CN110910441A - 一种中心线提取的方法及装置 - Google Patents
一种中心线提取的方法及装置 Download PDFInfo
- Publication number
- CN110910441A CN110910441A CN201911117921.5A CN201911117921A CN110910441A CN 110910441 A CN110910441 A CN 110910441A CN 201911117921 A CN201911117921 A CN 201911117921A CN 110910441 A CN110910441 A CN 110910441A
- Authority
- CN
- China
- Prior art keywords
- image
- blood vessel
- center line
- calcification
- centerline
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种中心线提取的方法及装置。该方法包括:获取血管的CT序列图像;利用多分类网络模型对CT序列图像进行分割,生成血管区域图像和钙化区域图像;将血管区域图像和钙化区域图像进行组合,生成具有钙化标记的血管图像;分别对血管区域图像和具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;基于第一中心线和第二中心线,确定CT序列图像的中心线。本发明通过多分类网络模型对CT序列图像进行分割和组合得到血管区域图像和具有钙化标记的血管图像,而后分别对其提取中心线,并根据提取的中心线确定CT序列图像的中心线,从而能够使得自动冠脉重建时中心线提取绕过钙化区域,提高了血管中心线的准确性。
Description
技术领域
本发明涉及医学成像领域,尤其涉及一种中心线提取的方法及装置。
背景技术
近年来,冠状动脉重建已成为目前治疗冠状动脉疾病的最常用和最重要的手段,具有重要的临床价值和实际意义。然而,在自动化冠脉重建过程中,需要进行中心线提取。如果在中心线提取过程中,中心线不绕过钙化,就会导致在冠状动脉的拉直图像上看钙化是闭塞的,进而导致医生对钙化程度产生误判。因此在提取中心线时如何绕过钙化是一个亟待解决的技术问题。
发明内容
有鉴于此,本发明实施例提供一种中心线提取的方法及装置,能够在自动冠脉重建过程中提取中心线时有效绕过钙化区域,进而使得提取的中心线更加准确。
为实现上述目的,根据本发明实施例第一方面,提供一种中心线提取的方法,所述方法包括:获取血管的CT序列图像;利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
可选的,所述基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线,包括:检测所述第二中心线是否落在钙化区域,得到检测结果;若所述检测结果表征所述第二中心线没有落在钙化区域,则确定所述第二中心线为所述CT序列图像的中心线。
可选的,若所述检测结果表征所述第二中心线落在所述钙化区域,则在所述钙化区域利用所述第一中心线替换所述第二中心线,得到替换后的第二中心线;确定所述替换后的第二中心线为所述CT序列图像的中心线。
可选的,所述检测所述第二中心线是否落在所述钙化区域,包括:获取所述第二中心线上的坐标点;通过检测所述第二中心线上的坐标点是否落在所述钙化区域的方式确定所述第二中心线是否落在钙化区域。
可选的,所述分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,包括:通过骨架提取法或距离变换提取法来分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取。
为实现上述目的,根据本发明实施例第二方面,还提供一种中心线提取的装置,所述装置包括:获取模块,用于获取血管的CT序列图像;分割模块,用于利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;组合模块,用于将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;提取模块,用于分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;确定模块,用于基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
可选的,所述确定模块包括:检测单元,用于检测所述第二中心线是否落在钙化区域,得到检测结果;确定单元,用于若所述检测结果表征所述第二中心线没有落在所述钙化区域,则确定所述第二中心线为所述CT序列图像的中心线。
可选的,所述确定模块还包括:替换单元,用于若所述检测结果表征所述第二中心线落在所述钙化区域,则在所述钙化区域利用所述第一中心线替换所述第二中心线,得到替换后的第二中心线;确定单元,还用于确定所述替换后的第二中心线为所述CT序列图像的中心线。
为实现上述目的,根据本发明实施例第三方面,还提供一种电子设备;所述电子设备包括:一个或多个处理器;存储装器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的中心线提取的方法。
为实现上述目的,根据本发明实施例第四方面,还提供一种计算机可读介质;所述计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如第一方面所述的中心线提取的方法。
上述实施例至少具有如下优点或有益效果:通过多分类网络模型对所述CT序列图像进行分割和组合得到血管区域图像和具有钙化标记的血管图像,对所述血管区域图像和具有钙化标记的血管图像进行中心线提取,并根据提取的中心线确定所述CT序列图像的中心线,从而能够在自动冠脉重建过程中提取中心线时有效绕过钙化区域,进而使得提取的中心线更加准确,为医生对血管钙化程度的判断提供依据。
上述的非惯用的可选方式所具有的进一步的效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例中心线提取的方法的流程图;
图2为本发明实施例中心线提取的方法中确定第二中心线和钙化区域位置关系的流程图;
图3为本发明实施例中心线提取的装置的示意图;
图4为适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明实施例的目的在于通过多分类网络模型对CT序列图像进行分割和组合后得到血管区域图像和具有钙化标记的血管图像,并对血管区域图像和具有钙化标记的血管图像进行中心线提取,从而能够准确确定CT序列图像的中心线,解决了自动冠脉重建过程中提取中心线时有效绕过钙化区域的问题。
如图1所述,为本发明实施例中心线提取的方法的流程图,该方法包括:
S101:获取血管的CT序列图像;
示例性的,一张血管的CT图像只能从某个特定的角度反映血管的某个部位。获取血管不同部位的多张CT图像,形成血管的CT序列图像。CT序列图像能够从血管的不同角度反映血管的成像情况,因此CT序列图像实际上是从三维角度反映血管的整体结构。
S102:利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;
示例性的,首先,获取具有标注的血管区域图像和具有标注的钙化区域图像;分别将具有标注的血管区域图像和具有标注的钙化区域图像作为正例训练样本和负例训练样本,得到训练样本数据;利用深度学习的方法对所述训练样本数据进行模型训练,得到多分类网络模型。利用训练好的多分类网络模型对CT序列图像进行分割,生成血管区域图像和钙化区域图像。
S103:将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;
示例性的,将血管区域图像标记为1,钙化区域图像标记为2;血管区域图像和钙化区域图像进行组合后生成的具有钙化标记的血管图像3。具有钙化标记的血管图像3中能够清楚地显示出钙化区域的标记2。
S104:分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;
示例性的,利用骨架提取法对所述血管区域图像进行中心线提取,得到第一中心线,利用骨架提取算法对所述血管区域进行中心线提取,得到第二中心线。
另外,还可以采用距离变换提取法来分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一距离变换脊线和第二距离变换脊线;将所述第一距离变换脊线和第二距离变换脊线分别作为第一中心线和第二中心线。
S105:基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
示例性的,所述基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线,包括:检测所述第二中心线是否落在钙化区域,得到检测结果;若所述检测结果表征所述第二中心线没有落在钙化区域,则确定所述第二中心线为所述CT序列图像的中心线。若所述检测结果表征所述第二中心线落在所述钙化区域,则在所述钙化区域利用所述第一中心线替换所述第二中心线,得到替换后的第二中心线;确定所述替换后的第二中心线为所述CT序列图像的中心线。
具体地,若检测结果表征第二中心线落在了具有标记2的钙化区域,则具有钙化标记的血管图像中的钙化区域处的第二中心线利用第一中心线代替,其他非钙化区域处的中心线仍然使用原来提取的第二中心线。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在的逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明实施例通过多分类网络模型对所述CT序列图像进行分割和组合后得到具有钙化标记的血管图像,并根据具有钙化标记的血管图像提取的中心线是否落在钙化区域来确定CT序列图像的中心线,从而能够使得中心线提取绕过钙化区域,进而提高了血管中心线提取的准确性。
如图2所述,为本发明实施例中心线提取的方法中确定第二中心线和钙化区域位置关系的流程图;所述检测所述第二中心线是否落在所述钙化区域,包括:
S201:获取所述第二中心线上的坐标点;
S202:检测所述第二中心线上的坐标点是否落在所述钙化区域,得检测结果;
S203:若检测结果表征所述坐标点没有落在钙化区域,则确定所述第二中心线没有落在钙化区域。
示例性的,第二中心线上某点的坐标A(x,y,z),arr表示分割结果矩阵,if arr[x,y,z]≠2,即表示坐标点A没落在钙化区域2,由此可知第二中心线没有穿过钙化区域,因此确定所述第二中心线不在钙化区域内。
S204:若检测结果表征所述坐标点落在钙化区域,则确定所述第二中心线在钙化区域内。
示例性的,第二中心线上某点的坐标(x,y,z),arr表示分割结果矩阵,if arr[x,y,z]=2,即表示坐标点落在钙化区域2,由此可知第二中心线穿过钙化区域,因此确定所述第二中心线在钙化区域内。
需要注意的是,这里的坐标点是指第二中心线上的任意一个坐标点。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在的逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本实施例根据第二中心线上任意一个坐标点是否位于钙化区域内来确定第二中心线与钙化区域的位置关系,从而能够准确判断第二中心线是否落在钙化区域,进而能够准确提取CT序列图像的中心线。
如图3所示,为本发明实施例中心线提取的装置的示意图。所述装置300包括:获取模块301,用于获取血管的CT序列图像;分割模块302,用于利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;组合模块303,用于将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;提取模块304,用于分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;确定模块305,用于基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
在可选的实施例中,所述确定模块包括:检测单元,用于检测所述第二中心线是否落在钙化区域,得到检测结果;确定单元,用于若所述检测结果表征所述第二中心线没有落在所述钙化区域,则确定所述第二中心线为所述CT序列图像的中心线。
在可选的实施例中,所述确定模块还包括:替换单元,用于若所述检测结果表征所述第二中心线落在所述钙化区域,则在所述钙化区域利用所述第一中心线替换所述第二中心线,得到替换后的第二中心线;确定单元,还用于确定所述替换后的第二中心线为所述CT序列图像的中心线。
在可选的实施例中,所述检测单元包括:获取子单元,用于获取所述第二中心线上的坐标点;确定子单元,用于通过检测所述第二中心线上的坐标点是否落在所述钙化区域的方式来确定所述第二中心线是否落在钙化区域。
在可选的实施例中,提取模块具体用于,通过骨架提取法或距离变换提取法来分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取。
上述中心线提取的装置可执行本发明实施例所提供的中心线提取的方法,具备执行中心线提取的方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的中心线提取的方法。
下面参考图4,其示出了适于用来实现实施例的终端设备或服务器的计算机系统的结构示意图。图4示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该单元本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
S101:获取血管的CT序列图像;S102:利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;S103:将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;S104:分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;S105:基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
本发明实施例通过多分类网络模型对所述CT序列图像进行分割和组合得到血管区域图像和具有钙化标记的血管图像,对所述血管区域图像和具有钙化标记的血管图像进行中心线提取,并根据提取的中心线确定所述CT序列图像的中心线,从而能够在自动冠脉重建过程中提取中心线时有效绕过钙化区域,进而使得提取的中心线更加准确,为医生对血管钙化程度的判断提供依据。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本发明的具体实施路径,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种中心线提取的方法,其特征在于,包括:
获取血管的CT序列图像;
利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;
将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;
分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;
基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线,包括:
检测所述第二中心线是否落在钙化区域,得到检测结果;
若所述检测结果表征所述第二中心线没有落在钙化区域,则确定所述第二中心线为所述CT序列图像的中心线。
3.根据权利要求2所述的方法,其特征在于,
若所述检测结果表征所述第二中心线落在所述钙化区域,则在所述钙化区域利用所述第一中心线替换所述第二中心线,得到替换后的第二中心线;
确定所述替换后的第二中心线为所述CT序列图像的中心线。
4.根据权利要求2所述的方法,其特征在于,所述检测所述第二中心线是否落在钙化区域,包括:
获取所述第二中心线上的坐标点;
通过检测所述第二中心线上的坐标点是否落在所述钙化区域的方式来确定所述第二中心线是否落在钙化区域。
5.根据权利要求1所述的方法,其特征在于,所述分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,包括:
通过骨架提取法或距离变换提取法来分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取。
6.一种中心线提取的装置,其特征在于,包括:
获取模块,用于获取血管的CT序列图像;
分割模块,用于利用多分类网络模型对所述CT序列图像进行分割,生成血管区域图像和钙化区域图像;
组合模块,用于将所述血管区域图像和所述钙化区域图像进行组合,生成具有钙化标记的血管图像;
提取模块,用于分别对所述血管区域图像和所述具有钙化标记的血管图像进行中心线提取,得到第一中心线和第二中心线;
确定模块,用于基于所述第一中心线和第二中心线,确定所述CT序列图像的中心线。
7.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
检测单元,用于检测所述第二中心线是否落在钙化区域,得到检测结果;
确定单元,用于若所述检测结果表征所述第二中心线没有落在所述钙化区域,则确定所述第二中心线为所述CT序列图像的中心线。
8.根据权利要求7所述的装置,其特征在于,所述确定模块还包括:
替换单元,用于若所述检测结果表征所述第二中心线落在所述钙化区域,则在所述钙化区域利用所述第一中心线替换所述第二中心线,得到替换后的第二中心线;
确定单元,还用于确定所述替换后的第二中心线为所述CT序列图像的中心线。
9.一种电子设备,其特征在于,包括:一个或多个处理器;存储装器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911117921.5A CN110910441A (zh) | 2019-11-15 | 2019-11-15 | 一种中心线提取的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911117921.5A CN110910441A (zh) | 2019-11-15 | 2019-11-15 | 一种中心线提取的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110910441A true CN110910441A (zh) | 2020-03-24 |
Family
ID=69816869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911117921.5A Pending CN110910441A (zh) | 2019-11-15 | 2019-11-15 | 一种中心线提取的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910441A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738982A (zh) * | 2020-05-28 | 2020-10-02 | 数坤(北京)网络科技有限公司 | 一种血管腔浓度梯度提取方法、装置以及可读存储介质 |
CN111932497A (zh) * | 2020-06-30 | 2020-11-13 | 数坤(北京)网络科技有限公司 | 一种冠状动脉识别方法及装置 |
CN112037168A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管检测方法、装置以及计算机存储介质 |
CN113379739A (zh) * | 2021-07-23 | 2021-09-10 | 平安科技(深圳)有限公司 | 超声图像的识别方法、装置、设备及存储介质 |
CN115429298A (zh) * | 2021-06-01 | 2022-12-06 | 数坤(北京)网络科技股份有限公司 | 一种计算钙化积分的方法、装置及计算机可读介质 |
CN115511773A (zh) * | 2021-06-21 | 2022-12-23 | 数坤(北京)网络科技股份有限公司 | 一种血管中心线提取方法、装置、设备和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923713A (zh) * | 2010-08-04 | 2010-12-22 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
CN102609620A (zh) * | 2012-02-10 | 2012-07-25 | 中国人民解放军总医院 | 一种带有影像分割装置的消融治疗影像引导设备 |
CN108932714A (zh) * | 2018-07-23 | 2018-12-04 | 苏州润心医疗器械有限公司 | 冠脉ct图像的斑块分类方法 |
CN109727242A (zh) * | 2018-12-28 | 2019-05-07 | 上海联影医疗科技有限公司 | 血管中心线提取方法、装置、计算机设备和存储介质 |
-
2019
- 2019-11-15 CN CN201911117921.5A patent/CN110910441A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923713A (zh) * | 2010-08-04 | 2010-12-22 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
CN102609620A (zh) * | 2012-02-10 | 2012-07-25 | 中国人民解放军总医院 | 一种带有影像分割装置的消融治疗影像引导设备 |
CN108932714A (zh) * | 2018-07-23 | 2018-12-04 | 苏州润心医疗器械有限公司 | 冠脉ct图像的斑块分类方法 |
CN109727242A (zh) * | 2018-12-28 | 2019-05-07 | 上海联影医疗科技有限公司 | 血管中心线提取方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
孙飞飞: "基于中心线的大脑血管自动分割方法研究", 《中国优秀硕士论文电子期刊网 医药卫生科技辑》 * |
盛惠娟等: "基于最小代价路径的血管中心线提取", 《计算机工程与应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738982A (zh) * | 2020-05-28 | 2020-10-02 | 数坤(北京)网络科技有限公司 | 一种血管腔浓度梯度提取方法、装置以及可读存储介质 |
CN111932497A (zh) * | 2020-06-30 | 2020-11-13 | 数坤(北京)网络科技有限公司 | 一种冠状动脉识别方法及装置 |
CN111932497B (zh) * | 2020-06-30 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种冠状动脉识别方法及装置 |
CN112037168A (zh) * | 2020-07-23 | 2020-12-04 | 上海交通大学附属第六人民医院 | 一种血管检测方法、装置以及计算机存储介质 |
CN112037168B (zh) * | 2020-07-23 | 2024-04-16 | 上海交通大学附属第六人民医院 | 一种血管检测方法、装置以及计算机存储介质 |
CN115429298A (zh) * | 2021-06-01 | 2022-12-06 | 数坤(北京)网络科技股份有限公司 | 一种计算钙化积分的方法、装置及计算机可读介质 |
CN115511773A (zh) * | 2021-06-21 | 2022-12-23 | 数坤(北京)网络科技股份有限公司 | 一种血管中心线提取方法、装置、设备和可读存储介质 |
CN115511773B (zh) * | 2021-06-21 | 2023-08-29 | 数坤(上海)医疗科技有限公司 | 一种血管中心线提取方法、装置、设备和可读存储介质 |
CN113379739A (zh) * | 2021-07-23 | 2021-09-10 | 平安科技(深圳)有限公司 | 超声图像的识别方法、装置、设备及存储介质 |
CN113379739B (zh) * | 2021-07-23 | 2022-03-25 | 平安科技(深圳)有限公司 | 超声图像的识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110910441A (zh) | 一种中心线提取的方法及装置 | |
CN112037170B (zh) | 一种血管狭窄的检出方法、装置以及计算机存储介质 | |
CN111145173A (zh) | 一种冠脉造影图像的斑块识别方法、装置、设备及介质 | |
CN111932497B (zh) | 一种冠状动脉识别方法及装置 | |
CN111145160B (zh) | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 | |
CN113298831B (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN110728673A (zh) | 一种目标部位分析方法、装置、计算机设备及存储介质 | |
JP2007518461A (ja) | 心臓関連の取得のための自動的な最適面の決定 | |
CN113706473A (zh) | 超声图像中病灶区域的长短轴确定方法和超声设备 | |
CN113313715B (zh) | 心脏动脉血管的分割方法、分割装置、设备和介质 | |
CN110766682A (zh) | 肺结核定位筛查装置及计算机设备 | |
CN113344873A (zh) | 一种血管分割方法、装置及计算机可读介质 | |
CN116342986B (zh) | 模型训练方法、目标器官的分割方法及相关产品 | |
CN115861189A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN113610841B (zh) | 一种血管异常图像识别方法、装置、电子设备和存储介质 | |
CN114334128A (zh) | 基于ct影像的肿瘤演进过程分析方法、系统及存储介质 | |
CN114170258A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN113450329A (zh) | 一种微循环图像血管分支红细胞流速计算方法及系统 | |
CN112767314A (zh) | 医学图像处理方法、装置、设备及存储介质 | |
CN115131508B (zh) | 基于数据处理的dsa建模点云数据融合处理方法 | |
CN117495951B (zh) | 颅内动脉瘤定位方法、装置、计算机设备及存储介质 | |
CN111062977B (zh) | 样本数据生成方法、装置、计算机设备及存储介质 | |
CN116523914B (zh) | 一种动脉瘤分类识别装置、方法、设备、存储介质 | |
CN112037169A (zh) | 一种血管钙化检出方法、装置以及计算机存储介质 | |
CN112435227A (zh) | 一种医学影像图的处理方法、装置、终端设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |