶段确定的体积最大的血管分割体进行连接，生成连接血管分割体，依次类推，基于所述第i个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的位置，以及所述第i-1个生长阶段的及其之前的所有生长阶段的候选血管分割体的连接血管分割体的位置，确定出所述第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与所述第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体。
由于每次确定的候选血管分割体应该和前一个生长阶段确的候选血管分割体的夹角应该满足一定条件，才能保证冠状动脉造影技术结果的可靠性，因此，分别计算该次确定的每个血管分割体的中心线和前一个生长阶段确定的每条所述候选中心线的夹角，将与前一个生长阶段确的所述候选血管分割体的夹角小于等于预设角度阈值的血管分割体确定为该次生长预测的候选血管分割体，其中，预设角度阈值如果过大，在选取候选血管分割体时会增加静脉所占的比率；预设角度阈值如果过小，在选取候选血管分割体时很有可能将与前一个生长阶段生长预测确定的候选血管分割体有效配对的冠状动脉排除在外。因此，在本实施例中，所述预设角度阈值小于等于5度。
由于每次确定的候选血管分割体应该和前一个生长阶段确的候选血管分割体的夹角和端点距离应该满足一定条件，才能保证冠状动脉造影技术结果的可靠性，作为另一种可能的实施方式，分别计算该次确定的每个血管分割体的中心线和前一个生长阶段确定的所述候选中心线的夹角，将与前一个生长阶段确的所述候选血管分割体的夹角小于等于预设角度阈值的血管分割体确定为该次生长预测的第一候选血管分割体，确定出该次生长预测输出的第一候选分割体的中心线的两个第一端点以及前一个生长阶段生长预测的确定的每个候选分割体的有效端点，确定出每个第一候选分割体的两个第一端点和每个有效端点的最小距离差值，从该次生长预测输出的第一候选分割体中确定出最小距离差值小于预设差值的候选血管分割体。其中，预设距离差值如果过大，在选取候选血管分割体时会增加静脉所占的比率；预设距离差值如果过小，在选取候选血管分割体时很有可能将与前一个生长阶段生长预测确定的候选血管分割体有效配对的冠状动脉排除在外。因此，在本实施例中，所述预设距离差值小于等于2cm。
由于每次确定的候选血管分割体应该和前一个生长阶段确的候选血管分割体的夹角和端点所处的横截面的直径差值应该满足一定条件，才能保证冠状动脉造影技术结果的可靠性，因此，作为一种可能的实施方式，分别计算该次确定的每个血管分割体的中心线和前一个生长阶段确定的所述候选中心线的夹角，将与前一个生长阶段确的所述候选血管分割体的夹角小于等于预设角度阈值的血管分割体确定为该次生长预测的第一候选血管分割体，确定出该次生长预测输出的第一候选分割体的最大横截面的直径以及前一个生长阶段生长预测的确定的每个候选分割体的最小横截面的直径，确定出每个第一候选分割体的最大直径和长预测的确定的每个候选分割体的最小横截面的直径的直径差值，从该次生长预测输出的第一候选分割体中确定出直径差值小于预设直径差值的候选血管分割体。其中，预设直径差值如果过大，在选取候选血管分割体时会增加静脉所占的比率；预设直径差值如果过小，在选取候选血管分割体时很有可能将与前一个生长阶段生长预测确定的候选血管分割体有效配对的冠状动脉排除在外。因此，在本实施例中，所述预设直径差值小于等于0.5cm。
S700：按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型。
按照血管生长的先后顺序，以及每次确定的候选血管分割体和前一个生长阶段确定的候选血管分割体之间的位置关系将每个生长阶段预测输出的候选血管分割体连接，得到血管模型，继而修复了发生断裂的血管，提高冠状动脉造影技术结果的可靠性。
相应的，在B之后，S700包括：将所述能够连接的血管分割体与所述连接血管分割体连接，得到第i个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体。
请参照图10，图10是本申请实施例提供的一种血管分割装置的结构框图。下面将对图10所示的结构框图进行阐述，所示装置包括：
第一获取单元410，用于获取血管图像。
第一分割单元420，用于通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为所述血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括所述血管图像和前一个所述血管分割生长预测模型输出的体积最大的血管分割体。
第一选取单元430，用于确定出所述多个血管分割体中体积最大的血管分割体。
作为一种实施方式，第一分割单元420，还用于将所述血管图像输入到第一个所述血管分割生长预测模型，第一个所述血管分割生长模型根据所述血管图像预测得到多个第一个生长阶段的血管分割体；以及针对第i个所述血管分割生长预测模型，将所述血管图像和第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体中体积最大的第i-1个生长阶段的血管分割体输入到所述第i个所述血管分割生长预测模型，通过所述第i个所述血管分割生长预测模型根据所述血管图像在所述体积最大的第i-1个生长阶段的血管分割体的基础上预测得到多个第i个生长阶段的血管分割体；i依次取2到m，第m个所述血管分割生长预测模型输出的多个第m个生长阶段的血管分割体为所述多个血管分割体，其中，m为多个所述血管分割生长预测模型的总数量。
作为一种实施方式，第一获取单元410，还用于获取原始血管图像；以及将所述原始血管图像输入预先训练好的GAN网络中，得到所述血管图像。
请参照图11，图11是本申请实施例提供的另一种血管分割装置的结构框图。下面将对图11所示的结构框图进行阐述，所示装置包括：
第二获取单元510，用于获取血管图像。
第二分割单元520，用于将所述血管图像分别输入多个对应不同血管生长阶段的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体。
第二选取单元530，用于确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体；连接单元，用于按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型。
作为一种实施方式，第二选取单元530，包括：包括：第一确定子单元，用于确定出与第一个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中体积最大的血管分割体；第二确定子单元，用于确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体；其中，i依次取2到m，m为生长阶段的总数量；相应的，所述连接单元，用于将所述能够连接的血管分割体与所述连接血管分割体连接，得到第i个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体；其中，当i取2时，第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体为所述体积最大的血管分割体；i取m时得到的所述连接血管分割体为所述血管模型。
作为一种实施方式，所述第二确定子单元，还用于基于所述第i个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的位置，以及所述第i-1个生长阶段的及其之前的所有生长阶段的候选血管分割体的连接血管分割体的位置，确定出所述第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与所述第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体。
本实施例对的各功能单元实现各自功能的过程，请参见上述图1和图5所示实施例中描述的内容，此处不再赘述。
本申请实施例提供一种电子设备100的结构示意图，如图12所示，电子设备100可以是个人电脑(personal computer，PC)、平板电脑、智能手机、个人数字助理(personaldigital assistant，PDA)等。
电子设备100可以包括：存储器102、处理101、通信接口103和通信总线，通信总线用于实现这些组件的连接通信。
存储器102用于存储血管图像和预先训练好的血管分割生长预测模型输出的血管分割体以及本申请实施例提供的血管分割方法及装置对应的计算程序指令等各种数据，其中，存储器102可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器101用于读取并运行存储于存储器中的计算机程序指令时，执行本申请实施例提供的血管分割方法的步骤。
其中，处理器101可以是一种集成电路芯片，具有信号的处理能力。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Spicecific Integrated Circuit，ASIC)、现场可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
通信接口103，可以使用任何收发器一类的装置，将考试复核结果送至与处理终端100通信连接的用户终端显示。
此外，本申请实施例还提供了一种存储介质，在该存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行本申请任一项实施方式所提供的方法。
综上所述，本申请各实施例提出的血管分割方法、装置、电子设备及存储介质，通过多个预先训练好的血管分割生长预测模型对血管图像进行多次分割预测，其中，除第一个生长阶段预测以外的其余每个生长阶段预测均是在前一个生长阶段生长预测的结果上进行预测，继而保证血管生长的连续性，同时，由于冠状动脉是树状结构，主动脉位于根部，越靠近根部的冠状动脉体积越大，因此，与根部相连的血管分割体体积最大，继而将确定出所述多个血管分割体中体积最大的血管分割体为最终的血管分割预测结果，继而修复了发生断裂的血管，提高血管造影技术结果的可靠性。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
Claims (10)
1.一种血管分割方法，其特征在于，所述方法包括：
获取血管图像；
通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为所述血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括所述血管图像和前一个所述血管分割生长预测模型输出的体积最大的血管分割体；
确定出所述多个血管分割体中体积最大的血管分割体。
2.根据权利要求1所述的方法，其特征在于，通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体，包括：
将所述血管图像输入到第一个所述血管分割生长预测模型，第一个所述血管分割生长模型根据所述血管图像预测得到多个第一个生长阶段的血管分割体；
针对第i个所述血管分割生长预测模型，将所述血管图像和第i-1个所述血管分割生长预测模型输出的多个第i-1个生长阶段的血管分割体中体积最大的第i-1个生长阶段的血管分割体输入到所述第i个所述血管分割生长预测模型，通过所述第i个所述血管分割生长预测模型根据所述血管图像在所述体积最大的第i-1个生长阶段的血管分割体的基础上预测得到多个第i个生长阶段的血管分割体；
i依次取2到m，第m个所述血管分割生长预测模型输出的多个第m个生长阶段的血管分割体为所述多个血管分割体，其中，m为多个所述血管分割生长预测模型的总数量。
3.根据权利要求1所述的方法，其特征在于，所述获取血管图像，包括：
获取原始血管图像；
将所述原始血管图像输入预先训练好的GAN网络中，得到所述血管图像。
4.一种血管分割方法，其特征在于，所述方法包括：
获取血管图像；
将所述血管图像分别输入多个对应不同血管生长阶段的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体；
确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体；
按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型。
5.根据权利要求4所述的方法，其特征在于，所述确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体，包括：
确定出与第一个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中体积最大的血管分割体；
确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体；其中，i依次取2到m，m为生长阶段的总数量；
相应的，所述按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型，包括：
将所述能够连接的血管分割体与所述连接血管分割体连接，得到第i个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体；
其中，当i取2时，第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体为所述体积最大的血管分割体；i取m时得到的所述连接血管分割体为所述血管模型。
6.根据权利要求5所述的方法，其特征在于，确定出第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体，包括：
基于所述第i个生长阶段对应的所述血管生长预测模型输出的多个血管分割体中每个血管分割体的位置，以及所述第i-1个生长阶段的及其之前的所有生长阶段的候选血管分割体的连接血管分割体的位置，确定出所述第i个生长阶段对应的所述血管分割生长预测模型输出的多个血管分割体中，与所述第i-1个生长阶段及其之前的所有生长阶段的候选血管分割体的连接血管分割体能够连接的血管分割体。
7.一种血管分割装置，其特征在于，所述装置包括：
第一获取单元，用于获取血管图像；
第一分割单元，用于通过多个按照血管生长阶段顺次连接的血管分割生长预测模型，对输入到各个所述血管分割生长预测模型中的数据进行处理，得到最后一个所述血管分割生长预测模型输出的多个血管分割体；其中，输入到第一个所述血管分割生长预测模型中的数据为所述血管图像，输入其余的每个所述血管分割生长预测模型中的数据包括所述血管图像和前一个所述血管分割生长预测模型输出的体积最大的血管分割体；
第一选取单元，用于确定出所述多个血管分割体中体积最大的血管分割体。
8.一种血管分割装置，其特征在于，所述装置包括：
第二获取单元，用于获取血管图像；
第二分割单元，用于将所述血管图像分别输入多个对应不同血管生长阶段的血管分割生长预测模型中，得到每个所述血管分割生长预测模型输出的多个血管分割体；
第二选取单元，用于确定出每个所述血管分割生长预测模型输出的多个血管分割体中的候选血管分割体；
连接单元，用于按照血管生长阶段的先后顺序将多个所述候选血管分割体连接，得到血管模型。
9.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器中存储有计算机程序指令，其特征在于，所述计算机程序指令被所述处理器读取并运行时，执行如权利要求1-6任一项所述的方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序指令，所述计算机程序指令被计算机读取并运行时，执行如权利要求1-6任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910456158.2A CN110176013B (zh) | 2019-05-29 | 2019-05-29 | 血管分割方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910456158.2A CN110176013B (zh) | 2019-05-29 | 2019-05-29 | 血管分割方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110176013A true CN110176013A (zh) | 2019-08-27 |
| CN110176013B CN110176013B (zh) | 2021-03-30 |
Family
ID=67696029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910456158.2A Active CN110176013B (zh) | 2019-05-29 | 2019-05-29 | 血管分割方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110176013B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184690A (zh) * | 2020-10-12 | 2021-01-05 | 推想医疗科技股份有限公司 | 冠脉血管走向的预测方法、预测模型的训练方法及装置 |
| CN114066969A (zh) * | 2021-04-23 | 2022-02-18 | 数坤(北京)网络科技股份有限公司 | 一种医学图像分析方法以及相关产品 |
| WO2022105735A1 (zh) * | 2020-11-19 | 2022-05-27 | 推想医疗科技股份有限公司 | 冠状动脉分割方法及其装置、电子设备及计算机可读存储介质 |
| CN114708282A (zh) * | 2022-04-20 | 2022-07-05 | 推想医疗科技股份有限公司 | 图像分割方法及其装置、电子设备和计算机可读存储介质 |
| CN115953495A (zh) * | 2023-03-14 | 2023-04-11 | 北京唯迈医疗设备有限公司 | 基于二维造影图像的智能路径规划装置、系统和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020090121A1 (en) * | 2000-11-22 | 2002-07-11 | Schneider Alexander C. | Vessel segmentation with nodule detection |
| CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN109377458A (zh) * | 2018-09-30 | 2019-02-22 | 数坤（北京）网络科技有限公司 | 一种冠脉分割断裂的修复方法及装置 |
-
2019
- 2019-05-29 CN CN201910456158.2A patent/CN110176013B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020090121A1 (en) * | 2000-11-22 | 2002-07-11 | Schneider Alexander C. | Vessel segmentation with nodule detection |
| CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN109377458A (zh) * | 2018-09-30 | 2019-02-22 | 数坤（北京）网络科技有限公司 | 一种冠脉分割断裂的修复方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 程明等: "定向区域生长算法及其在血管分割中的应用", 《中国图象图形学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184690A (zh) * | 2020-10-12 | 2021-01-05 | 推想医疗科技股份有限公司 | 冠脉血管走向的预测方法、预测模型的训练方法及装置 |
| CN112184690B (zh) * | 2020-10-12 | 2021-11-02 | 推想医疗科技股份有限公司 | 冠脉血管走向的预测方法、预测模型的训练方法及装置 |
| WO2022105735A1 (zh) * | 2020-11-19 | 2022-05-27 | 推想医疗科技股份有限公司 | 冠状动脉分割方法及其装置、电子设备及计算机可读存储介质 |
| CN114066969A (zh) * | 2021-04-23 | 2022-02-18 | 数坤(北京)网络科技股份有限公司 | 一种医学图像分析方法以及相关产品 |
| CN114066969B (zh) * | 2021-04-23 | 2022-04-26 | 数坤(北京)网络科技股份有限公司 | 一种医学图像分析方法以及相关产品 |
| CN114708282A (zh) * | 2022-04-20 | 2022-07-05 | 推想医疗科技股份有限公司 | 图像分割方法及其装置、电子设备和计算机可读存储介质 |
| CN114708282B (zh) * | 2022-04-20 | 2022-12-20 | 推想医疗科技股份有限公司 | 图像分割方法及其装置、电子设备和计算机可读存储介质 |
| CN115953495A (zh) * | 2023-03-14 | 2023-04-11 | 北京唯迈医疗设备有限公司 | 基于二维造影图像的智能路径规划装置、系统和存储介质 |
| CN115953495B (zh) * | 2023-03-14 | 2023-08-01 | 北京唯迈医疗设备有限公司 | 基于二维造影图像的智能路径规划装置、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110176013B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110176013A (zh) | 血管分割方法、装置、电子设备及存储介质 | |
| US20210272030A1 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| CN108550388B (zh) | 基于血管造影的计算血管血流参数的装置和系统 | |
| US11049246B2 (en) | Rapid calculation method and system for plaque stability index based on medical image sequence | |
| US11589924B2 (en) | Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions | |
| Smistad et al. | Real-time automatic ejection fraction and foreshortening detection using deep learning | |
| CN109559326B (zh) | 一种血流动力学参数计算方法、系统及电子设备 | |
| US20220277447A1 (en) | Method and apparatus for acquiring contour line of blood vessel according to centerline of blood vessel | |
| CN108665449B (zh) | 预测血流矢量路径上的血流特征的深度学习模型及装置 | |
| AU2016213696A1 (en) | Systems and methods for numerically evaluating vasculature | |
| CN106780477A (zh) | 一种血流分析方法和系统 | |
| WO2017093337A1 (en) | Personalized assessment of patients with acute coronary syndrome | |
| CN110786840B (zh) | 基于生理参数获取血管评定参数的方法、装置及存储介质 | |
| WO2019025270A9 (en) | Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions | |
| JP2022554298A (ja) | 微小血管抵抗指数に基づき最大充血状態流速を調節する方法及び装置 | |
| CN114782358A (zh) | 一种血管形变自动计算的方法、装置及存储介质 | |
| US20220151500A1 (en) | Noninvasive quantitative flow mapping using a virtual catheter volume | |
| CN112597982A (zh) | 基于人工智能的图像分类方法、装置、设备和介质 | |
| US10354349B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| CN111419280A (zh) | 获得心脏压力容积环的人工智能方法、设备和计算机介质 | |
| US11030490B2 (en) | Performance of machine learning models for automatic quantification of coronary artery disease | |
| CN111507455B (zh) | 神经网络系统生成方法和装置、图像处理方法和电子设备 | |
| CN112446499A (zh) | 改进用于自动量化冠状动脉疾病的机器学习模型的性能 | |
| CN110929604A (zh) | 基于造影图像的流速的筛选方法、装置、系统和存储介质 | |
| KR20210014410A (ko) | 심혈관 광 간섭 단층촬영 영상의 내강 자동 검출 장치 및 그 방법 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee after: Shukun (Beijing) Network Technology Co.,Ltd. Address before: Room 1801-156, 16 / F, building 1, yard 16, Guangshun South Street, Chaoyang District, Beijing Patentee before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee after: Shukun Technology Co.,Ltd. Country or region after: China Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240924 Address after: Room 313 and 315, Building No. 11, Innovation Road, Changping District, Beijing 102200 Patentee after: YUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun Technology Co.,Ltd. Country or region before: China |