CN110288637A - 多角度dsa造影图像血管匹配方法及装置 - Google Patents

多角度dsa造影图像血管匹配方法及装置 Download PDF

Info

Publication number
CN110288637A
CN110288637A CN201910509884.6A CN201910509884A CN110288637A CN 110288637 A CN110288637 A CN 110288637A CN 201910509884 A CN201910509884 A CN 201910509884A CN 110288637 A CN110288637 A CN 110288637A
Authority
CN
China
Prior art keywords
blood
vessel
vessel image
node
image
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
Application number
CN201910509884.6A
Other languages
English (en)
Other versions
CN110288637B (zh
Inventor
范敬凡
杨健
朱建军
王涌天
杨琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201910509884.6A priority Critical patent/CN110288637B/zh
Publication of CN110288637A publication Critical patent/CN110288637A/zh
Application granted granted Critical
Publication of CN110288637B publication Critical patent/CN110288637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06T2207/10121—Fluoroscopy
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明实施例提供一种多角度DSA造影图像血管匹配方法及装置，其中方法包括：对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。本发明实施例对血管造影图像的判断更加准确。

Description

多角度DSA造影图像血管匹配方法及装置
技术领域
本发明涉及图像处理技术领域，更具体地，涉及多角度DSA(Digital subtractionangiography)造影图像血管匹配方法及装置。
背景技术
血管结构的匹配可以帮助医生对病灶进行诊断和治疗，因此实现不同视角的血管结构匹配是有莫大意义的，但是造影图像中血管灰度不均匀，出现的断裂，狭窄使得血管结构的匹配成为一个极为困难的任务。
现有匹配方法直接应用于不同角度的造影图像时，几乎不可能实现精确匹配，主要原因在于不同角度造影图像血管形态差距较大，同时提取的特征不鲁棒因而无法精准实现血管的匹配。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的多角度DSA造影图像血管匹配方法及装置。
第一个方面，本发明实施例提供一种多角度DSA造影图像血管匹配方法，包括：
对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；
计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；
根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
第二个方面，本发明实施例提供一种多角度DSA造影图像血管匹配装置，包括：
配准模块，用于对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；
第一匹配模块，用于计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；
第二匹配模块，用于根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
第三方面，本发明实施例提供一种电子设备，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程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的多角度DSA造影图像血管匹配方法及装置，通过血管3D/2D配准，结合血管结点的稀疏匹配以及血管分支的稠密匹配，先确定三维血管图像和二维血管图像的结点对应关系，再进一步获得两幅二维血管图像之间的结点对应关系。在血管角度差距较大时，如果没有三维血管的空间结构引导，人眼是无法直接分辨出对应血管结点，本发明实施例通过以三维血管为桥梁，可以准确的建立二维图像之间的结点对应关系。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的多角度DSA造影图像血管匹配方法的流程示意图；
图2为本发明实施例的三维血管图像和二维血管图像配准后的结果示意图；
图3为本发明实施例提供的多角度DSA造影图像血管匹配装置的结构示意图；
图4为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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为本发明实施例的多角度DSA造影图像血管匹配方法的流程示意图，如图1所示，包括S101、S102和S103，具体地：
S101、对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准。
需要说明的是，配准即将三维血管图像中的血管束与二维血管图像中的血管束对应起来。图2为本发明实施例的三维血管图像和二维血管图像配准后的结果示意图，如图2所示，a1和a2分别为三维血管图像和二维血管图像，连接两幅图像的直线段，即用于指示两幅血管图像中相互对应的结点。
本发明实施例通过将两幅二维血管图像与三维血管图像分别进行配准，使得配准后进行的位姿校正可以极大程度地减小对应结点的欧式距离。
S102、计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系。
可以理解的是，由于结点的匹配相对于血管束来说数目较少，所以本发明实施例也将结点相似性的获取过程称之为稀疏匹配，而计算血管分支的相似性则需要对分支上的所有点都要进行匹配，所以将血管分支的相似性的获取过程称之为稠密匹配。本发明实施例将系数匹配和稠密匹配的结果输入至图匹配框架中，即可获得三维血管图像和二维血管图像的结点匹配关系。在本发明实施例中，结点匹配关系即找出三维血管图像中的结点对应的二维血管图像中的结点。
结点匹配和分支匹配可以采用现有技术的方案，例如采样欧式距离或者点对点之间的距离作为相似性测度，本发明实施例不作进一步的限定。
S103、根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
需要说明的，当获取到三维血管图像与两幅二维血管图像的结点匹配关系后，可以很容易地确定两幅二维血管图像间的结点匹配关系。例如，假设三维血管图像中的结点1与第一幅二维血管图像中的结点a对应，同时三维血管图像中的结点1与第二幅二维血管图像中的结点b对应，那么就确定第一幅二维血管图像中的结点a与第二幅二维血管图像中的结点b对应。
需要说明的是，本发明实施例通过血管3D/2D配准，结合血管结点的稀疏匹配以及血管分支的稠密匹配，先确定三维血管图像和二维血管图像的结点对应关系，再进一步获得两幅二维血管图像之间的结点对应关系。在血管角度差距较大时，如果没有三维血管的空间结构引导，人眼是无法直接分辨出对应血管结点，本发明实施例通过以三维血管为桥梁，可以准确的建立二维图像之间的结点对应关系。
现有结点匹配和分支匹配往往只采用欧式距离或者点对点之间的距离作为相似性测度，相对于本专利的相似性测度明显不具有鲁棒性。因此，在上述各实施例的基础上，作为一种可选实施例，计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，具体为：
根据结点的连接特征、半径以及两图像中结点间的欧式距离，计算结点的相似性。
需要说明的是，假设血管结构为二叉树，血管的中心线上的每一个点可以分为血管端点，分支点以及中间的连接点。可以根据与该点相连的血管结点的个数对上述三种结构进行区分，血管端点只有1个连接点，血管分支点有2个连接点，血管中的分叉点有3个连接点，即连接特征。
另外，血管作为管状结构的一种，除去中心线之外，半径也是重要的血管特征，由于半径不会因为投影而发生缩短或者加长，半径信息作为约束使得配准结果更为准确、鲁棒。可以理解的是，结点的半径特征即结点处的半径。
根据血管分支的平均半径以及两图像中血管分支间的Fréchet距离计算血管分支的相似性。
需要说明的是，Fréchet距离存在如下定义：当给定两条曲线的时候，假定每条曲线都是时间函数，则这两条曲线可以分别表示为：α(t)和β(t)。与此同时假定变量t约束至区间(0,1)内，则有α(0)＝0,α(1)＝N,β(0)＝0,β(1)＝M。分别使用P(α(t))和Q(β(t))分别表示两条曲线上同一时刻的具体空间位置，因此两条曲线上距离可以随α(t)和β(t)函数本身的不同和变量t的变化而不同，而Fréchet距离数学表达如下所示：
上述表达式可以理解为，通过改变时间变量使得两个曲线的距离最短。
在上述各实施例的基础上，作为一种可选实施例，根据结点的连接特征、半径以及两图像中结点间的欧式距离，计算结点的相似性，具体为：
根据公式计算三维血管图像与二维血管图像间结点的连接特征相似度
根据公式计算三维血管图像与二维血管图像间结点的欧式距离相似度
根据公式计算三维血管图像与二维血管图像间的结点处的半径特征相似度
根据公式计算结点的相似性Kp；
其中，A1为三维血管图像的每个结点的连接点的个数；A2为二维血管的每个结点的连接点连接个数；B1为三维血管图像的每个结点的坐标；B2为二维血管图像的每个结点的坐标；R1为三维血管图像的每个结点处的半径；R2为二维血管图像的每个结点处的半径；λ1、λ2和λ3均为预设权重。
在上述各实施例的基础上，作为一种可选实施例，根据血管分支的平均半径以及两图像中血管分支间的Fréchet距离计算血管分支的相似性，具体为：
根据公式计算三维血管图像与二维血管图像间的结点处的半径特征相似度
根据公式计算血管分支的相似性，其中，为三维血管图像和二维血管图像中各血管分支间的Fréchet距离；λ4和λ5均为预设权重。
在上述各实施例的基础上，作为一种可选实施例，输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系，具体通过以下公式计算：
X∈Π
其中，为三维血管图像中的第i1个结点和二维血管图像中的第i2结点之间的相似性；为三维血管图像中的第c1个分支和二维血管图像中的第c2个分支之间的相似性；为三维血管图像中边c1以结点i1为起点；为三维血管图像中边c1以结点j1为终点；表示三维血管图像中结点i1和二维血管图像中的节点i2是否匹配；为二维血管图像中边c2以结点i2为起点；为二维血管图像中边c2以j2为终点。
图3为本发明实施例提供的多角度DSA造影图像血管匹配装置的结构示意图，如图3所示，该多角度DSA造影图像血管匹配装置包括：配准模块301、第一匹配模块302和第二匹配模块303，其中：
配准模块301，用于对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；
第一匹配模块302，用于计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；
第二匹配模块303，用于根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
本发明实施例提供的多角度DSA造影图像血管匹配装置，具体执行上述各多角度DSA造影图像血管匹配方法实施例流程，具体请详见上述各多角度DSA造影图像血管匹配方法实施例的内容，在此不再赘述。本发明实施例提供的多角度DSA造影图像血管匹配装置通过血管3D/2D配准，结合血管结点的稀疏匹配以及血管分支的稠密匹配，先确定三维血管图像和二维血管图像的结点对应关系，再进一步获得两幅二维血管图像之间的结点对应关系。在血管角度差距较大时，如果没有三维血管的空间结构引导，人眼是无法直接分辨出对应血管结点，本发明实施例通过以三维血管为桥梁，可以准确的建立二维图像之间的结点对应关系。
图4为本发明实施例提供的电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序，以执行上述各实施例提供的多角度DSA造影图像血管匹配方法，例如包括：对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，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或者该技术方案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步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的多角度DSA造影图像血管匹配方法，例如包括：对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种多角度DSA造影图像血管匹配方法，其特征在于，包括：
对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；
计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；
根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
2.根据权利要求1所述的匹配方法，其特征在于，所述计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，具体为：
根据结点的连接特征、半径以及两图像中结点间的欧式距离，计算结点的相似性；
根据血管分支的平均半径以及两图像中血管分支间的Fréchet距离计算血管分支的相似性。
3.根据权利要求2所述的匹配方法，其特征在于，所述根据结点的连接特征、半径以及两图像中结点间的欧式距离，计算结点的相似性，具体为：
根据公式计算三维血管图像与二维血管图像间结点的连接特征相似度
根据公式计算三维血管图像与二维血管图像间结点的欧式距离相似度
根据公式计算三维血管图像与二维血管图像间的结点处的半径特征相似度
根据公式计算结点的相似性Kp；
其中，A1为三维血管图像的每个结点的连接点的个数；A2为二维血管的每个结点的连接点连接个数；B1为三维血管图像的每个结点的坐标；B2为二维血管图像的每个结点的坐标；R1为三维血管图像的每个结点处的半径；R2为二维血管图像的每个结点处的半径；λ1、λ2和λ3均为预设权重。
4.根据权利要求2所述的匹配方法，其特征在于，所述根据血管分支的平均半径以及两图像中血管分支间的Fréchet距离计算血管分支的相似性，具体为：
根据公式计算三维血管图像与二维血管图像间的结点处的半径特征相似度
根据公式计算血管分支的相似性，其中，为三维血管图像和二维血管图像中各血管分支间的Fréchet距离；λ4和λ5均为预设权重。
5.根据权利要求1所述的匹配方法，其特征在于，所述输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系，具体通过以下公式计算：
X∈Π
其中，为三维血管图像中的第i1个结点和二维血管图像中的第i2结点之间的相似性；为三维血管图像中的第c1个分支和二维血管图像中的第c2个分支之间的相似性；为三维血管图像中边c1以结点i1为起点；为三维血管图像中边c1以结点j1为终点；表示三维血管图像中结点i1和二维血管图像中的节点i2是否匹配；为二维血管图像中边c2以结点i2为起点；为二维血管图像中边c2以j2为终点。
6.一种多角度DSA造影图像血管匹配装置，其特征在于，包括：
配准模块，用于对三维血管图像从两个不同角度进行投影，获得两幅二维血管图像，将两幅二维血管图像与三维血管图像分别进行配准；
第一匹配模块，用于计算三维血管图像和任意一副二维血管图像中结点的相似性以及血管分支的相似性，并输入至预先构建的图匹配框架中，获得三维血管图像与所述任意一副二维血管图像的结点匹配关系；
第二匹配模块，用于根据三维血管图像与所述任意一副二维血管图像的结点匹配关系，确定两幅二维血管图像间的结点匹配关系。
7.一种电子设备，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程序时实现如权利要求1至5任一项所述多角度DSA造影图像血管匹配方法的步骤。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5中任意一项所述的多角度DSA造影图像血管匹配方法。
CN201910509884.6A 2019-06-13 2019-06-13 多角度dsa造影图像血管匹配方法及装置 Active CN110288637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910509884.6A CN110288637B (zh) 2019-06-13 2019-06-13 多角度dsa造影图像血管匹配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910509884.6A CN110288637B (zh) 2019-06-13 2019-06-13 多角度dsa造影图像血管匹配方法及装置

Publications (2)

Publication Number Publication Date
CN110288637A true CN110288637A (zh) 2019-09-27
CN110288637B CN110288637B (zh) 2021-09-21

Family

ID=68004239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910509884.6A Active CN110288637B (zh) 2019-06-13 2019-06-13 多角度dsa造影图像血管匹配方法及装置

Country Status (1)

Country Link
CN (1) CN110288637B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260704A (zh) * 2020-01-09 2020-06-09 北京理工大学 基于启发式树搜索的血管结构3d/2d刚性配准方法及装置
CN111710028A (zh) * 2020-05-27 2020-09-25 北京东软医疗设备有限公司 三维造影图像的生成方法、装置、存储介质和电子设备
CN111862046A (zh) * 2020-07-21 2020-10-30 江苏省人民医院（南京医科大学第一附属医院） 一种心脏冠脉剪影中导管位置判别系统和方法
WO2022121546A1 (zh) * 2020-12-07 2022-06-16 苏州博动戎影医疗科技有限公司 血管外部影像与腔内影像的配准方法、装置及计算设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070160273A1 (en) * 2006-01-10 2007-07-12 Adi Maschiah Device, system and method for modifying two dimensional data of a body part
CN101301207A (zh) * 2008-05-28 2008-11-12 华中科技大学 动态模型指导下的血管造影三维重建方法
KR20160103482A (ko) * 2015-02-24 2016-09-01 삼성전자주식회사 의료 영상 장치 및 의료 영상 처리 방법
US20170258430A1 (en) * 2016-03-09 2017-09-14 Marcus Pfister Method for acquiring and processing image data of an examination object
CN109300147A (zh) * 2018-09-17 2019-02-01 北京理工大学 血管二维中心线和三维中心线配准的方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070160273A1 (en) * 2006-01-10 2007-07-12 Adi Maschiah Device, system and method for modifying two dimensional data of a body part
CN101301207A (zh) * 2008-05-28 2008-11-12 华中科技大学 动态模型指导下的血管造影三维重建方法
KR20160103482A (ko) * 2015-02-24 2016-09-01 삼성전자주식회사 의료 영상 장치 및 의료 영상 처리 방법
US20170258430A1 (en) * 2016-03-09 2017-09-14 Marcus Pfister Method for acquiring and processing image data of an examination object
CN109300147A (zh) * 2018-09-17 2019-02-01 北京理工大学 血管二维中心线和三维中心线配准的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RUI LIAO: "An Efficient Graph-Based Deformable 2D/3D Registration Algorithm with Applications for Abdominal Aortic Aneurysm Interventions", 《INTERNATIONAL WORKSHOP ON MEDICAL IMAGING AND VIRTUAL REALITY》 *
肖晶: "静态模型指导下的冠脉血管三维重建", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260704A (zh) * 2020-01-09 2020-06-09 北京理工大学 基于启发式树搜索的血管结构3d/2d刚性配准方法及装置
CN111260704B (zh) * 2020-01-09 2023-11-14 北京理工大学 基于启发式树搜索的血管结构3d/2d刚性配准方法及装置
CN111710028A (zh) * 2020-05-27 2020-09-25 北京东软医疗设备有限公司 三维造影图像的生成方法、装置、存储介质和电子设备
CN111710028B (zh) * 2020-05-27 2023-06-30 北京东软医疗设备有限公司 三维造影图像的生成方法、装置、存储介质和电子设备
CN111862046A (zh) * 2020-07-21 2020-10-30 江苏省人民医院（南京医科大学第一附属医院） 一种心脏冠脉剪影中导管位置判别系统和方法
CN111862046B (zh) * 2020-07-21 2023-11-17 江苏省人民医院（南京医科大学第一附属医院） 一种心脏冠脉剪影中导管位置判别系统和方法
WO2022121546A1 (zh) * 2020-12-07 2022-06-16 苏州博动戎影医疗科技有限公司 血管外部影像与腔内影像的配准方法、装置及计算设备

Also Published As

Publication number Publication date
CN110288637B (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN110288637A (zh) 多角度dsa造影图像血管匹配方法及装置
US20230334687A1 (en) Systems and Methods for Hybrid Depth Regularization
Li et al. Fast guided global interpolation for depth and motion
CN109840477B (zh) 基于特征变换的受遮挡人脸识别方法及装置
US9196021B2 (en) Video enhancement using related content
WO2019079766A1 (en) SYSTEM, APPARATUS, METHOD FOR DATA PROCESSING, AND INFORMATION MEDIUM
CN110245671B (zh) 一种内窥镜图像特征点匹配方法及系统
CN111868738B (zh) 跨设备监控计算机视觉系统
CN110500957B (zh) 一种主动三维成像方法、装置、设备以及存储介质
US9552662B2 (en) Method and apparatus for removing false intersection in ray tracing
CN110070610B (zh) 特征点匹配方法、三维重构过程的特征点匹配方法及装置
WO2023193474A1 (zh) 信息处理方法、装置、计算机设备及存储介质
WO2017070923A1 (zh) 一种人脸识别方法和装置
CN114627244A (zh) 三维重建方法及装置、电子设备、计算机可读介质
CN108509179B (zh) 用于检测人脸的方法、用于生成模型的装置
CN113766117B (zh) 一种视频去抖动方法和装置
CN117274072A (zh) 一种基于二维多模态范围图像的点云去噪方法及装置
CN115861471A (zh) 一种血管曲面重建方法、血管曲面重建装置、设备及介质
CN113240720B (zh) 一种三维表面重建方法、装置、服务器以及可读存储介质
JP7452698B2 (ja) 画像間の空間的関係をラベリングする強化学習モデル
US11393069B2 (en) Image processing apparatus, image processing method, and computer readable recording medium
CN114723973A (zh) 大尺度变化鲁棒的图像特征匹配方法及装置
CN111179037B (zh) 理财产品的推荐方法及装置
CN111259165B (zh) 一种多核心元素的知识图谱边图布局方法及系统
CN117197175A (zh) 一种冠脉造影图像的血管分割方法、装置、设备及介质

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