CN110522449B - 一种斑块分型方法、装置、电子设备及可读存储介质 - Google Patents
一种斑块分型方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110522449B CN110522449B CN201911034235.1A CN201911034235A CN110522449B CN 110522449 B CN110522449 B CN 110522449B CN 201911034235 A CN201911034235 A CN 201911034235A CN 110522449 B CN110522449 B CN 110522449B
- Authority
- CN
- China
- Prior art keywords
- carotid artery
- blood vessel
- artery blood
- classified
- plaque
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 210000001715 carotid artery Anatomy 0.000 claims abstract description 222
- 239000000835 fiber Substances 0.000 claims description 33
- 210000004204 blood vessel Anatomy 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 20
- 208000032843 Hemorrhage Diseases 0.000 claims description 16
- 150000002632 lipids Chemical class 0.000 claims description 16
- 210000000269 carotid artery external Anatomy 0.000 claims description 10
- 210000004004 carotid artery internal Anatomy 0.000 claims description 10
- 230000000740 bleeding effect Effects 0.000 claims description 9
- 230000003176 fibrotic effect Effects 0.000 claims description 9
- 238000005481 NMR spectroscopy Methods 0.000 claims description 8
- 230000002308 calcification Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 206010016654 Fibrosis Diseases 0.000 claims description 4
- 230000004761 fibrosis Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 44
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000007211 cardiovascular event Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种斑块分型方法、装置、电子设备及可读存储介质，该方法包括：获取待测位置处的包含待分型颈动脉血管的医学图像；从医学图像中提取待分型颈动脉血管区域，以及各个待分型颈动脉血管区域内的斑块组分区域；获取医学图像的位置特征信息；根据位置特征信息以及待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息；根据各待分型颈动脉血管区域对应的斑块组分区域及第二位置信息确定各待测位置处的待分型颈动脉血管的斑块分型。通过实施该方法，得到的斑块分型结果为各个位置处的颈动脉血管的分型结果，从而能够在确认出不稳定斑块时给出具体方位的指示，提高了对医学治疗的指导价值。
Description
技术领域
本发明涉及医学影像检测技术领域，尤其涉及到一种斑块分型方法、装置、电子设备及可读存储介质。
背景技术
心脑血管疾病仍然是发达国家和发展中国家的主要死亡原因之一。在中国，每16秒就有一个人死于脑卒中（又称中风），其中，与颈动脉粥样硬化斑块相关的约占30%。但是并不是所有的斑块都会引起中风，研究表明，只有那些易破裂或侵蚀性斑块是导致中风的高危易损斑块，因此，精确诊断颈动脉斑块的易损性对预防中风的发生有重大的研究和临床意义。美国心脏协会（AHA）根据精确定义的形态学和组织标准创建了一个详细的分类方案来鉴别动脉粥样硬化斑块，且大量的体内和体外研究表明斑块类型与心血管事件的风险密切相关。
目前，现有技术大多直接使用机器学习或者神经网络模型训练等方法直接对医学图像整体做出一个整体上的斑块分型判断，而由于人体的颈动脉至少为左右两侧各一个，对两个颈动脉的整体判断得到的斑块分型结果的精确度较低，同时，分型结果的整体性也导致了并不能指示颈动脉血管中的不稳定斑块的具体方位，对医学治疗的指导价值也较低。
发明内容
有鉴于此，本发明实施例提供了一种斑块分型方法、装置、电子设备及可读存储介质，以解决现有斑块分型方法的得到分型结果的准确性较低，整体性的分型结果对医学治疗的指导价值也较低的问题。
根据第一方面，本发明实施例提供了一种斑块分型方法，包括如下步骤：获取包含待测位置处的待分型颈动脉血管的医学图像；从医学图像中提取待分型颈动脉血管区域，以及各个待分型颈动脉血管区域内的斑块组分区域；斑块组分区域包括钙化、纤维化组织、脂质和出血中的至少一种；获取医学图像的位置特征信息；位置特征信息表征医学图像所示区域相对于人体的第一位置信息；根据位置特征信息以及待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息；根据各待分型颈动脉血管区域对应的斑块组分区域及第二位置信息确定各待测位置处的待分型颈动脉血管的斑块分型。
通过提取待分型动脉血管区域以及各个待分型血管区域内的斑块组分区域，为后续确认各个待分型血管区域对应的血管的位置以及确定各待测位置处的颈动脉血管的斑块分型做了数据准备；通过获取表征医学图像所示区域相对应人体的第一位置信息（医学图像中的某一向量相对于指向人体的左侧的向量的夹角，以及医学图像中的某一向量相对于指向人体的前侧的向量的夹角）的位置特征信息，并根据待分型颈动脉血管区域（在医学图像中的位置信息）确定对应的待分型血管相对于人体的第二位置信息，从而使得最终能够根据各待分型颈动脉血管区域内的斑块组分区域以及该第二位置信息具体得到各待测位置处的待分型颈动脉血管的斑块分型，也即得到的斑块分型结果为各个颈动脉血管的分型结果，且各个颈动脉血管相对于人体的位置信息均已确定，能够在确认出不稳定斑块时给出具体方位的指示，提高了对医学治疗的指导价值。
结合第一方面，在第一方面第一实施方式中，医学图像为核磁共振图像，根据位置特征信息以及待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息的步骤，包括：根据位置特征信息确定核磁共振图像中的左侧位置和右侧位置；计算各个待分型颈动脉血管区域相对于左侧位置的第一距离，以及相对于右侧位置的第二距离；当第一距离小于第二距离时，确定对应的待分型颈动脉血管为左侧颈动脉；当第一距离大于第二距离时，确定对应的待分型颈动脉血管为右侧颈动脉。
结合第一方面第一实施方式，在第一方面第二实施方式中，当左侧颈动脉为两个时，根据位置特征信息以及待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息的步骤，还包括：根据位置特征信息确定核磁共振图像中的前侧位置；分别计算两个左侧颈动脉所在的待分型颈动脉血管区域到前侧位置的距离；将与前侧位置的距离较近的待分型颈动脉血管区域对应的左侧颈动脉确定为左侧颈外动脉，另一个确定为左侧颈内动脉。
通过在左侧颈动脉为两个时，也即，在左侧颈动脉出现分支时，对左侧颈动脉做进一步的前后位置区分，最终得到左侧颈外动脉和左侧颈内动脉，能够在颈动脉出现分支时仍以单个颈动脉血管为一个斑块分型的对象，得到各个颈动脉血管的斑块分型结果，从而保证在确认出不稳定斑块时能够给出具体方位的指示。
结合第一方面，在第一方面第三实施方式中，斑块组分区域还包括纤维帽，根据对应的组分区域确定各位置处的待分型颈动脉血管的斑块分型的步骤，包括：根据除纤维帽以外的其他斑块组分区域是否存在以及纤维帽是否破裂，确定各位置处的待分型颈动脉血管的斑块分型。
通过将纤维帽作为斑块组分区域中的一种，并且结合纤维帽是否破裂进行斑块分型，能够提高对斑块分型时的不稳定斑块的判断准确度。
结合第一方面第三实施方式，在第一方面第四实施方式中，确定纤维帽是否破裂的步骤包括：根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域计算待分型颈动脉血管的管腔区域的面积，得到第一面积；根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域的形状计算管腔区域的拟合椭圆的面积，得到第二面积；获取纤维帽的最小厚度；当第一面积与第二面积的差值大于预设面积阈值，并且纤维帽的最小厚度小于预设厚度阈值时，确定纤维帽破裂。
结合第一方面第三实施方式，在第一方面第五实施方式中，斑块分型为AHA斑块分型，根据除纤维帽以外的其他区域的大小以及纤维帽是否破裂，确定各位置处的待分型颈动脉血管的斑块分型的步骤，包括：当不存在斑块组分区域时，确定对应的待分型颈动脉血管为AHA I-II型；当存在斑块组分区域，且存在钙化区域而不存在纤维化区域和脂质区域时，确定对应的待分型颈动脉血管为AHA VII型；当存在斑块组分区域，且存在纤维化区域而不存在脂质区域和出血区域时，确定对应的待分型颈动脉血管为AHA VIII型；当存在斑块组分区域，且存在脂质区域而不存在出血区域时，确定对应的待分型颈动脉血管为AHAIV-V型；当存在斑块组分区域，且存在出血区域或者纤维帽破裂时，确定对应的待分型颈动脉血管为AHA VI型；否则，确定对应的待分型颈动脉血管为AHA III型。
根据第二方面，本发明实施例提供了一种斑块分型装置，包括：图像获取模块，用于获取包含待测位置处的待分型颈动脉血管的医学图像；区域提取模块，用于从所述医学图像中提取待分型颈动脉血管区域，以及各个所述待分型颈动脉血管区域内的斑块组分区域；所述斑块组分区域包括钙化、纤维化组织、脂质和出血中的至少一种；位置获取模块，用于获取所述医学图像的位置特征信息；位置特征信息表征医学图像所示区域相对于人体的第一位置信息；位置确定模块，用于根据所述位置特征信息以及所述待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息；斑块分型模块，用于根据各所述待分型颈动脉血管区域对应的斑块组分区域及所述第二位置信息确定各所述待测位置处的待分型颈动脉血管的斑块分型。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的斑块分型方法。
根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的斑块分型方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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1提供的一种斑块分型方法的一种方法流程图；
图2为医学图像中的行方向向量和列方向向量的示意图；
图3为图1中步骤S104的一种具体实施方法流程图；
图4为图1中步骤S105的一种具体实施方法流程图；
图5为本发明实施例1提供的纤维帽是否破裂的确定方法的流程图；
图6为本发明实施例2提供的一种斑块分型装置的原理框图；
图7为本发明实施例提供的一种电子设备的硬件结构示意图。
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。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
需要说明的是，使用本发明实施例中的斑块分型方法得到的斑块分型结果仅是用以表征颈动脉血管中的斑块的不稳定程度，从而能够在一定程度上指示发病的风险程度，给医学治疗提供一定程度上的指导，但是，本领域的技术人员应当可以理解，斑块分型结果并非疾病诊断结果，也无法直接得到疾病诊断结果。
实施例1
图1示出了本发明实施例的斑块分型方法的流程图，如图1所示，该方法可以包括如下步骤：
S101：获取待包含测位置处的待分型颈动脉血管的医学图像。在这里，医学图像是指核磁共振图像或者CT图像等医学图像，而当该医学图像为核磁共振图像时，其可以为T1序列（纵向弛豫时间T1加权序列）图像、T2序列（横向弛豫时间T2加权序列）图像、TOF序列（时间飞逝序列）图像、PD序列图像和T1C序列（T1 对比度增强序列）图像中的一种或者多种。
在这里，待测位置一般是指包含颈动脉的位置中的一处或者多处，具体地，包含颈动脉的位置可以为人体的颈部左侧以及颈部右侧，当然，当左侧颈动脉产生分支时，颈部左侧还可以包括颈部左前侧和颈部左后侧，当右侧颈动脉产生分支时，颈部右侧还可以包括颈部右前侧和颈部右后侧。
S102：从医学图像中提取待分型颈动脉血管区域，以及各个待分型颈动脉血管区域内的斑块组分区域。在这里，斑块组分区域包括钙化、纤维化组织、脂质和出血中的至少一种。在这里，待分型颈动脉血管区域是指待分型颈动脉血管的管腔以及管壁之间的区域。
在这里，可以通过以下步骤提取待分型颈动脉血管区域以及各个待分型颈动脉血管区域内的斑块组分区域：
步骤A：获取初步标记的管腔边界、管壁边界以及各个待分型颈动脉血管的上述两个边界之间的斑块组分区域的边界。在这里，该初步标记为人为手动勾画的标记。
步骤B：对初步标记的管腔边界、管壁边界以及斑块组分区域的边界进行凸包初步提取，得到由该轮廓包围的多边形的所有点（多边形边界点和内部点）的集合。
步骤C：遍历上述所有点的集合，根据转角累加法判断点是否在多边形内或边界上，对初步提取的凸包点集合进行修正，得到最终的管腔边界、管壁边界以及斑块组分区域的边界，也即得到待分型颈动脉血管区域以及各个待分型颈动脉血管区域内的斑块组分区域。在这里，可以先基于修正后的凸包点集合形成一掩膜图像，将该掩膜图像与对应的医学图像做差集即可得到待分型颈动脉血管区域以及各个待分型颈动脉血管区域内的斑块组分区域。
在这里，当医学图像包括T1序列图像、T2序列图像、TOF序列图像、PD序列图像和T1C序列图像中的多种时，可以提取一种序列图像中的待分型颈动脉血管区域各个待分型颈动脉血管区域内的斑块组分区域，再以该种序列图像为参考图像，对其他类型的序列图像进行配准，以使同一对象（如待分型颈动脉血管区域）在不同类型的序列图像中对应于空间同一位置，即可得到其他类型的序列图像中的待分型颈动脉血管区域以及各个待分型颈动脉血管区域内的斑块组分区域。在这里，当医学图像中包括T1序列图像时，一般将T1序列图像作为参考图像。
在这里，还可以通过以下步骤提取待分型颈动脉血管区域以及各个待分型颈动脉血管区域内的斑块组分区域：
步骤a：获取管腔边界和管壁边界。在这里，获取管腔边界和管壁边界的具体步骤可以参照上述步骤A-步骤C进行理解。
步骤b：将管腔边界和管壁边界之间的区域作为斑块组分的感兴趣区域，并将感兴趣区域的图像转换到极坐标系中。
步骤c：采用模糊聚类方法对感兴趣区域的图像的像素点集合进行初步分类，得到斑块组分的初步分类结果。
步骤d：提取医学图像中的多对比度信号强度特征以及位置特征。
步骤e：根据提取到的多对比度信号强度特征以及位置特征，使用贝叶斯分类模型对初步分类结果属于每种斑块组分的概率进行计算，得到各感兴趣区域内的斑块组分区域（包括斑块组分的具体类型），也即得到各个待分型颈动脉血管区域内的斑块组分区域。
在这里，使用上述两种方法提取待分型颈动脉血管区域以及各个待分型颈动脉血管区域内的斑块组分区域时，均可以在提取到管腔区域和管壁区域后计算管壁负荷，并仅在管壁负荷大于或者等于预定负荷阈值时继续斑块组分区域的提取，而在管壁负荷小于预定负荷阈值时，直接确定待分型颈动脉血管区域内不存在斑块组分。具体地，通过计算管壁区域的面积相对于管壁区域的面积和管腔区域的面积之和的比值的方式，得到管壁负荷，具体地，管壁区域的面积可以通过计算管壁区域内的像素点的数量与每个像素点的大小的乘积得到，管腔区域的面积可以通过计算管腔区域内的像素点的数量与每个像素点的大小的乘积得到。具体地，预定负荷阈值可以根据实际应用场景进行设置，例如，可以将其设置为0.25、0.3或者0.35等，在此不做任何限制。
S103：获取医学图像的位置特征信息。在这里，位置特征信息表征医学图像所示区域相对于人体的第一位置信息。
在这里，第一位置信息可以通过医学图像中的任一方向向量与基准向量之间的夹角来表示，具体地，基准向量可以为指向人体的左侧的向量、指向人体的右侧的向量、指向人体前侧的向量或者指向人体后侧的向量等。
在这里，以医学图像为核磁共振图像，且医学图像的格式为DICOM图像，基准向量为指向人体左侧和人体后侧的向量（也即DICOM图像常规设置中的基准x方向向量和基准y方向向量，当医学图像中的行方向向量与基准x方向向量重合，列方向向量与基准y方向向量重合时，DICOM图像头文件中的imageOrientationPatient = (1 0 0 0 1 0)T，但是，实际获取时的DICOM图像中指向人体左侧的向量大多与基准向量存在一定的偏差）为例，则可以将如图2所示的医学图像中的行方向向量rowBasis=imageOrientationPatient(1:3)与基准向量之间的夹角（DICOM图像中一般使用夹角余弦值来表示）作为第一位置信息，或者列方向向量colBasis=imageOrientationPatient(4:6)与基准向量之间的夹角DICOM图像中一般使用夹角余弦值来表示）作为第一位置信息。
S104：根据位置特征信息以及待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息。
在这里，沿用上例，可以根据rowBasis =imageOrientationPatient(1:3)与基准x方向向量和基准y方向向量的夹角余弦值（也即该行方向向量rowBasis中的第一位rowBasis(1)=imageOrientationPatient(1)以及第二位rowBasis(2)=imageOrientationPatient(2)的值），以及待分型颈动脉血管区域（主要是指该待分型颈动脉血管区域在整个医学图像中的位置，该位置可以通过待分型颈动脉血管区域边界以及内部的点集的坐标进行表征）确定待分型颈动脉血管相对于人体的第二位置信息，具体地，可以确定待分型颈动脉血管为左侧颈动脉还是右侧颈动脉，进一步地，当左侧颈动脉为两个，也即左侧颈动脉分支时，则可以确定两个左侧颈动脉中的左侧颈外动脉和左侧颈内动脉；进一步地，当右侧颈动脉为两个，也即右侧颈动脉分支时，则可以确定两个右侧颈动脉中的右侧颈外动脉和右侧颈内动脉。
S105：根据各待分型颈动脉血管区域对应的斑块组分区域及第二位置信息确定各待测位置处的待分型颈动脉血管的斑块分型。
在这里，当待测位置为颈部左侧时，则确定左侧颈动脉的斑块分型；当待测位置为颈部左侧以及颈部右侧时，则分别确定左侧颈动脉的斑块分型以及右侧颈动脉的斑块分型，其他情形可参照理解，在此不再赘述。
在本发明实施例中，通过提取待分型动脉血管区域以及各个待分型血管区域内的斑块组分区域，为后续确认各个待分型血管区域对应的血管的位置以及确定各待测位置处的颈动脉血管的斑块分型做了数据准备；通过获取表征医学图像所示区域相对应人体的第一位置信息（医学图像中的某一向量相对于指向人体的左侧的向量的夹角，以及医学图像中的某一向量相对于指向人体的前侧的向量的夹角）的位置特征信息，并根据待分型颈动脉血管区域（在医学图像中的位置信息）确定对应的待分型血管相对于人体的第二位置信息，从而使得最终能够根据各待分型颈动脉血管区域内斑块组分区域以及该第二位置信息具体得到各待测位置处的待分型颈动脉血管的斑块分型，也即得到的斑块分型结果为各个颈动脉血管的分型结果，且各个颈动脉血管相对于人体的位置信息均已确定，能够在确认出不稳定斑块时给出具体方位的指示，提高了对医学治疗的指导价值。
作为本发明实施例的一种可选实施方式，以医学图像为核磁共振图像为例来描述本发明实施例，则如图3所示，步骤S104可以包括如下步骤：
S301：根据位置特征信息确定核磁共振图像中的左侧位置和右侧位置。
在这里，沿用上例，将医学图像中的行方向向量rowBasis=imageOrientationPatient(1:3)与基准x方向向量的夹角余弦值（也即rowBasis(1)的值）以及行方向向量rowBasis与基准y方向向量的夹角余弦值（也即rowBasis(2)的值）作为第一位置信息时，若医学图像的大小为nRow × nCol（其中，nRow是指医学图像的行数，nCol是指医学图像的列数），则可以通过以下公式确认左侧位置和右侧位置：
其中，
是指左侧位置坐标，
是指右侧位置坐标。
S302：计算各个待分型颈动脉血管区域相对于左侧位置的第一距离，以及相对于右侧位置的第二距离。
在这里，可以通过计算待分型颈动脉血管区域中的所有点相对于左侧位置的距离的平均值作为第一距离的方式，或者先计算待分型颈动脉血管区域中的所有点的平均坐标，再将该平均坐标与左侧位置的距离作为第一距离的方式，计算第一距离。在这里，以先计算待分型颈动脉血管区域中的所有点的平均坐标，再将该平均坐标与左侧位置的距离作为第一距离的方式进行说明：
待分型颈动脉血管区域
（其中
，n是指待分型颈动脉血管区域
的总数）的平均坐标
的计算公式为：
其中，m是指待分型颈动脉血管区域
中的坐标点的总数量，
是指
待分型颈动脉血管区域中m个坐标点的横坐标的和，
是指m个坐标点的纵坐标的和。
待分型颈动脉血管区域
到左侧位置的第一距离，即为平均坐标
到上述步骤S201中确定的坐标
之间的距离。
在这里，第二距离的具体计算方式可以参照上述第一距离的计算方式来理解，在此不再赘述。
S303：当第一距离小于第二距离时，确定对应的待分型颈动脉血管为左侧颈动脉。
S304：当第一距离大于第二距离时，确定对应的待分型颈动脉血管为右侧颈动脉。
作为本发明实施例的一种可选实施方式，若通过上述步骤S301-S304确定的左侧颈动脉为两个时，则步骤S104还可以包括如下步骤：
S305：根据位置特征信息确定核磁共振图像中的前侧位置。
在这里，沿用上例，可以将如图2所示的医学图像中的列方向向量colBasis=imageOrientationPatient(4:6)与基准向量之间的夹角（DICOM图像中一般使用夹角余弦值来表示）作为第一位置信息，也即将DICOM图像中的列方向向量colBasis=imageOrientationPatient(4:6)与基准x方向向量的夹角余弦值（也即colBasis(1)的值）以及列方向向量colBasis与基准y方向向量的夹角余弦值（也即colBasis(2)的值）作为第一位置信息，则以通过以下公式确认前侧位置：
其中，
是指前侧位置坐标，nRow是指医学图像的行数，nCol是指医学
图像的列数。
S306：分别计算两个左侧颈动脉所在的待分型颈动脉血管区域到前侧位置的距离。
在这里，两个左侧颈动脉所在的待分型颈动脉血管区域到前侧位置的距离的具体计算方式可以参照上述第一距离的具体方式来理解，在此不再赘述。
S307：将与前侧位置的距离较近的待分型颈动脉血管区域对应的左侧颈动脉确定为左侧颈外动脉，另一个确定为左侧颈内动脉。
在这里，当然，也可以通过确定后侧位置，再计算各左侧颈动脉所在的待分型颈动脉血管区域到后侧位置的距离，然后将与后侧位置的距离较近的待分型颈动脉血管区域对应的左侧颈动脉确定为左侧颈内动脉，另一个确定为左侧颈外动脉的方式，实现左侧颈外动脉和左侧颈内动脉的确认，在此不再赘述。
此外，本领域的技术人员应当可以理解，当右侧颈动脉为两个时，也可以参照上述步骤S305-S307的方法确认右侧颈外动脉和右侧颈内动脉，在此不再赘述。
在本发明实施例中，通过在左侧颈动脉为两个时，也即，在左侧颈动脉出现分支时，对左侧颈动脉做进一步的前后位置区分，最终得到左侧颈外动脉和左侧颈内动脉，能够在颈动脉出现分支时仍以单个颈动脉血管为一个斑块分型的对象，得到各个颈动脉血管的斑块分型结果，从而保证在确认出不稳定斑块时能够给出具体方位的指示。
作为本实施例的一种可选实施方式，以斑块组分区域还包括纤维帽为例来描述本发明实施例，则步骤S105包括：根据除纤维帽以外的其他斑块组分区域是否存在以及纤维帽是否破裂，确定各位置处的待分型颈动脉血管的斑块分型，具体地，斑块分型为AHA斑块分型为例来描述本发明实施例，则如图4所示，具体可以包括如下步骤：
S401：当不存在斑块组分区域时，确定对应的待分型颈动脉血管为AHA I-II型。
S402：当存在斑块组分区域，且存在钙化区域而不存在纤维化区域和脂质区域时，确定对应的待分型颈动脉血管为AHA VII型。
S403：当存在斑块组分区域，且存在纤维化区域而不存在脂质区域和出血区域时，确定对应的待分型颈动脉血管为AHA VIII型。
S404：当存在斑块组分区域，且存在脂质区域而不存在出血区域时，确定对应的待分型颈动脉血管为AHA IV-V型。
S405：当存在斑块组分区域，且存在出血区域或者纤维帽破裂时，确定对应的待分型颈动脉血管为AHA VI型。
S406：否则，确定对应的待分型颈动脉血管为AHA III型。在这里，AHA III是指存在斑块（颈动脉血管增厚，管壁负荷大于或者等于预定负荷阈值），颈动脉血管增厚，但是并不存在钙化、纤维化组织、脂质、出血以及纤维帽中的任意一种斑块组分的情形。
作为本发明实施例的一种可选实施方式，如图5所示，可以通过以下方法确定纤维帽是否破裂：
步骤S501：根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域计算待分型颈动脉血管的管腔区域的面积，得到第一面积。
在这里，需要说明的是，只有当待测位置处的待分型颈动脉血管内存在纤维帽时，该方法才存在执行必要性，也即此方法中的待测位置处的待分型颈动脉血管内存在纤维帽。
在这里，以待测位置为颈部左侧为例进行说明，则根据左侧颈动脉对应的待分型颈动脉血管区域计算待分型颈动脉血管的管腔区域的面积，具体地，待分型颈动脉血管的管腔区域的面积可以通过计算该管腔区域内的像素点的数量与每个像素点的大小的乘积得到。
步骤S502：根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域的形状计算管腔区域的拟合椭圆的面积，得到第二面积。
在这里，拟合椭圆的圆心坐标为管腔区域的重心坐标，拟合椭圆的长轴a和短轴b则可以通过以下公式计算得到：
其中，
是指管腔区域内所有点的横坐标的方差，
是指是指管腔区域内所有
点的纵坐标的方差，
是指管腔区域内所有点的横坐标以及纵坐标的协方差。
步骤S503：获取纤维帽的最小厚度。
在这里，可以首先获取纤维帽的两个边界，然后计算两个边界之间的最短距离的方式，获取纤维帽的最小厚度，具体地，纤维帽的两个边界可以为通过获取手动勾画标记获取，也可以通过获取被分类为纤维帽的斑块组分区域的边界得到，具体内容可以参照步骤S101中的斑块组分区域的提取步骤来理解，在此不再赘述。
步骤S504：当第一面积与第二面积的差值大于预设面积阈值，并且纤维帽的最小厚度小于预设厚度阈值时，确定纤维帽破裂。在这里，预设面积阈值和预设厚度阈值均可以根据实际应用场景进行确定，例如，可以将预设厚度阈值设置为60mm、65mm或者70mm等。可以将设面积阈值设置为15个像素点或者20个像素点等，在此不做任何限制。
在本发明实施例中，通过将纤维帽作为斑块组分区域中的一种，并且结合纤维帽是否破裂进行斑块分型，能够提高对斑块分型时的不稳定斑块的判断准确度。
实施例2
图6示出了本发明实施例的一种斑块分型装置的原理框图，该装置可以用于实现实施例1或者其任意可选实施方式所述的斑块分型方法，已经叙述过的在此不再赘述。如图6所示，该装置包括：图像获取模块10、区域提取模块20、位置获取模块30、位置确定模块40和斑块分型模块50。
图像获取模块10用于获取包含待测位置处的待分型颈动脉血管的医学图像。
区域提取模块20用于从所述医学图像中提取待分型颈动脉血管区域，以及各个所述待分型颈动脉血管区域内的斑块组分区域。在这里，所述斑块组分区域包括钙化、纤维化组织、脂质和出血中的至少一种。
位置获取模块30用于获取所述医学图像的位置特征信息。在这里，位置特征信息表征所述医学图像所示区域相对于人体的第一位置信息。
位置确定模块40用于根据所述位置特征信息以及所述待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息。
斑块分型模块50用于根据各所述待分型颈动脉血管区域对应的斑块组分区域及所述第二位置信息确定各所述待测位置处的待分型颈动脉血管的斑块分型。
在本发明实施例中，通过获取表征医学图像所示区域相对应人体的第一位置信息的位置特征信息，并根据待分型颈动脉血管区域确定对应的待分型血管相对于人体的第二位置信息，从而使得最终能够根据各待分型颈动脉血管区域内斑块组分区域以及该第二位置信息具体得到各待测位置处的待分型颈动脉血管的斑块分型，也即得到的斑块分型结果为各个颈动脉血管的分型结果，且各个颈动脉血管相对于人体的位置信息均已确定，能够在确认出不稳定斑块时给出具体方位的指示，提高了对医学治疗的指导价值。
本发明实施例还提供了一种电子设备，如图7所示，该电子设备可以包括处理器71和存储器72，其中处理器71和存储器72可以通过总线或者其他方式连接，图7中以通过总线连接为例。
处理器71可以为中央处理器（Central Processing Unit，CPU）。处理器71还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific 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、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器72作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的斑块分型方法对应的程序指令/模块。处理器71通过运行存储在存储器72中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的斑块分型方法。
存储器72可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器71所创建的数据等。此外，存储器72可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器72可选包括相对于处理器71远程设置的存储器，这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器72中，当被所述处理器71执行时，执行如图1-5所示实施例中的斑块分型方法。
上述电子设备具体细节可以对应参阅图1至图5所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random AccessMemory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (7)
1.一种斑块分型方法，其特征在于，包括如下步骤：
获取包含待测位置处的待分型颈动脉血管的医学图像；所述待测位置包括人体的颈部左侧和颈部右侧；
从所述医学图像中提取待分型颈动脉血管区域，以及各个所述待分型颈动脉血管区域内的斑块组分区域；所述斑块组分区域包括钙化、纤维化组织、脂质和出血中的至少一种；
获取所述医学图像的位置特征信息；所述位置特征信息表征所述医学图像所示区域相对于人体的第一位置信息；
根据所述位置特征信息以及所述待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息；所述第二位置信息用于确定所述待分型颈动脉血管为左侧颈动脉或者右侧颈动脉；
根据各所述待分型颈动脉血管区域内斑块组分区域及所述第二位置信息确定各所述待测位置处的待分型颈动脉血管的斑块分型；
所述斑块组分区域还包括纤维帽，所述根据各所述待分型颈动脉血管区域内斑块组分区域及所述第二位置信息确定各所述待测位置处的待分型颈动脉血管的斑块分型的步骤，包括：
根据除纤维帽以外的其他斑块组分区域是否存在以及纤维帽是否破裂，确定各待测位置处的待分型颈动脉血管的斑块分型；
确定纤维帽是否破裂的步骤包括：
根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域计算待分型颈动脉血管的管腔区域的面积，得到第一面积；
根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域的形状计算所述管腔区域的拟合椭圆的面积，得到第二面积；
获取所述纤维帽的最小厚度；
当所述第一面积与第二面积的差值大于预设面积阈值，并且所述纤维帽的最小厚度小于预设厚度阈值时，确定所述纤维帽破裂。
2.根据权利要求1所述的斑块分型方法，其特征在于，所述医学图像为核磁共振图像，所述根据所述位置特征信息以及所述待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息的步骤，包括：
根据所述位置特征信息确定所述核磁共振图像中的左侧位置和右侧位置；
计算各个所述待分型颈动脉血管区域相对于左侧位置的第一距离，以及相对于右侧位置的第二距离；
当所述第一距离小于所述第二距离时，确定所述对应的待分型颈动脉血管为左侧颈动脉；
当所述第一距离大于所述第二距离时，确定所述对应的待分型颈动脉血管为右侧颈动脉。
3.根据权利要求2所述的斑块分型方法，其特征在于，当左侧颈动脉为两个时，所述根据所述位置特征信息以及所述待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息的步骤，还包括：
根据所述位置特征信息确定所述核磁共振图像中的前侧位置；
分别计算两个所述左侧颈动脉所在的待分型颈动脉血管区域到所述前侧位置的距离；
将与所述前侧位置的距离较近的待分型颈动脉血管区域对应的左侧颈动脉确定为左侧颈外动脉，另一个确定为左侧颈内动脉。
4.根据权利要求1所述的斑块分型方法，其特征在于，所述斑块分型为AHA斑块分型，所述根据除纤维帽以外的其他斑块组分区域是否存在以及纤维帽是否破裂，确定各待测位置处的待分型颈动脉血管的斑块分型的步骤，包括：
当不存在斑块组分区域时，确定对应的待分型颈动脉血管为AHA I-II型；
当存在斑块组分区域，且存在钙化区域而不存在纤维化区域和脂质区域时，确定对应的待分型颈动脉血管为AHA VII型；
当存在斑块组分区域，且存在纤维化区域而不存在脂质区域和出血区域时，确定对应的待分型颈动脉血管为AHA VIII型；
当存在斑块组分区域，且存在脂质区域而不存在出血区域时，确定对应的待分型颈动脉血管为AHA IV-V型；
当存在斑块组分区域，且存在出血区域或者纤维帽破裂时，确定对应的待分型颈动脉血管为AHA VI型；
否则，确定对应的待分型颈动脉血管为AHA III型。
5.一种斑块分型装置，其特征在于，包括：
图像获取模块，用于获取包含待测位置处的待分型颈动脉血管的医学图像；所述待测位置包括人体的颈部左侧和颈部右侧；
区域提取模块，用于从所述医学图像中提取待分型颈动脉血管区域，以及各个所述待分型颈动脉血管区域内的斑块组分区域；所述斑块组分区域包括钙化、纤维化组织、脂质和出血中的至少一种；
位置获取模块，用于获取所述医学图像的位置特征信息；所述位置特征信息表征所述医学图像所示区域相对于人体的第一位置信息；
位置确定模块，用于根据所述位置特征信息以及所述待分型颈动脉血管区域确定对应的待分型颈动脉血管相对于人体的第二位置信息；所述第二位置信息用于确定所述待分型颈动脉血管为左侧颈动脉或者右侧颈动脉；
斑块分型模块，用于根据各所述待分型颈动脉血管区域对应的斑块组分区域及所述第二位置信息确定各所述待测位置处的待分型颈动脉血管的斑块分型；
所述斑块组分区域还包括纤维帽，所述斑块分型模块包括：
第一分型单元，用于根据除纤维帽以外的其他斑块组分区域是否存在以及纤维帽是否破裂，确定各待测位置处的待分型颈动脉血管的斑块分型；
确定纤维帽是否破裂的步骤包括：
根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域计算待分型颈动脉血管的管腔区域的面积，得到第一面积；
根据待测位置处的待分型颈动脉血管对应的待分型颈动脉血管区域的形状计算所述管腔区域的拟合椭圆的面积，得到第二面积；
获取所述纤维帽的最小厚度；
当所述第一面积与第二面积的差值大于预设面积阈值，并且所述纤维帽的最小厚度小于预设厚度阈值时，确定所述纤维帽破裂。
6.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-4任一项所述的斑块分型方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-4任一项所述的斑块分型方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911034235.1A CN110522449B (zh) | 2019-10-29 | 2019-10-29 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911034235.1A CN110522449B (zh) | 2019-10-29 | 2019-10-29 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110522449A CN110522449A (zh) | 2019-12-03 |
| CN110522449B true CN110522449B (zh) | 2020-04-17 |
Family
ID=68672131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911034235.1A Active CN110522449B (zh) | 2019-10-29 | 2019-10-29 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110522449B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062943B (zh) * | 2020-03-18 | 2020-06-09 | 南京景三医疗科技有限公司 | 斑块稳定性的确定方法、装置及医疗设备 |
| CN112734726B (zh) * | 2020-09-29 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 一种血管造影的分型方法、装置以及设备 |
| CN114170378A (zh) * | 2021-11-27 | 2022-03-11 | 飞依诺科技(苏州)有限公司 | 医疗设备、血管及内部斑块三维重建方法和装置 |
| CN114176616A (zh) * | 2021-11-30 | 2022-03-15 | 上海联影智能医疗科技有限公司 | 静脉血栓的检测方法、电子设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104517015A (zh) * | 2013-09-26 | 2015-04-15 | 中国人民解放军第二军医大学 | 一种通过对超声波图像的计算机辅助诊断达到预防脑血管疾病的小型装置 |
| CN106127819A (zh) * | 2016-06-30 | 2016-11-16 | 上海联影医疗科技有限公司 | 医学图像中提取血管中心线的方法及其装置 |
| CN106372654A (zh) * | 2016-08-29 | 2017-02-01 | 滕忠照 | 一种由头颈动脉粥样硬化斑块引起的脑梗死风险的评估方法 |
| CN106599553A (zh) * | 2016-11-29 | 2017-04-26 | 中国科学院深圳先进技术研究院 | 疾病预警方法及装置 |
| 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 |
| CN109035215A (zh) * | 2018-04-27 | 2018-12-18 | 北京东方逸腾数码医疗设备技术有限公司 | 一种分叉病变中斑块负荷的分析方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011093921A1 (en) * | 2010-01-29 | 2011-08-04 | Mayo Foundation For Medical Education And Research | Automated vascular region separation in medical imaging |
| JP7062426B2 (ja) * | 2017-12-12 | 2022-05-06 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置、医用画像処理装置、及び、プラークスコア算出プログラム |
-
2019
- 2019-10-29 CN CN201911034235.1A patent/CN110522449B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104517015A (zh) * | 2013-09-26 | 2015-04-15 | 中国人民解放军第二军医大学 | 一种通过对超声波图像的计算机辅助诊断达到预防脑血管疾病的小型装置 |
| CN106127819A (zh) * | 2016-06-30 | 2016-11-16 | 上海联影医疗科技有限公司 | 医学图像中提取血管中心线的方法及其装置 |
| CN106372654A (zh) * | 2016-08-29 | 2017-02-01 | 滕忠照 | 一种由头颈动脉粥样硬化斑块引起的脑梗死风险的评估方法 |
| CN106599553A (zh) * | 2016-11-29 | 2017-04-26 | 中国科学院深圳先进技术研究院 | 疾病预警方法及装置 |
| 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 |
| CN109035215A (zh) * | 2018-04-27 | 2018-12-18 | 北京东方逸腾数码医疗设备技术有限公司 | 一种分叉病变中斑块负荷的分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110522449A (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110522449B (zh) | 一种斑块分型方法、装置、电子设备及可读存储介质 | |
| Yaqub et al. | A deep learning solution for automatic fetal neurosonographic diagnostic plane verification using clinical standard constraints | |
| CN108520519B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
| WO2022052303A1 (zh) | 超声图像和ct图像的配准方法、装置及设备 | |
| CN108324300B (zh) | 用于血管分段的方法和装置 | |
| WO2021082691A1 (zh) | 眼部oct图像病灶区域的分割方法、装置及终端设备 | |
| CN106846317B (zh) | 一种基于特征提取和相似匹配的医学影像检索方法 | |
| Murthi et al. | Enhancement of optic cup to disc ratio detection in glaucoma diagnosis | |
| WO2021208739A1 (zh) | 眼底彩照图像血管评估方法、装置、计算机设备和介质 | |
| US20240074658A1 (en) | Method and system for measuring lesion features of hypertensive retinopathy | |
| CN110929728B (zh) | 一种图像感兴趣区域划分方法、图像分割方法及装置 | |
| CN109924956B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及装置 | |
| CN112155601B (zh) | 一种胎儿超声图像的成像质量控制的确定方法及装置 | |
| CN112017187B (zh) | 眼底图像黄斑中心定位方法及装置、服务器、存储介质 | |
| US20140088416A1 (en) | Device, method and program for searching for the shortest path in a tubular structure | |
| CN107507212B (zh) | 数字脑可视化方法、装置、计算设备及存储介质 | |
| CN113313715B (zh) | 心脏动脉血管的分割方法、分割装置、设备和介质 | |
| CN109009000A (zh) | 一种主动脉夹层破口位置的检测方法 | |
| US20230074520A1 (en) | Method and apparatus for performing layer segmentation on tissue structure in medical image, device, and medium | |
| CN111178420A (zh) | 一种二维造影图像上冠脉段标注方法及系统 | |
| CN117373070A (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
| CN111062942B (zh) | 血管分叉的检测方法、装置及医疗设备 | |
| CN110934565B (zh) | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 | |
| CN110378910B (zh) | 基于图谱融合的腹腔多器官分割方法及装置 | |
| CN116721072A (zh) | 获取主动脉中心线的方法、装置、设备、介质及程序产品 |
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 |