CN110570929A - 结构展示方法、装置、计算机设备和存储介质 - Google Patents
结构展示方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110570929A CN110570929A CN201910767733.0A CN201910767733A CN110570929A CN 110570929 A CN110570929 A CN 110570929A CN 201910767733 A CN201910767733 A CN 201910767733A CN 110570929 A CN110570929 A CN 110570929A
- Authority
- CN
- China
- Prior art keywords
- target structure
- center line
- tree
- fitting
- curved surface
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 9
- 210000004351 coronary vessel Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种结构展示方法、装置、计算机设备和存储介质。所述方法包括：获取医学图像，所述医学图像包括目标结构；对所述医学图像进行预处理，得到目标结构的中心线树；对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面；利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示所述平面目标结构图像。采用本方法展示的目标结构是完整的，也是准确的，可以便于医生对该目标结构进行观察，从而使得到的观察结果会更加准确。
Description
技术领域
本申请涉及医学图像处理技术领域，特别是涉及一种结构展示方法、装置、计算机设备和存储介质。
背景技术
近年来，心血管疾病的发病率和死亡率正在逐年递增，因此对心血管疾病的检查就显得尤为重要。目前，对心血管疾病的检查主要采用心脏CT血管增强技术，在利用该技术进行检查时，一般需要将冠脉提取出来，然后利用VR(Volume Rendering，体绘制)等相关技术将冠脉向医生展示出来，以便医生进行观察和诊断。
其中，VR技术在展示冠脉时，可以将心脏和除心脏外的其他区域都屏蔽，只显示冠脉，而冠脉本身的分支比较多，在朝向观察者的一面和背对观察者的一面会出现互相混杂的现象，医生在观察时，通常是不停地转换视角，然后去观察各个冠脉。
但是，在利用上述技术观察冠脉时，由于冠脉在朝向观察者的一面和背对观察者的一面会出现互相混杂的现象，因此会导致观察结果不准确。
发明内容
基于此，有必要针对上述技术问题，提供一种结构展示方法、装置、计算机设备和存储介质。
一种结构展示方法，该方法包括：
获取医学图像，上述医学图像包括目标结构；
对上述医学图像进行预处理，得到目标结构的中心线树；
对上述目标结构的中心线树进行曲面拟合处理，得到上述目标结构的中心线树所在的曲面；
利用预设的圆锥投影方法对上述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示上述平面目标结构图像。
在其中一个实施例中，上述利用预设的圆锥投影方法对上述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，包括：
利用单圆锥对上述目标结构的中心线树所在的曲面进行投影处理，将上述目标结构的中心线树所在的曲面投影在上述单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像；其中，上述单圆锥为上述曲面的最小外切圆锥。
在其中一个实施例中，上述利用预设的圆锥投影方法对上述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，包括：
利用多个圆锥对上述目标结构的中心线树所在的曲面进行投影处理，将上述目标结构的中心线树所在的曲面分别投影在上述多个圆锥的圆锥面上；
将上述多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像；其中，上述多个圆锥为上述曲面的各条纬线对应的最小外切圆锥。
在其中一个实施例中，上述对上述目标结构的中心线树进行曲面拟合处理，得到上述目标结构的中心线树所在的曲面，包括：
构建上述目标结构的中心线树的最小外接球面；
对上述最小外接球面进行离散化处理，得到上述最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合；
利用预设的样条曲线拟合算法对上述每条纬线上的各个点和上述每条经线上的各个点分别进行拟合处理，得到上述每条纬线对应的拟合曲线和上述每条经线对应的拟合曲线；
根据上述每条纬线对应的拟合曲线和上述每条经线对应的拟合曲线，得到上述目标结构的中心线树所在的曲面。
在其中一个实施例中，上述利用预设的样条曲线拟合算法对上述每条纬线上的各个点和上述每条经线上的各个点分别进行拟合处理，得到上述每条纬线对应的拟合曲线和上述每条经线对应的拟合曲线，包括：
从上述最小外接球面的球心对上述每条纬线上的各个点分别进行投影处理，得到上述每条纬线对应的纬线控制点，上述纬线控制点为上述每条纬线上的各个点的投影线经过上述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对上述每条纬线对应的纬线控制点进行拟合处理，得到每条纬线对应的拟合曲线；
从上述最小外接球面的球心对上述每条经线上的各个点分别进行投影处理，得到上述每条经线对应的经线控制点，上述经线控制点为上述每条经线上的各个点的投影线经过上述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对上述每条经线对应的经线控制点进行拟合处理，得到每条经线对应的拟合曲线。
在其中一个实施例中，上述对上述医学图像进行预处理，得到目标结构的中心线树，包括：
对上述医学图像进行分割处理，得到目标结构树；
采用预设的中心线提取方法对上述目标结构树进行中心线提取处理，得到目标结构的中心线树。
在其中一个实施例中，上述对上述医学图像进行分割处理，得到目标结构树，包括：
采用预设的定位算法对上述医学图像进行定位处理，定位出目标结构的起始点；
对上述医学图像进行海森增强处理，得到增强后的医学图像；
采用预设的区域生长模型，从上述目标结构的起始点开始对上述增强后的医学图像进行分割处理，得到目标结构树。
一种结构展示装置，该装置包括：
获取模块，用于获取医学图像，上述医学图像包括目标结构；
预处理模块，用于对上述医学图像进行预处理，得到目标结构的中心线树；
拟合模块，用于对上述目标结构的中心线树进行曲面拟合处理，得到上述目标结构的中心线树所在的曲面；
投影模块，用于利用预设的圆锥投影方法对上述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示上述平面目标结构图像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取医学图像，上述医学图像包括目标结构；
对上述医学图像进行预处理，得到目标结构的中心线树；
对上述目标结构的中心线树进行曲面拟合处理，得到上述目标结构的中心线树所在的曲面；
利用预设的圆锥投影方法对上述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示上述平面目标结构图像。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取医学图像，上述医学图像包括目标结构；
对上述医学图像进行预处理，得到目标结构的中心线树；
对上述目标结构的中心线树进行曲面拟合处理，得到上述目标结构的中心线树所在的曲面；
利用预设的圆锥投影方法对上述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示上述平面目标结构图像。
上述结构展示方法、装置、计算机设备和存储介质，通过获取医学图像，该医学图像包括目标结构，对该医学图像进行预处理，得到目标结构的中心线树，并对该目标结构的中心线树进行曲面拟合处理，得到目标结构的中心线所在的曲面，利用预设的圆锥投影方法对目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示该平面目标结构图像。在该方法中，由于最终的平面目标结构图像是通过将目标结构的中心线树所在的曲面进行投影得到，而目标结构的中心线树所在的曲面是通过对目标结构的中心线树进行曲面拟合得到的，也就是说，该平面目标结构图像中包括了目标结构的所有分支图像，因此，展示的目标结构是完整的，也是准确的；另外，因为将目标结构的中心线树所在的曲面投影在平面上进行展示，从而可以便于医生对该目标结构进行观察，从而使得到的观察结果会更加准确。
附图说明
图1为一个实施例中计算机设备的内部结构图；
图2为一个实施例中结构展示方法的流程示意图；
图3a为另一个实施例的结构展示方法中最小外切圆锥的示意图；
图3b为另一个实施例的结构展示方法中最小外切圆锥的平面展开示意图；
图4为另一个实施例中结构展示方法的流程示意图；
图5a为另一个实施例中结构展示方法的流程示意图；
图5b为另一个实施例的结构展示方法中构建的最小外接球面的示意图；
图6为另一个实施例中结构展示方法的流程示意图；
图7为一个实施例中结构展示装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的结构展示方法，可以应用于计算机设备，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种结构展示方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
需要说明的是，本申请实施例的执行主体可以是结构展示装置，也可以是计算机设备，下面实施例将以执行主体为计算机设备为例进行说明。
在一个实施例中，提供了一种结构展示方法，本实施例涉及的是如何对目标结构的中心线树进行处理，得到中心线树所在的曲面，再通过中心线树所在的曲面得到平面目标结构图像的具体过程。如图2所示，该方法可以包括以下步骤：
S202，获取医学图像，该医学图像包括目标结构。
其中，医学图像可以是一维图像、二维图像、三维图像等，本实施例主要使用的是三维医学图像。另外，目标结构可以是冠脉、心肌等，本实施例主要是针对冠脉。
具体的，计算机设备可以通过对MR(Magnetic Resonance，磁共振)设备、CT(Computed Tomography，电子计算机断层扫描)设备或者PET(Positron EmissionComputed Tomography，正电子发射型计算机断层显像)设备或者CT-PET设备采集到的数据进行图像重建和校正，从而得到医学图像。或者，医学图像也可以预先重建和校正好，存储在计算机设备中，当需要对其进行处理时，直接从计算机设备的存储器中读取医学图像。又或者，计算机设备也可以从外部设备中获取医学图像，比如，将医学图像存储在云端，当需要进行处理操作时，计算机设备从云端获取该医学图像。本实施例对获取医学图像的获取方式不做限定。
S204，对医学图像进行预处理，得到目标结构的中心线树。
其中，预处理可以包括对医学图像的定位处理、海森增强处理、分割处理、中心线提取处理等，当然也可以包括其他处理，本实施例在这里不作具体限定。另外，中心线树指的是目标结构的各个分支的中心线所构成的树。
具体的，计算机设备在得到医学图像之后，可以对医学图像进行相应的预处理，先得到目标结构，再对目标结构进行中心线提取处理等，得到目标结构的中心线树。
S206，对目标结构的中心线树进行曲面拟合处理，得到目标结构的中心线树所在的曲面。
其中，曲面拟合时可以采用先由点拟合出曲线，再由曲线拟合出曲面的方法，也可以是采用由曲线直接拟合出曲面的方法，本实施例对此不作具体限定。另外，在进行曲面拟合时，可以采用样条曲线拟合算法进行拟合，也可以采用最小二乘法拟合算法进行拟合，当然还可以是别的拟合算法。除此之外，目标结构中心线树所在的曲面指的是由目标结构的中心线树拟合出来的曲面，只包括目标结构的中心线树，不包括其他结构。在这里，目标结构的中心线所在的曲面可以是球面，也可以是非球面，本实施例对此不作具体限定。
具体的，计算机设备在得到目标结构的中心线树之后，可以采用拟合算法对目标结构的中心线树进行拟合处理，得到目标结构的中心线树所在的曲面。
S208，利用预设的圆锥投影方法对目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示平面目标结构图像。
其中，预设的圆锥投影方法可以是采用一个圆锥进行投影的方法，也可以是采用多个圆锥进行投影的方法，本实施例对此不作具体限定。另外，这里得到平面目标结构图像指的是一个平面目标结构图像，也就是说，本实施例是将目标结构的中心线树所在的曲面投影在一个平面上，而不是多个平面，这样医生在观察时，不用切换平面，从而在一张平面图像就可以看清楚目标结构的全貌，更加便于医生观察，也可以提高医生的观察效率，同时在一个平面上观察目标结构的全貌，可以使分析更加全面，得到的分析结果也会更加准确。
具体的，计算机设备在得到目标结构的中心线树所在的曲面之后，可以利用圆锥投影方法对目标结构的中心线树所在的曲面进行投影处理，将该曲面投影到圆锥面上，然后将圆锥面展开，就可以得到平面目标结构图像，并展示该平面目标结构图像。在展示该平面目标结构图像时，原医学图像可以是灰度图像，原始图像上在目标结构的中心线所在的曲面上的点的CT值，即为曲面投影到圆锥面上的CT值，因此，得到的平面目标结构图像仍是灰度图像。
上述结构展示方法中，通过获取医学图像，该医学图像包括目标结构，对该医学图像进行预处理，得到目标结构的中心线树，并对该目标结构的中心线树进行曲面拟合处理，得到目标结构的中心线所在的曲面，利用预设的圆锥投影方法对目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示该平面目标结构图像。在该方法中，由于最终的平面目标结构图像是通过将目标结构的中心线树所在的曲面进行投影得到，而目标结构的中心线树所在的曲面是通过对目标结构的中心线树进行曲面拟合得到的，也就是说，该平面目标结构图像中包括了目标结构的所有分支图像，因此，展示的目标结构是完整的，也是准确的；另外，因为将目标结构的中心线树所在的曲面投影在平面上进行展示，从而可以便于医生对该目标结构进行观察，从而使得到的观察结果会更加准确。
上述采用圆锥投影方法对目标结构的中心线树所在的曲面进行投影时，可以采用单圆锥进行投影处理，也可以采用多圆锥进行投影处理，下面就以具体的实施例对这两种投影方法进行详细介绍。
在另一个实施例中，提供了另一种结构展示方法，本实施例涉及的是如何利用单圆锥投影方法对目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像的具体过程。在上述实施例的基础上，该方法可以包括以下步骤：
利用单圆锥对目标结构的中心线树所在的曲面进行投影处理，将目标结构的中心线树所在的曲面投影在单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像；其中，单圆锥为上述曲面的最小外切圆锥。
具体的，本实施例以目标结构的中心线树所在的曲面为球面为例进行说明，计算机设备在得到目标结构的中心线树所在的曲面之后，即得到目标结构的中心线树所在的球面之后，可以按照该球面的半径大小，设置一个与该球面相切的最小外切圆锥，参见图3a所示，并从球面的圆心处或者沿Z轴轴线方向向最小外切圆锥的圆锥面上进行投影，将球面上的点投影到圆锥面上，就可以得到目标结构的中心线树在圆锥面上的展开图像，参见图3b所示。选用最小的外切圆锥，这样可以使得展开的曲面离散很小。
本实施例提供的结构展示方法，利用利用单圆锥对目标结构的中心线树所在的曲面进行投影处理，将目标结构的中心线树所在的曲面投影在单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像，其中，单圆锥为曲面的最小外切圆锥。在本实施例中，由于可以将目标结构的中心线树所在的曲面投影在单圆锥上，利用单圆锥投影，计算量较小，因此，利用该方法一方面可以将目标结构的曲面投影在平面上，便于医生观看，另一方面也可以提高计算效率，进而提高检查的效率。
在另一个实施例中，提供了另一种结构展示方法，本实施例涉及的是如何利用多圆锥投影方法对目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像的具体过程。在上述实施例的基础上，如图4所示，该方法可以包括以下步骤：
S402，利用多个圆锥对目标结构的中心线树所在的曲面进行投影处理，将目标结构的中心线树所在的曲面分别投影在多个圆锥的圆锥面上；其中，上述多个圆锥为上述曲面的各条纬线对应的最小外切圆锥。
其中，纬线为东西线，经线为南北线，本实施例其实也可以在曲面的各条经线上进行投影，设置的多个圆锥即为曲面的各条经线对应的最小外切圆锥，只不过在经线上进行投影，需要将投影出来的平面翻转一下，才可以看到正确的目标结构。另外，对于多个圆锥的数量，具体的可以根据实际情况而定，可以与纬线的数量相同，也可以不同，例如可以是5个、10个圆锥等等。
需要说明的是，采用单圆锥投影，计算量小，计算效率高，但是单圆锥投影，只有圆锥与球面相切的附近变形比较小，其他与球面不是相切的十分好的地方的变形是比较大的，因此本实施例中使用多圆锥进行投影，可以尽可能地使所有目标结构的变形都最小。
具体的，本实施例也是以目标结构的中心线树所在的曲面为球面为例进行说明，计算机设备在得到目标结构的中心线树所在的曲面之后，即得到目标结构的中心线树所在的球面之后，可以按照该球面上各条纬线的半径大小，设置一个与该条纬线相切的最小外切圆锥，即每条纬线上都有一个相应的圆锥面和球面相切，并从球面的圆心处或者沿Z轴轴线方向向最小外切圆锥的圆锥面上进行投影，将球面上的点投影到圆锥面上，就可以得到该条纬线上目标结构的中心线数在该圆锥上的投影，该投影可以为一个窄带投影，其他纬线的投影过程与这个类似，每条纬线只会投影到与它相应的外切圆锥面上，在各条纬线的球面均投影完之后，就可以得到目标结构的中心线树在多个圆锥面上的投影，即可以得到多个窄带。
S404，将多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像。
具体的，计算机设备可以将各个圆锥面上的投影结果拼接起来，即将多个窄带拼接起来，就可以得到目标结构的中心线树在多个圆锥面上的展开图像，即得到一个平面展开图像，最后拼接的平面图像的形状可以是类似于地球仪的展开图像那样的形状，当然也可以是其他形状。
本实施例提供的结构展示方法，通过利用多个圆锥对目标结构的中心线树所在的曲面进行投影处理，将目标结构的中心线树所在的曲面分别投影在多个圆锥的圆锥面上，并将多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像，其中，多个圆锥为曲面的各条纬线对应的最小外切圆锥。在本实施例中，由于采用多圆锥进行投影时，多个圆锥分别是每条纬线的最小外切圆锥，这样可以使目标结构的中心线树所在的曲面在各条纬线上的变形都尽可能的小，从而使最终投影得到的平面结构图像会更加准确，进而再利用该准确的平面结构图像去观察时，得到的观察结果也会更加准确。
在另一个实施例中，提供了另一种结构展示方法，本实施例涉及的是如何对目标结构的中心线树进行曲面拟合处理，得到目标结构的中心线树所在的曲面的具体过程。在上述实施例的基础上，如图5a所示，上述S206可以包括以下步骤：
S502，构建目标结构的中心线树的最小外接球面。
其中，本实施例构建最小外接球面进行曲面拟合，这样可以使计算过程更加容易和简单，当然也可以是构建别的非球面等来进行曲面拟合，本实施例对此不作具体限定。
具体的，可以参见图5b所示，计算机设备可以先计算得到目标结构的中心线树的中心点，(可以是计算中心线树上所有点的均值或重心，来得到中心点)然后将该中心点作为球心，以球心到目标结构的中心线树的最长距离为半径做外接球，就可以得到目标结构的中心线树的最小外接球面。以冠脉为例，之后可以以球心作为坐标原点，建立球坐标系任意确定一个方向为θ＝0的方向，然后做主动脉三尖瓣到最小外接球面的垂线，垂线方向为的方向。
S504，对最小外接球面进行离散化处理，得到最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合。
具体的，计算机设备在得到目标结构的中心线树的最小外接球面之后，可以利用点离散化的方法，将最小外接球面离散成多个点，将该多个点按照经线和纬线进行分类，就可以得到每条纬线上的各个点组成的集合，以及得到每条经线上的各个点组成的集合。对于点的数量，这里不作具体限定，可以根据实际情况而定。例如，可以将球面离散化为点集其中r0为最小外接球面的半径，m为经线的数量，n为纬线的数量。
S506，利用预设的样条曲线拟合算法对每条纬线上的各个点和每条经线上的各个点分别进行拟合处理，得到每条纬线对应的拟合曲线和每条经线对应的拟合曲线。
其中，预设的样条曲线拟合算法可以是三次样条曲线拟合算法，也可以是一次样条曲线拟合算法或者二次样条曲线拟合算法等，另外，样条曲线可以是B样条曲线，当然也可以是其他样条曲线，本实施例对此不作具体限定。
可选的，在对每条纬线上的点和每条经线上的点进行拟合时，可以采用如下步骤A-步骤D的内容进行拟合，如下所示：
步骤A，从最小外接球面的球心对每条纬线上的各个点分别进行投影处理，得到每条纬线对应的纬线控制点，该纬线控制点为每条纬线上的各个点的投影线经过目标结构的中心线树的点。
步骤B，利用预设的样条曲线拟合算法对每条纬线对应的纬线控制点进行拟合处理，得到每条纬线对应的拟合曲线。
步骤C，从最小外接球面的球心对每条经线上的各个点分别进行投影处理，得到每条经线对应的经线控制点，该经线控制点为每条经线上的各个点的投影线经过目标结构的中心线树的点。
步骤D，利用预设的样条曲线拟合算法对每条经线对应的经线控制点进行拟合处理，得到每条经线对应的拟合曲线。
在这里，通过将最小外接球面上的离散点和目标结构的中心线树上的点进行拟合，就可以得到目标结构的中心线树在各条经线上和各条纬线上的拟合曲线，也即是目标结构的中心线树在经线和纬线上对应的曲线。
S508，根据每条纬线对应的拟合曲线和每条经线对应的拟合曲线，得到目标结构的中心线树所在的曲面。
具体的，在得到每条纬线对应的拟合曲线和每条经线对应的拟合曲线之后，可以将每条纬线对应的拟合曲线和每条经线对应的拟合曲线组合起来，就可以得到目标结构的中心线树所在的曲面。另外，在这里得到目标结构的中心线树所在的曲面后，可以通过将目标结构的中心线进行提取中心线的反向处理，就可以得到目标结构树，即目标结构，也就可以得到目标结构所在的曲面。示例地，这里构成的曲面类似于网状结构。
本实施例提供的结构展示方法，通过构建目标结构的中心线树的最小外接球面，对最小外接球面进行离散化处理，得到最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合，利用预设的样条曲线拟合算法对每条纬线上的各个点和每条经线上的各个点分别进行拟合处理，得到每条纬线对应的拟合曲线和每条经线对应的拟合曲线，最后根据每条纬线对应的拟合曲线和每条经线对应的拟合曲线，得到目标结构的中心线树所在的曲面。在本实施例中，由于通过最小外接球面和样条曲线拟合算法来得到拟合的曲面，即由点拟合线，再由线拟合面，一步步逼近真实曲面，因此，该方法得到的拟合曲面比较接近真实曲面，也即是该方法得到的拟合曲面更加准确，进而利用该准确的曲面去投影到平面时，得到的平面结构图像也会更加准确。
在另一个实施例中，提供了另一种结构展示方法，本实施例涉及的是如何对医学图像进行预处理的具体过程。在上述实施例的基础上，如图6所示，该方法可以包括以下步骤：
S602，对医学图像进行分割处理，得到目标结构树。
在对医学图像进行处理时，可选的，可以采用如下步骤a-步骤c的过程来对医学图像进行处理，步骤a-步骤c如下所示：
步骤a，采用预设的定位算法对医学图像进行定位处理，定位出目标结构的起始点。
其中，这里的定位算法可以是机器学习算法、配准算法等。
具体的，计算机设备在得到医学图像之后，可以采用机器学习算法或者配准算法去定位医学图像中的目标结构，并通过目标结构找到目标结构的起始点。以冠脉为例，这里可以找到左右冠脉的起始点。
步骤b，对医学图像进行海森增强处理，得到增强后的医学图像。
其中，海森增强处理可以增强管状特征，即医学图像数据中属于目标结构的体素的体素值会变大。在这里，目标结构可以认为是具有管状特征的结构，例如冠脉等。
具体的，对医学图像进行海森增强处理，可以将医学图像中的管状特征增强，以便更好地得到目标结构，通过海森增强，可以得到增强后的医学图像。
步骤c，采用预设的区域生长模型，从目标结构的起始点开始对增强后的医学图像进行分割处理，得到目标结构树。
其中，区域生长是指将成组的像素或区域发展成更大区域的过程，从种子点的集合开始进行区域增长，通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域，以此来将目标和背景分开，即将目标从图像中分割出来。
具体的，在找到目标结构的起始点和得到增强后的医学图像之后，可以从目标结构的起始点开始，在增强后的医学图像上采用区域生长模型分割出目标结构的各个分支，得到目标结构树。
S604，采用预设的中心线提取方法对目标结构树进行中心线提取处理，得到目标结构的中心线树。
其中，中心线提取方法可以是图像骨架算法、基于水平集的方法等，例如k3m算法、Zhang-Suen算法等。
具体的，计算机设备在得到目标结构树之后，可以采用中心线提取算法对目标结构树的每个分支进行中心线提取，就可以得到目标结构各个分支的中心线，各个分支的中心线也就构成了目标结构的中心线树。
本实施例提供的结构展示方法，通过对医学图像进行分割处理，得到目标结构树，并采用预设的中心线提取方法对目标结构树进行中心线提取处理，得到目标结构的中心线树。在本实施例中，由于可以对医学图像进行预处理以及分割处理，得到目标结构的中心线树，这样在后续曲面拟合时可以减少一部分计算量，从而可以提高检测的效率。
应该理解的是，虽然图2、4、5a、6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、4、5a、6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种结构展示装置，包括：获取模块10、预处理模块11、拟合模块12和投影模块13，其中：
获取模块10，用于获取医学图像，所述医学图像包括目标结构；
预处理模块11，用于对所述医学图像进行预处理，得到目标结构的中心线树；
拟合模块12，用于对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面；
投影模块13，用于利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示所述平面目标结构图像。
本申请实施例提供的结构展示装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在另一个实施例中，上述投影模块13可以包括：单圆锥投影单元，其中：单圆锥投影单元，用于利用单圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面投影在所述单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像；其中，所述单圆锥为所述曲面的最小外切圆锥。
在另一个实施例中，上述投影模块13可以包括：多圆锥投影单元，其中：多圆锥投影单元，用于利用多个圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面分别投影在所述多个圆锥的圆锥面上；将所述多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像；其中，所述多个圆锥为所述曲面的各条纬线对应的最小外切圆锥。
在另一个实施例中，提供了另一种结构展示装置，在上述实施例的基础上，上述拟合模块12可以包括：构建单元、离散单元、拟合单元、确定单元，其中：
构建单元，用于构建所述目标结构的中心线树的最小外接球面；
离散单元，用于对所述最小外接球面进行离散化处理，得到所述最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合；
拟合单元，用于利用预设的样条曲线拟合算法对所述每条纬线上的各个点和所述每条经线上的各个点分别进行拟合处理，得到所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线；
确定单元，用于根据所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线，得到所述目标结构的中心线树所在的曲面。
在另一个实施例中，上述拟合单元可以包括：纬线投影子单元、纬线拟合子单元、经线投影子单元、经线拟合子单元，其中：
纬线投影子单元，用于从所述最小外接球面的球心对所述每条纬线上的各个点分别进行投影处理，得到所述每条纬线对应的纬线控制点，所述纬线控制点为所述每条纬线上的各个点的投影线经过所述目标结构的中心线树的点；
纬线拟合子单元，用于利用预设的样条曲线拟合算法对所述每条纬线对应的纬线控制点进行拟合处理，得到每条纬线对应的拟合曲线；
经线投影子单元，用于从所述最小外接球面的球心对所述每条经线上的各个点分别进行投影处理，得到所述每条经线对应的经线控制点，所述经线控制点为所述每条经线上的各个点的投影线经过所述目标结构的中心线树的点；
经线拟合子单元，用于利用预设的样条曲线拟合算法对所述每条经线对应的经线控制点进行拟合处理，得到每条经线对应的拟合曲线。
在另一个实施例中，提供了另一种结构展示装置，在上述实施例的基础上，上述预处理模块11可以包括：分割单元和提取单元，其中：
分割单元，用于对所述医学图像进行分割处理，得到目标结构树；
提取单元，用于采用预设的中心线提取方法对所述目标结构树进行中心线提取处理，得到目标结构的中心线树。
在另一个实施例中，上述分割单元还用于采用预设的定位算法对所述医学图像进行定位处理，定位出目标结构的起始点；对所述医学图像进行海森增强处理，得到增强后的医学图像；采用预设的区域生长模型，从所述目标结构的起始点开始对所述增强后的医学图像进行分割处理，得到目标结构树。
本申请实施例提供的结构展示装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于结构展示装置的具体限定可以参见上文中对于结构展示方法的限定，在此不再赘述。上述结构展示装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取医学图像，所述医学图像包括目标结构；
对所述医学图像进行预处理，得到目标结构的中心线树；
对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面；
利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示所述平面目标结构图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
利用单圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面投影在所述单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像；其中，所述单圆锥为所述曲面的最小外切圆锥。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
利用多个圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面分别投影在所述多个圆锥的圆锥面上；将所述多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像；其中，所述多个圆锥为所述曲面的各条纬线对应的最小外切圆锥。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
构建所述目标结构的中心线树的最小外接球面；
对所述最小外接球面进行离散化处理，得到所述最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合；
利用预设的样条曲线拟合算法对所述每条纬线上的各个点和所述每条经线上的各个点分别进行拟合处理，得到所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线；
根据所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线，得到所述目标结构的中心线树所在的曲面。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
从所述最小外接球面的球心对所述每条纬线上的各个点分别进行投影处理，得到所述每条纬线对应的纬线控制点，所述纬线控制点为所述每条纬线上的各个点的投影线经过所述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对所述每条纬线对应的纬线控制点进行拟合处理，得到每条纬线对应的拟合曲线；
从所述最小外接球面的球心对所述每条经线上的各个点分别进行投影处理，得到所述每条经线对应的经线控制点，所述经线控制点为所述每条经线上的各个点的投影线经过所述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对所述每条经线对应的经线控制点进行拟合处理，得到每条经线对应的拟合曲线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对所述医学图像进行分割处理，得到目标结构树；
采用预设的中心线提取方法对所述目标结构树进行中心线提取处理，得到目标结构的中心线树。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
采用预设的定位算法对所述医学图像进行定位处理，定位出目标结构的起始点；
对所述医学图像进行海森增强处理，得到增强后的医学图像；
采用预设的区域生长模型，从所述目标结构的起始点开始对所述增强后的医学图像进行分割处理，得到目标结构树。
在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取医学图像，所述医学图像包括目标结构；
对所述医学图像进行预处理，得到目标结构的中心线树；
对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面；
利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示所述平面目标结构图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
利用单圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面投影在所述单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像；其中，所述单圆锥为所述曲面的最小外切圆锥。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
利用多个圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面分别投影在所述多个圆锥的圆锥面上；将所述多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像；其中，所述多个圆锥为所述曲面的各条纬线对应的最小外切圆锥。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
构建所述目标结构的中心线树的最小外接球面；
对所述最小外接球面进行离散化处理，得到所述最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合；
利用预设的样条曲线拟合算法对所述每条纬线上的各个点和所述每条经线上的各个点分别进行拟合处理，得到所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线；
根据所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线，得到所述目标结构的中心线树所在的曲面。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
从所述最小外接球面的球心对所述每条纬线上的各个点分别进行投影处理，得到所述每条纬线对应的纬线控制点，所述纬线控制点为所述每条纬线上的各个点的投影线经过所述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对所述每条纬线对应的纬线控制点进行拟合处理，得到每条纬线对应的拟合曲线；
从所述最小外接球面的球心对所述每条经线上的各个点分别进行投影处理，得到所述每条经线对应的经线控制点，所述经线控制点为所述每条经线上的各个点的投影线经过所述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对所述每条经线对应的经线控制点进行拟合处理，得到每条经线对应的拟合曲线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对所述医学图像进行分割处理，得到目标结构树；
采用预设的中心线提取方法对所述目标结构树进行中心线提取处理，得到目标结构的中心线树。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
采用预设的定位算法对所述医学图像进行定位处理，定位出目标结构的起始点；
对所述医学图像进行海森增强处理，得到增强后的医学图像；
采用预设的区域生长模型，从所述目标结构的起始点开始对所述增强后的医学图像进行分割处理，得到目标结构树。
本领域普通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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种结构展示方法，其特征在于，所述方法包括：
获取医学图像，所述医学图像包括目标结构；
对所述医学图像进行预处理，得到目标结构的中心线树；
对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面；
利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示所述平面目标结构图像。
2.根据权利要求1所述的方法，其特征在于，所述利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，包括：
利用单圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面投影在所述单圆锥的圆锥面上，得到单圆锥投影下的平面目标结构图像；
其中，所述单圆锥为所述曲面的最小外切圆锥。
3.根据权利要求1所述的方法，其特征在于，所述利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，包括：
利用多个圆锥对所述目标结构的中心线树所在的曲面进行投影处理，将所述目标结构的中心线树所在的曲面分别投影在所述多个圆锥的圆锥面上；
将所述多个圆锥的圆锥面拼接起来，得到多圆锥投影下的平面目标结构图像；
其中，所述多个圆锥为所述曲面的各条纬线对应的最小外切圆锥。
4.根据权利要求1所述的方法，其特征在于，所述对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面，包括：
构建所述目标结构的中心线树的最小外接球面；
对所述最小外接球面进行离散化处理，得到所述最小外接球面的每条纬线上的各个点的集合以及每条经线上的各个点的集合；
利用预设的样条曲线拟合算法对所述每条纬线上的各个点和所述每条经线上的各个点分别进行拟合处理，得到所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线；
根据所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线，得到所述目标结构的中心线树所在的曲面。
5.根据权利要求4所述的方法，其特征在于，所述利用预设的样条曲线拟合算法对所述每条纬线上的各个点和所述每条经线上的各个点分别进行拟合处理，得到所述每条纬线对应的拟合曲线和所述每条经线对应的拟合曲线，包括：
从所述最小外接球面的球心对所述每条纬线上的各个点分别进行投影处理，得到所述每条纬线对应的纬线控制点，所述纬线控制点为所述每条纬线上的各个点的投影线经过所述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对所述每条纬线对应的纬线控制点进行拟合处理，得到每条纬线对应的拟合曲线；
从所述最小外接球面的球心对所述每条经线上的各个点分别进行投影处理，得到所述每条经线对应的经线控制点，所述经线控制点为所述每条经线上的各个点的投影线经过所述目标结构的中心线树的点；
利用预设的样条曲线拟合算法对所述每条经线对应的经线控制点进行拟合处理，得到每条经线对应的拟合曲线。
6.根据权利要求1所述的方法，其特征在于，所述对所述医学图像进行预处理，得到目标结构的中心线树，包括：
对所述医学图像进行分割处理，得到目标结构树；
采用预设的中心线提取方法对所述目标结构树进行中心线提取处理，得到目标结构的中心线树。
7.根据权利要求6所述的方法，其特征在于，所述对所述医学图像进行分割处理，得到目标结构树，包括：
采用预设的定位算法对所述医学图像进行定位处理，定位出目标结构的起始点；
对所述医学图像进行海森增强处理，得到增强后的医学图像；
采用预设的区域生长模型，从所述目标结构的起始点开始对所述增强后的医学图像进行分割处理，得到目标结构树。
8.一种结构展示装置，其特征在于，所述装置包括：
获取模块，用于获取医学图像，所述医学图像包括目标结构；
预处理模块，用于对所述医学图像进行预处理，得到目标结构的中心线树；
拟合模块，用于对所述目标结构的中心线树进行曲面拟合处理，得到所述目标结构的中心线树所在的曲面；
投影模块，用于利用预设的圆锥投影方法对所述目标结构的中心线树所在的曲面进行投影处理，得到平面目标结构图像，并展示所述平面目标结构图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910767733.0A CN110570929B (zh) | 2019-08-20 | 2019-08-20 | 结构展示方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910767733.0A CN110570929B (zh) | 2019-08-20 | 2019-08-20 | 结构展示方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110570929A true CN110570929A (zh) | 2019-12-13 |
| CN110570929B CN110570929B (zh) | 2022-11-25 |
Family
ID=68773930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910767733.0A Active CN110570929B (zh) | 2019-08-20 | 2019-08-20 | 结构展示方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110570929B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461065A (zh) * | 2020-04-24 | 2020-07-28 | 上海联影医疗科技有限公司 | 管状结构识别方法、装置、计算机设备和可读存储介质 |
| CN112635029A (zh) * | 2020-12-31 | 2021-04-09 | 上海联影智能医疗科技有限公司 | 一种医学影像处理方法、装置、终端及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104665852A (zh) * | 2013-11-29 | 2015-06-03 | 上海西门子医疗器械有限公司 | 一种医学图像的投影方法、装置和系统 |
| CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
| CN106846307A (zh) * | 2017-01-19 | 2017-06-13 | 深圳市深图医学影像设备有限公司 | 基于锥形束计算机体层摄影的图像处理方法及装置 |
| CN108523916A (zh) * | 2018-03-20 | 2018-09-14 | 清华大学 | 一种多伽马光子符合成像系统及方法 |
| CN109770930A (zh) * | 2019-01-29 | 2019-05-21 | 浙江大学 | 一种冠状动脉微循环阻力的确定方法和装置 |
-
2019
- 2019-08-20 CN CN201910767733.0A patent/CN110570929B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104665852A (zh) * | 2013-11-29 | 2015-06-03 | 上海西门子医疗器械有限公司 | 一种医学图像的投影方法、装置和系统 |
| CN106846307A (zh) * | 2017-01-19 | 2017-06-13 | 深圳市深图医学影像设备有限公司 | 基于锥形束计算机体层摄影的图像处理方法及装置 |
| CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
| CN108523916A (zh) * | 2018-03-20 | 2018-09-14 | 清华大学 | 一种多伽马光子符合成像系统及方法 |
| CN109770930A (zh) * | 2019-01-29 | 2019-05-21 | 浙江大学 | 一种冠状动脉微循环阻力的确定方法和装置 |
Non-Patent Citations (5)
| Title |
|---|
| AMIT MISHRA: "Transposition of great arteries with intramural coronary artery: experience with a modified surgical technique", 《DOI.ORG/10.5935/1678-9741.20160003》 * |
| R. MEDINA: "Markov random field modeling for three-dimensional reconstruction of the left ventricle in cardiac angiography", 《IEEE TRANSACTIONS ON MEDICAL IMAGING 》 * |
| S. SANCHEZ: "2D and 3D-superimposition of cardiac SPECT and coronarography data", 《PROCEEDINGS OF THE 25TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY 》 * |
| 侯贺等: "基于多平面重建提取冠脉轮廓线的曲面重建算法", 《计算机应用》 * |
| 黎丽华: "基于DSCT的全心脏四维重建及心功能评价研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111461065A (zh) * | 2020-04-24 | 2020-07-28 | 上海联影医疗科技有限公司 | 管状结构识别方法、装置、计算机设备和可读存储介质 |
| CN111461065B (zh) * | 2020-04-24 | 2024-01-05 | 上海联影医疗科技股份有限公司 | 管状结构识别方法、装置、计算机设备和可读存储介质 |
| CN112635029A (zh) * | 2020-12-31 | 2021-04-09 | 上海联影智能医疗科技有限公司 | 一种医学影像处理方法、装置、终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110570929B (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106887000B (zh) | 医学图像的网格化处理方法及其系统 | |
| EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
| CN110599528A (zh) | 一种基于神经网络的无监督三维医学图像配准方法及系统 | |
| US8363926B2 (en) | Systems and methods for modeling three-dimensional objects from two-dimensional images | |
| CN109493347A (zh) | 在图像中对稀疏分布的对象进行分割的方法和系统 | |
| US9351709B2 (en) | Image processing method and apparatus and program | |
| CN109124662B (zh) | 肋骨中心线检测装置及方法 | |
| CN110717961B (zh) | 多模态图像重建方法、装置、计算机设备和存储介质 | |
| CN107274399A (zh) | 一种基于Hession矩阵和三维形状指数的肺结节分割方法 | |
| CN107106128B (zh) | 用于分割解剖目标的超声成像装置和方法 | |
| US10405811B2 (en) | Image processing method and apparatus, and program | |
| CN108052909B (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
| CN110570929B (zh) | 结构展示方法、装置、计算机设备和存储介质 | |
| CN113129418B (zh) | 基于三维影像的目标表面重建方法、装置、设备和介质 | |
| CN113538471A (zh) | 斑块的分割方法、装置、计算机设备和存储介质 | |
| CN115456990A (zh) | 一种基于ct图像的肋骨计数方法、装置、设备及存储介质 | |
| JPWO2017086433A1 (ja) | 医用画像処理方法及び装置及びシステム及びプログラム | |
| CN110992310A (zh) | 一种确定纵隔淋巴结所在分区的方法及装置 | |
| CN114998374A (zh) | 基于位置先验的图像分割方法、装置、设备和存储介质 | |
| CN111373438A (zh) | 用于对器官成像的方法和装置 | |
| CN112102327A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
| CN114859279A (zh) | 用于肌腱套撕裂诊断的直观显示 | |
| US12026934B2 (en) | Systems and methods for training a convolutional neural network that is robust to missing input information | |
| EP3786887A1 (en) | Segmenting a tubular feature | |
| JP6554722B2 (ja) | 画像処理方法および装置並びにプログラム |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |