CN110353639B - 一种基于血管增强造影的供血区定量方法及系统 - Google Patents
一种基于血管增强造影的供血区定量方法及系统 Download PDFInfo
- Publication number
- CN110353639B CN110353639B CN201910638499.1A CN201910638499A CN110353639B CN 110353639 B CN110353639 B CN 110353639B CN 201910638499 A CN201910638499 A CN 201910638499A CN 110353639 B CN110353639 B CN 110353639B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- supply area
- blood
- blood supply
- central line
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
Abstract
本发明公开了一种基于血管增强造影的供血区定量方法及系统,首先利用脑部的CTA或MRA影像进行脑内动脉血管分割,得到各段血管的中心线及管腔直径,再基于各段血管的中心点进行维诺图运算,并使用该中心点的管腔直径进行加权,从而对脑内动脉供血区进行划分,以明确各段脑内动脉,如大脑中动脉上干、大脑中动脉下干、大脑前动脉等的供血区,最后计算出各个供血区内CT影像的CT均值,供医疗人员对各供血区内的信号值进行评估;本发明的供血区定量方法及系统,根据颅内血管的粗细、走形等个体情况进行分区,相比于传统的仅基于固定解剖模板的供血区进行ASPECTS评分,更加直接、准确。
Description
技术领域
本发明属于医学图像处理技术领域,涉及一种供血区定量方法,具体是一种基于血管增强造影的供血区定量方法及系统。
背景技术
ASPECTS(Alberta Stroke Program Early CT Score)评分是脑卒中的一个重要诊断和治疗依据。该评分方法针对急性脑卒中的病人,依据其头颅CT影像数据,将大脑中动脉供血的重要层面分成10个区域,如图1所示,上述10个区域具有相同的权重,各占1分,总分为10分,将总分中减去存在早期缺血性改变的区域数,所得的数值作为评分结果,为病情判断并治疗提供依据。
目前,临床上主要依赖医疗技术人员肉眼观察,或者采用ASPECTS供血模板以配准方式进行供血区划分。但由于人群存在脑动脉变异情况,即不同的病人会存在不同的脑动脉结构,供血区域会有所不同,这样最后的ASPECTS评分会出现误差。
发明内容
本发明的目的在于提供一种基于血管增强造影的供血区定量方法及系统,为Aspects评分提供更为直接和准确的证据,避免人工操作的繁琐性与不确定性。
本发明的目的可以通过以下技术方案实现:
一种基于血管增强造影的供血区定量方法,包括以下步骤:
步骤S1,采用CT血管成像或核磁共振血管成像技术对人体脑内动脉进行高分辨率的三维成像,得到相应的CTA或MRA影像;
步骤S2,根据CTA或MRA影像,对脑内动脉进行血管分割;
步骤S3,基于分割好的血管,对脑内动脉进行供血区划分;
步骤S4,基于划分好的供血区,对每个供血区进行CT影像中CT均值的统计运算。
进一步地,所述步骤S2具体包括以下步骤:
步骤S21,对CTA或MRA影像进行平滑去噪操作;
步骤S22,对平滑去噪后的CTA或MRA影像进行血管增强操作;
步骤S23,基于血管增强后的CTA或MRA影像,对脑内动脉进行初始中心线提取与血管半径估算;
步骤S24,基于中心点位置和半径,进行初始血管分割,生成初始的管状血管模型;
步骤S25,基于初始的管状血管模型,进一步对脑内动脉进行精细化血管分割。
进一步地,所述步骤S3具体包括以下步骤:
步骤S31,基于分割好的血管,提取脑内动脉的中心线;
步骤S32,基于分割好的血管和提取出的中心线,测量中心线上各点的血管管腔最大直径;
步骤S33,基于提取出的中心线,对中心线进行分段;
步骤S34,基于各段中心线上的各中心点,并乘以该中心点对应的血管管腔直径作为权重,对脑内动脉进行维诺图分割,并将分割的维诺区域作为对应血管段的供血区,对脑内动脉进行供血区划分。
进一步地,所述步骤S33中对中心线进行分段时,首先对中心线上各点,进行起止点与分叉点识别,然后通过起止点、分叉点进行中心线的分段。
一种基于血管增强造影的供血区定量系统,包括血管成像模块、血管分割模块、中心线提取模块、血管测量模块、供血区分割模块以及供血区定量模块;
所述血管成像模块,采用CT血管成像或核磁共振血管成像技术对人体脑内动脉进行高分辨率的三维成像,得到相应的CTA或MRA影像;
所述血管分割模块,根据血管成像模块获取的CTA或MRA影像,对脑内动脉进行血管分割;
所述中心线提取模块,根据血管分割模块分割好的血管,提取脑内动脉的中心线,并对中心线进行分段;
所述血管测量模块,基于血管分割模块分割好的血管以及中心线提取模块提取出的中心线,测量中心线上各点的血管管腔最大直径;
所述供血区分割模块,基于各段中心线上的各中心点,并乘以该中心点对应的血管管腔直径作为权重,对脑内动脉进行维诺图分割,并将分割的维诺区域作为对应血管段的供血区,对脑内动脉进行供血区划分,形成供血区图;
所述供血区定量模块,根据供血区分割模块生成的供血区图,对每个供血区进行CT影像中CT均值的统计运算。
本发明的有益效果:本发明提供的基于血管增强造影的供血区定量方法及系统,根据脑内动脉血管的粗细、走形等个体情况进行分区,相比于传统的仅基于解剖结构获取供血区进行ASPECTS评分,更加直接、准确,避免人工操作的繁琐性与不确定性。
附图说明
下面结合附图和具体实施例对本发明作进一步详细描述。
图1是Aspects评分方法的大脑中动脉供血分区示意图。
图2是本发明的系统示意图。
具体实施方式
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它实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的组件或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明提供了一种基于血管增强造影的供血区定量方法,具体包括以下步骤:
步骤S1,采用CT血管成像或核磁共振血管成像技术对人体脑内动脉进行高分辨率的三维成像,得到相应的CTA或MRA影像。
步骤S2,根据CTA或MRA影像,对脑内动脉进行血管分割。
具体的,步骤S2中对脑内动脉进行血管分割时,包括:
步骤S21,对CTA或MRA影像进行平滑去噪操作。
步骤S22,对平滑去噪后的CTA或MRA影像进行血管增强操作。
具体的,在步骤S22中采用血管增强滤波器对CTA或MRA影像进行血管增强操作,并去除边界的伪增强效应。
步骤S23,基于血管增强后的CTA或MRA影像,对脑内动脉进行初始中心线提取与血管半径估算。
具体的,在步骤S23中采用Ridge Traversal中心线搜索,并得到各中心点的血管半径估计值。
步骤S24,基于中心点位置和半径,进行初始血管分割,生成初始的管状血管模型。
具体的,在步骤S24中,使用Fast marching进行初始血管分割。
步骤S25,基于初始的管状血管模型,进一步对脑内动脉进行精细化血管分割。
具体的,在步骤S25中,采用Graph cut进行精细化血管分割。
步骤S3,基于分割好的血管,对脑内动脉进行供血区划分。
具体的,步骤S3中对脑内动脉进行供血区划分时,包括:
步骤S31,基于分割好的血管,提取脑内动脉的中心线。
具体的,在步骤S31中采用Breadth Search方法进行中心线提取。
步骤S32,基于分割好的血管和提取出的中心线,测量中心线上各点的血管管腔最大直径。
步骤S33,基于提取出的中心线,对中心线进行分段。
具体的,步骤S33中对中心线进行分段时,首先对中心线上各点,进行起止点与分叉点识别,然后通过起止点、分叉点进行中心线的分段。
其中,初始点V*=起止点,if n(V*)=1;
初始点V*=分叉点,if n(V*)>=3;
其中n(V*)为点V*的26邻域内中心点数量。
步骤S34,基于各段中心线上的各中心点,并乘以该中心点对应的血管管腔直径作为权重,对脑内动脉进行维诺图分割,并将分割的维诺区域作为对应血管段的供血区,对脑内动脉进行供血区划分。
步骤S4,基于划分好的供血区,对每个供血区进行CT影像中CT均值的统计运算,得到如中位数、平均值等统计指标,用于医疗人员对各供血区内的信号值进行评估,如果某区域脑组织信号值明显降低,则该区域有严重缺血,从而为Aspects评分提供直接和准确的证据。
如图2所示,一种基于血管增强造影的供血区定量系统,包括血管成像模块、血管分割模块、中心线提取模块、血管测量模块、供血区分割模块以及供血区定量模块。
血管成像模块,采用CT血管成像或核磁共振血管成像技术对人体脑内动脉进行高分辨率的三维成像,得到相应的CTA或MRA影像。
血管分割模块,根据血管成像模块获取的CTA或MRA影像,对脑内动脉进行血管分割。
中心线提取模块,根据血管分割模块分割好的血管,提取脑内动脉的中心线,并对中心线进行分段。
血管测量模块,基于血管分割模块分割好的血管以及中心线提取模块提取出的中心线,测量中心线上各点的血管管腔最大直径。
供血区分割模块,基于各段中心线上的各中心点,并乘以该中心点对应的血管管腔直径作为权重,对脑内动脉进行维诺图分割,并将分割的维诺区域作为对应血管段的供血区,对脑内动脉进行供血区划分,形成供血区图。
供血区定量模块,根据供血区分割模块生成的供血区图,对每个供血区进行CT影像中CT均值的统计运算,得到如中位数、平均值等统计指标,用于医疗人员对各供血区内的信号值进行评估,如果某区域脑组织信号值明显降低,则该区域有严重缺血,从而为Aspects评分提供直接和准确的证据。
本发明提供的基于血管增强造影的供血区定量方法及系统,根据脑内动脉血管的粗细、走形等个体情况进行分区,相比于传统的仅基于解剖结构获取供血区进行ASPECTS评分,更加直接、准确,避免人工操作的繁琐性与不确定性。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (2)
1.一种基于血管增强造影的供血区定量方法,其特征在于,包括以下步骤:
步骤S1,采用CT血管成像或核磁共振血管成像技术对人体脑内动脉进行高分辨率的三维成像,得到相应的CTA或MRA影像;
步骤S2,根据CTA或MRA影像,对脑内动脉进行血管分割;
所述步骤S2具体包括以下步骤:
步骤S21,对CTA或MRA影像进行平滑去噪操作;
步骤S22,对平滑去噪后的CTA或MRA影像进行血管增强操作;
步骤S23,基于血管增强后的CTA或MRA影像,对脑内动脉进行初始中心线提取与血管半径估算;
步骤S24,基于中心点位置和半径,进行初始血管分割,生成初始的管状血管模型;
步骤S25,基于初始的管状血管模型,进一步对脑内动脉进行精细化血管分割;
步骤S3,基于分割好的血管,对脑内动脉进行供血区划分;
所述步骤S3具体包括以下步骤:
步骤S31,基于分割好的血管,提取脑内动脉的中心线;
步骤S32,基于分割好的血管和提取出的中心线,测量中心线上各点的血管管腔最大直径;
步骤S33,基于提取出的中心线,对中心线进行分段;
所述步骤S33中对中心线进行分段时,首先对中心线上各点,进行起止点与分叉点识别,然后通过起止点、分叉点进行中心线的分段;
步骤S34,基于各段中心线上的各中心点,并乘以该中心点对应的血管管腔直径作为权重,对脑内动脉进行维诺图分割,并将分割的维诺区域作为对应血管段的供血区,对脑内动脉进行供血区划分;
步骤S4,基于划分好的供血区,对每个供血区进行CT影像中CT均值的统计运算。
2.一种基于血管增强造影的供血区定量系统,其特征在于,包括血管成像模块、血管分割模块、中心线提取模块、血管测量模块、供血区分割模块以及供血区定量模块;
所述血管成像模块,采用CT血管成像或核磁共振血管成像技术对人体脑内动脉进行高分辨率的三维成像,得到相应的CTA或MRA影像;
所述血管分割模块,根据血管成像模块获取的CTA或MRA影像,对脑内动脉进行血管分割;
所述中心线提取模块,根据血管分割模块分割好的血管,提取脑内动脉的中心线,并对中心线进行分段;
所述血管测量模块,基于血管分割模块分割好的血管以及中心线提取模块提取出的中心线,测量中心线上各点的血管管腔最大直径;
所述供血区分割模块,基于各段中心线上的各中心点,并乘以该中心点对应的血管管腔直径作为权重,对脑内动脉进行维诺图分割,并将分割的维诺区域作为对应血管段的供血区,对脑内动脉进行供血区划分,形成供血区图;
所述供血区定量模块,根据供血区分割模块生成的供血区图,对每个供血区进行CT影像中CT均值的统计运算,得到如中位数、平均值等统计指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638499.1A CN110353639B (zh) | 2019-07-16 | 2019-07-16 | 一种基于血管增强造影的供血区定量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638499.1A CN110353639B (zh) | 2019-07-16 | 2019-07-16 | 一种基于血管增强造影的供血区定量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110353639A CN110353639A (zh) | 2019-10-22 |
CN110353639B true CN110353639B (zh) | 2022-04-01 |
Family
ID=68219533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910638499.1A Active CN110353639B (zh) | 2019-07-16 | 2019-07-16 | 一种基于血管增强造影的供血区定量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110353639B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110934608B (zh) * | 2019-10-31 | 2020-11-13 | 上海杏脉信息科技有限公司 | 脑卒中早期cta图像评估系统及评估方法、可读存储介质 |
CN110934606B (zh) * | 2019-10-31 | 2021-02-12 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
CN114648514B (zh) * | 2022-03-30 | 2022-11-29 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982227A (zh) * | 2011-07-25 | 2013-03-20 | 西门子公司 | 用于血管血流模式分析的方法 |
CN103284694A (zh) * | 2013-05-22 | 2013-09-11 | 西安电子科技大学 | 一种活体动物血管新生定量分析方法 |
CN103854286A (zh) * | 2014-03-05 | 2014-06-11 | 东南大学 | 一种基于ct造影图像的肾动脉供血区域分割方法 |
CN107427268A (zh) * | 2014-11-14 | 2017-12-01 | 西门子保健有限责任公司 | 用于基于纯几何机器学习的血流储备分数的方法和系统 |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
WO2018172359A1 (en) * | 2017-03-24 | 2018-09-27 | Koninklijke Philips N.V. | Myocardial ct perfusion image synthesis |
CN109448004A (zh) * | 2018-10-26 | 2019-03-08 | 强联智创(北京)科技有限公司 | 一种基于中心线的颅内血管图像的截取方法及系统 |
CN109448003A (zh) * | 2018-10-26 | 2019-03-08 | 强联智创(北京)科技有限公司 | 一种颅内动脉血管图像分割方法及系统 |
CN109907732A (zh) * | 2019-04-09 | 2019-06-21 | 广州新脉科技有限公司 | 一种颅内动脉瘤破裂风险的评估方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102048550B (zh) * | 2009-11-02 | 2013-07-17 | 上海交通大学医学院附属仁济医院 | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 |
CN104825177B (zh) * | 2014-02-11 | 2018-02-13 | 西门子(中国)有限公司 | 修正脑血容积的方法及装置、血管照影设备 |
CN106875462B (zh) * | 2017-01-13 | 2020-07-07 | 北京航空航天大学 | 一种基于元球模型和混合驱动方法的实时数字器官切割方法 |
US20180298343A1 (en) * | 2017-04-12 | 2018-10-18 | Arunthathy Sivakumaran | Compositions and methods for a three dimensional ex-vivo glomerular cell co-culture biological engineering model |
CN108734771B (zh) * | 2018-05-14 | 2020-01-21 | 合肥融视信息科技有限公司 | 基于三维医学影像的血管提取系统及分析方法 |
-
2019
- 2019-07-16 CN CN201910638499.1A patent/CN110353639B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982227A (zh) * | 2011-07-25 | 2013-03-20 | 西门子公司 | 用于血管血流模式分析的方法 |
CN103284694A (zh) * | 2013-05-22 | 2013-09-11 | 西安电子科技大学 | 一种活体动物血管新生定量分析方法 |
CN103854286A (zh) * | 2014-03-05 | 2014-06-11 | 东南大学 | 一种基于ct造影图像的肾动脉供血区域分割方法 |
CN107427268A (zh) * | 2014-11-14 | 2017-12-01 | 西门子保健有限责任公司 | 用于基于纯几何机器学习的血流储备分数的方法和系统 |
WO2018172359A1 (en) * | 2017-03-24 | 2018-09-27 | Koninklijke Philips N.V. | Myocardial ct perfusion image synthesis |
CN107886186A (zh) * | 2017-10-16 | 2018-04-06 | 清华大学 | 一种基于行车数据及维诺图划分区域的充电桩设置方法 |
CN109448004A (zh) * | 2018-10-26 | 2019-03-08 | 强联智创(北京)科技有限公司 | 一种基于中心线的颅内血管图像的截取方法及系统 |
CN109448003A (zh) * | 2018-10-26 | 2019-03-08 | 强联智创(北京)科技有限公司 | 一种颅内动脉血管图像分割方法及系统 |
CN109907732A (zh) * | 2019-04-09 | 2019-06-21 | 广州新脉科技有限公司 | 一种颅内动脉瘤破裂风险的评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110353639A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6667999B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN110353639B (zh) | 一种基于血管增强造影的供血区定量方法及系统 | |
AU2017202101A1 (en) | Systems and methods for identifying personalized vascular implants from patient-specific anatomic data | |
JP7118464B2 (ja) | 血管圧差を取得する方法及び装置 | |
CN112652052B (zh) | 一种基于血管分支配准的冠状动脉三维重建方法及系统 | |
Liu et al. | Automatic whole heart segmentation using a two-stage u-net framework and an adaptive threshold window | |
CN105518684A (zh) | 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法 | |
CN111415321B (zh) | 动脉瘤破裂风险检测装置及设备 | |
EP3828817B1 (en) | Computer-implemented method for evaluating a ct data set regarding perivascular tissue, evaluation device, computer program and electronically readable storage medium | |
JP6713690B2 (ja) | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム | |
CN114119602B (zh) | 对医学图像进行对象分析的方法、装置和存储介质 | |
WO2022105623A1 (zh) | 一种基于迁移学习的颅内血管病灶识别方法 | |
Timmins et al. | Framework to co-register longitudinal virtual histology-intravascular ultrasound data in the circumferential direction | |
US20220319004A1 (en) | Automatic vessel analysis from 2d images | |
CN115439533A (zh) | 获得颅内动脉瘤在血管分段位置的方法、计算机设备、可读存储介质和程序产品 | |
EP4005472A1 (en) | Method and apparatus for correcting blood flow velocity on the basis of interval time between angiographic images | |
CN113040812B (zh) | 医学图像分析方法、装置、计算机设备和存储介质 | |
CN114004835B (zh) | 对医学图像进行对象分析的方法、装置和存储介质 | |
CN110827255A (zh) | 一种基于冠状动脉ct图像的斑块稳定性预测方法及系统 | |
CN105931247A (zh) | 一种基于骨架线的脑血管定量分析方法 | |
CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测系统 | |
Chacko et al. | Sequential functional analysis of left ventricle from 2D-echocardiography images. | |
CN113706541A (zh) | 一种图像处理方法及装置 | |
Mi et al. | Detecting carotid intima-media from small-sample ultrasound images | |
M’hiri et al. | Automatic evaluation of vessel diameter variation from 2D X-ray angiography |
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 |