CN111047691A - 一种儿科心脏外科体外循环管道固定系统 - Google Patents
一种儿科心脏外科体外循环管道固定系统 Download PDFInfo
- Publication number
- CN111047691A CN111047691A CN201911349399.3A CN201911349399A CN111047691A CN 111047691 A CN111047691 A CN 111047691A CN 201911349399 A CN201911349399 A CN 201911349399A CN 111047691 A CN111047691 A CN 111047691A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- module
- image
- vessel
- identification
- 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.)
- Withdrawn
Links
- 238000007675 cardiac surgery Methods 0.000 title claims abstract description 18
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 176
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 13
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000000747 cardiac effect Effects 0.000 claims 2
- 230000002792 vascular Effects 0.000 claims 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 208000006670 Multiple fractures Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000005246 left atrium Anatomy 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明属于儿科心脏外科体外循环管道固定技术领域,公开了一种儿科心脏外科体外循环管道固定系统,所述儿科心脏外科体外循环管道固定系统包括:生理数据采集模块、松紧度采集模块、图像采集模块、中央控制模块、血管提取模块、血管识别模块、固定模块、数据存储模块、显示模块。本发明通过血管提取模块基于血管生长条件,排除所述骨骼区域,通过多区域区域生长的方式连接所述血管连通域,有效获取与骨骼粘连的血管;同时,通过血管识别模块根据待识别血管的血管中心线的特征和预先建立的血管识别模型来实现血管的识别,与现有的人工识别方式相比,提高了血管识别的效率。
Description
技术领域
本发明属于儿科心脏外科体外循环管道固定技术领域,尤其涉及一种儿科心脏外科体外循环管道固定系统。
背景技术
体外循环手术中,手术护士需要管理、固定各种管道,如动、静脉插管,左心房引流管,心内吸引管,普通吸引管等。如未采取有效的固定方法,轻者使管道混淆,难以辨别,重者导致管道脱落造成严重后果,甚至威胁患者生命。然而,现有儿科心脏外科体外循环管道固定系统对血管提取方法很容易混淆血管和骨骼,造成血管分割失败;同时,对不同类型的血管的识别,目前是通过人工进行识别,识别效率较低。
综上所述,现有技术存在的问题是:现有儿科心脏外科体外循环管道固定系统对血管提取方法很容易混淆血管和骨骼,造成血管分割失败;同时,对不同类型的血管的识别,目前是通过人工进行识别,识别效率较低。
发明内容
针对现有技术存在的问题,本发明提供了一种儿科心脏外科体外循环管道固定系统。
本发明是这样实现的,一种儿科心脏外科体外循环管道固定系统包括:
生理数据采集模块、松紧度采集模块、图像采集模块、中央控制模块、血管提取模块、血管识别模块、固定模块、数据存储模块、显示模块;
生理数据采集模块,与中央控制模块连接,用于采集患者生理数据;
松紧度采集模块,与中央控制模块连接,用于采集患者血管固定松紧度数据;
图像采集模块,与中央控制模块连接,用于通过摄影设备采集血管图像;
中央控制模块,与生理数据采集模块、松紧度采集模块、图像采集模块、血管提取模块、血管识别模块、固定模块、数据存储模块、显示模块连接,用于通过主控机控制各个模块正常工作;
血管提取模块,与中央控制模块连接,用于通过提取程序提取血管图像;
血管识别模块,与中央控制模块连接,用于通过识别程序识别血管特征;
固定模块,与中央控制模块连接,用于通过固定夹对血管进行固定;
数据存储模块,与中央控制模块连接,用于通过存储器存储生理数据、松紧度、血管图像数据;
显示模块,与中央控制模块连接,用于通过显示器显示生理数据、松紧度、血管图像数据。
进一步,所述血管提取模块提取方法如下:
(1)通过图像处理程序获取由若干层切片图像构成的三维图像,选取一层切片图像,基于所述切片图像中像素点的灰度信息获取所述切片图像的若干个连通域;基于所述切片图像中的连通域的圆度确定种子点;
(2)以所述种子点为起点,基于阈值a对所述三维图像进行区域生长,获取第一图像;以所述种子点为起点,基于第一阈值对所述第一图像进行区域生长,获取血管掩膜;
(3)将所述第一图像与血管掩膜相减获取第一减影图像;粗分割所述第一减影图像,获取初始掩膜;形态学处理所述初始掩膜,获取骨骼掩膜;
(4)将所述第一图像与所述骨骼掩膜相减获取第二减影图像,所述第二减影图像包括若干个连通域;
(5)基于血管生长条件连接所述第二减影图像的若干个连通域,获取血管提取结果。
进一步,所述确定种子点包括:
计算所述切片图像的连通域中所有像素点的边界距离场值;
选取最大边界距离场值为该连通域的半径,根据圆面积公式计算该半径对应的圆形面积,并计算所述圆形面积与所述连通域实际面积的比值,所述比值为所述连通域的圆度;
选取所述切片图像中圆度与1差值的绝对值的最小值所在的连通域,确定该连通域中最大边界距离场值所在的像素点为所述种子点。
进一步,所述获取血管掩膜包括:
计算所述第一图像中各体素点的边界距离场值;
根据所述种子点基于所述第一阈值进行三维区域生长,获取所述血管掩膜;
其中,所述第一阈值为大于3.0个体素点的宽度。
进一步,所述粗分割包括:
计算所述第一减影图像上各体素点的边界距离场值;
选取边界距离场值大于阈值b的体素点为骨骼种子点,根据所述第一减影图像中各体素点的灰度信息或边界距离场值进行区域生长,获取所述初始掩膜;
其中,所述阈值b为大于3.0个体素点的宽度;所述灰度信息为所述各体素点中灰度值大于500的体素点,所述边界距离场值为所述各体素点的边界距离场值大于1.5个体素点的宽度的体素点。
进一步,所述血管识别模块识别方法如下:
1)通过识别程序获取待识别血管的血管中心线的特征;
2)根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类;
3)在所述根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类过程之前,还包括:
4)获取已知的血管的种类和对应的血管中心线的特征,并作为训练样本;基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型;任意所述血管中心线的特征包括:用于表示血管中心线的位置、长度或走势的特征;
进一步,所述在所述基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型的过程之前,还包括:
确定不同种类的血管的识别顺序;
进一步,所述基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型具体为:
基于机器学习算法按照所述识别顺序对所述训练样本进行训练,获得每个血管种类所对应的血管识别模型;
所述根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类的过程为:
按照所述识别顺序利用每个血管种类所对应的血管识别模型识别所述待识别血管的种类;
任意所述血管中心线的特征还包括:用于表示所述识别顺序中除了排序在第一位之外的任意血管的血管中心线与所述识别顺序中排序在该血管之前的血管的血管中心线之间的相互位置关系的特征。
本发明的优点及积极效果为:本发明通过血管提取模块根据基于所述连通域的圆度确定种子点,根据所述种子点基于阈值进行三维区域生长,获取包含血管和骨骼的第一图像;将所述第一图像与所述骨骼掩膜相减,获取包含有主血管和少部分碎骨的连通域的第二减影图像;基于血管生长条件,排除所述骨骼区域,通过多区域区域生长的方式连接所述血管连通域,有效获取与骨骼粘连的血管;同时,通过血管识别模块预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立血管识别模型,当进行血管识别时,根据待识别血管的血管中心线的特征和预先建立的血管识别模型来实现血管的识别,与现有的人工识别方式相比,提高了血管识别的效率。
附图说明
图1是本发明实施例提供的儿科心脏外科体外循环管道固定系统结构框图。
图中:1、生理数据采集模块;2、松紧度采集模块;3、图像采集模块;4、中央控制模块;5、血管提取模块;6、血管识别模块;7、固定模块;8、数据存储模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的儿科心脏外科体外循环管道固定系统包括:生理数据采集模块1、松紧度采集模块2、图像采集模块3、中央控制模块4、血管提取模块5、血管识别模块6、固定模块7、数据存储模块8、显示模块9。
生理数据采集模块1,与中央控制模块4连接,用于采集患者生理数据;
松紧度采集模块2,与中央控制模块4连接,用于采集患者血管固定松紧度数据;
图像采集模块3,与中央控制模块4连接,用于通过摄影设备采集血管图像;
中央控制模块4,与生理数据采集模块1、松紧度采集模块2、图像采集模块3、血管提取模块5、血管识别模块6、固定模块7、数据存储模块8、显示模块9连接,用于通过主控机控制各个模块正常工作;
血管提取模块5,与中央控制模块4连接,用于通过提取程序提取血管图像;
血管识别模块6,与中央控制模块4连接,用于通过识别程序识别血管特征;
固定模块7,与中央控制模块4连接,用于通过固定夹对血管进行固定;
数据存储模块8,与中央控制模块4连接,用于通过存储器存储生理数据、松紧度、血管图像数据;
显示模块9,与中央控制模块4连接,用于通过显示器显示生理数据、松紧度、血管图像数据。
本发明提供的血管提取模块5提取方法如下:
(1)通过图像处理程序获取由若干层切片图像构成的三维图像,选取一层切片图像,基于所述切片图像中像素点的灰度信息获取所述切片图像的若干个连通域;基于所述切片图像中的连通域的圆度确定种子点;
(2)以所述种子点为起点,基于阈值a对所述三维图像进行区域生长,获取第一图像;以所述种子点为起点,基于第一阈值对所述第一图像进行区域生长,获取血管掩膜;
(3)将所述第一图像与血管掩膜相减获取第一减影图像;粗分割所述第一减影图像,获取初始掩膜;形态学处理所述初始掩膜,获取骨骼掩膜;
(4)将所述第一图像与所述骨骼掩膜相减获取第二减影图像,所述第二减影图像包括若干个连通域;
(5)基于血管生长条件连接所述第二减影图像的若干个连通域,获取血管提取结果。
本发明提供的确定种子点包括:
计算所述切片图像的连通域中所有像素点的边界距离场值;
选取最大边界距离场值为该连通域的半径,根据圆面积公式计算该半径对应的圆形面积,并计算所述圆形面积与所述连通域实际面积的比值,所述比值为所述连通域的圆度;
选取所述切片图像中圆度与1差值的绝对值的最小值所在的连通域,确定该连通域中最大边界距离场值所在的像素点为所述种子点。
本发明提供的获取血管掩膜包括:
计算所述第一图像中各体素点的边界距离场值;
根据所述种子点基于所述第一阈值进行三维区域生长,获取所述血管掩膜;
其中,所述第一阈值为大于3.0个体素点的宽度。
本发明提供的粗分割包括:
计算所述第一减影图像上各体素点的边界距离场值;
选取边界距离场值大于阈值b的体素点为骨骼种子点,根据所述第一减影图像中各体素点的灰度信息或边界距离场值进行区域生长,获取所述初始掩膜;
其中,所述阈值b为大于3.0个体素点的宽度;所述灰度信息为所述各体素点中灰度值大于500的体素点,所述边界距离场值为所述各体素点的边界距离场值大于1.5个体素点的宽度的体素点。
本发明提供的血管识别模块6识别方法如下:
1)通过识别程序获取待识别血管的血管中心线的特征;
2)根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类;
3)在所述根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类过程之前,还包括:
4)获取已知的血管的种类和对应的血管中心线的特征,并作为训练样本;基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型;任意所述血管中心线的特征包括:用于表示血管中心线的位置、长度或走势的特征;
本发明提供的在所述基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型的过程之前,还包括:
确定不同种类的血管的识别顺序;
本发明提供的基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型具体为:
基于机器学习算法按照所述识别顺序对所述训练样本进行训练,获得每个血管种类所对应的血管识别模型;
所述根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类的过程为:
按照所述识别顺序利用每个血管种类所对应的血管识别模型识别所述待识别血管的种类;
任意所述血管中心线的特征还包括:用于表示所述识别顺序中除了排序在第一位之外的任意血管的血管中心线与所述识别顺序中排序在该血管之前的血管的血管中心线之间的相互位置关系的特征。
本发明工作时,首先,通过生理数据采集模块1采集患者生理数据;通过松紧度采集模块2采集患者血管固定松紧度数据;通过图像采集模块3利用摄影设备采集血管图像;其次,中央控制模块4通过血管提取模块5利用提取程序提取血管图像;通过血管识别模块6利用识别程序识别血管特征;通过固定模块7利用固定夹对血管进行固定;然后,通过数据存储模块8利用存储器存储生理数据、松紧度、血管图像数据;最后,通过显示模块9利用显示器显示生理数据、松紧度、血管图像数据。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (8)
1.一种儿科心脏外科体外循环管道固定系统,其特征在于,所述儿科心脏外科体外循环管道固定系统包括:
生理数据采集模块、松紧度采集模块、图像采集模块、中央控制模块、血管提取模块、血管识别模块、固定模块、数据存储模块、显示模块;
生理数据采集模块,与中央控制模块连接,用于采集患者生理数据;
松紧度采集模块,与中央控制模块连接,用于采集患者血管固定松紧度数据;
图像采集模块,与中央控制模块连接,用于通过摄影设备采集血管图像;
中央控制模块,与生理数据采集模块、松紧度采集模块、图像采集模块、血管提取模块、血管识别模块、固定模块、数据存储模块、显示模块连接,用于通过主控机控制各个模块正常工作;
血管提取模块,与中央控制模块连接,用于通过提取程序提取血管图像;
血管识别模块,与中央控制模块连接,用于通过识别程序识别血管特征;
固定模块,与中央控制模块连接,用于通过固定夹对血管进行固定;
数据存储模块,与中央控制模块连接,用于通过存储器存储生理数据、松紧度、血管图像数据;
显示模块,与中央控制模块连接,用于通过显示器显示生理数据、松紧度、血管图像数据。
2.如权利要求1所述儿科心脏外科体外循环管道固定系统,其特征在于,所述血管提取模块提取方法如下:
(1)通过图像处理程序获取由若干层切片图像构成的三维图像,选取一层切片图像,基于所述切片图像中像素点的灰度信息获取所述切片图像的若干个连通域;基于所述切片图像中的连通域的圆度确定种子点;
(2)以所述种子点为起点,基于阈值a对所述三维图像进行区域生长,获取第一图像;以所述种子点为起点,基于第一阈值对所述第一图像进行区域生长,获取血管掩膜;
(3)将所述第一图像与血管掩膜相减获取第一减影图像;粗分割所述第一减影图像,获取初始掩膜;形态学处理所述初始掩膜,获取骨骼掩膜;
(4)将所述第一图像与所述骨骼掩膜相减获取第二减影图像,所述第二减影图像包括若干个连通域;
(5)基于血管生长条件连接所述第二减影图像的若干个连通域,获取血管提取结果。
3.如权利要求2所述儿科心脏外科体外循环管道固定系统,其特征在于,所述确定种子点包括:
计算所述切片图像的连通域中所有像素点的边界距离场值;
选取最大边界距离场值为该连通域的半径,根据圆面积公式计算该半径对应的圆形面积,并计算所述圆形面积与所述连通域实际面积的比值,所述比值为所述连通域的圆度;
选取所述切片图像中圆度与1差值的绝对值的最小值所在的连通域,确定该连通域中最大边界距离场值所在的像素点为所述种子点。
4.如权利要求2所述儿科心脏外科体外循环管道固定系统,其特征在于,所述获取血管掩膜包括:
计算所述第一图像中各体素点的边界距离场值;
根据所述种子点基于所述第一阈值进行三维区域生长,获取所述血管掩膜;
其中,所述第一阈值为大于3.0个体素点的宽度。
5.如权利要求2所述儿科心脏外科体外循环管道固定系统,其特征在于,所述粗分割包括:
计算所述第一减影图像上各体素点的边界距离场值;
选取边界距离场值大于阈值b的体素点为骨骼种子点,根据所述第一减影图像中各体素点的灰度信息或边界距离场值进行区域生长,获取所述初始掩膜;
其中,所述阈值b为大于3.0个体素点的宽度;所述灰度信息为所述各体素点中灰度值大于500的体素点,所述边界距离场值为所述各体素点的边界距离场值大于1.5个体素点的宽度的体素点。
6.如权利要求1所述儿科心脏外科体外循环管道固定系统,其特征在于,所述血管识别模块识别方法如下:
1)通过识别程序获取待识别血管的血管中心线的特征;
2)根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类;
3)在所述根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类过程之前,还包括:
4)获取已知的血管的种类和对应的血管中心线的特征,并作为训练样本;基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型;任意所述血管中心线的特征包括:用于表示血管中心线的位置、长度或走势的特征。
7.如权利要求6所述儿科心脏外科体外循环管道固定系统,其特征在于,所述在所述基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型的过程之前,还包括:
确定不同种类的血管的识别顺序。
8.如权利要求6所述儿科心脏外科体外循环管道固定系统,其特征在于,所述基于机器学习算法对所述训练样本进行训练,建立所述血管识别模型具体为:
基于机器学习算法按照所述识别顺序对所述训练样本进行训练,获得每个血管种类所对应的血管识别模型;
所述根据所获取的待识别血管的血管中心线的特征,利用预先基于机器学习算法、已知的血管的种类和所对应的血管中心线的特征建立的血管识别模型,识别所述待识别血管的种类的过程为:
按照所述识别顺序利用每个血管种类所对应的血管识别模型识别所述待识别血管的种类;
任意所述血管中心线的特征还包括:用于表示所述识别顺序中除了排序在第一位之外的任意血管的血管中心线与所述识别顺序中排序在该血管之前的血管的血管中心线之间的相互位置关系的特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911349399.3A CN111047691A (zh) | 2019-12-24 | 2019-12-24 | 一种儿科心脏外科体外循环管道固定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911349399.3A CN111047691A (zh) | 2019-12-24 | 2019-12-24 | 一种儿科心脏外科体外循环管道固定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111047691A true CN111047691A (zh) | 2020-04-21 |
Family
ID=70239089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911349399.3A Withdrawn CN111047691A (zh) | 2019-12-24 | 2019-12-24 | 一种儿科心脏外科体外循环管道固定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047691A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012114A (zh) * | 2021-03-02 | 2021-06-22 | 推想医疗科技股份有限公司 | 一种血管识别方法、装置、存储介质及电子设备 |
-
2019
- 2019-12-24 CN CN201911349399.3A patent/CN111047691A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012114A (zh) * | 2021-03-02 | 2021-06-22 | 推想医疗科技股份有限公司 | 一种血管识别方法、装置、存储介质及电子设备 |
CN113012114B (zh) * | 2021-03-02 | 2021-12-03 | 推想医疗科技股份有限公司 | 一种血管识别方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7940970B2 (en) | Method and system for automatic quality control used in computerized analysis of CT angiography | |
US7447344B2 (en) | System and method for visualization of pulmonary emboli from high-resolution computed tomography images | |
CN106485704B (zh) | 血管中心线的提取方法 | |
CN106228561B (zh) | 血管提取方法 | |
US9064300B2 (en) | Method and system for automatic determination of coronory supply regions | |
US20080103389A1 (en) | Method and system for automatic analysis of blood vessel structures to identify pathologies | |
US20110249877A1 (en) | Identifying aorta exit points from imaging data | |
CN110648338B (zh) | 图像分割方法、可读存储介质及图像处理装置 | |
CN111932554A (zh) | 一种肺部血管分割方法、设备及存储介质 | |
WO2016064921A1 (en) | Automatic detection of regions of interest in 3d space | |
CN112102275A (zh) | 肺主动脉血管图像提取方法、装置、存储介质及电子设备 | |
Lin et al. | Retinal vascular tree reconstruction with anatomical realism | |
CN115565667A (zh) | Cto介入治疗成功率的预测方法、装置、设备及介质 | |
CN111047691A (zh) | 一种儿科心脏外科体外循环管道固定系统 | |
US20050256400A1 (en) | Method to identify arterial and venous vessels | |
CN114494364A (zh) | 肝脏三维超声与ct图像配准初始化方法、装置、电子设备 | |
Karim et al. | Left atrium segmentation for atrial fibrillation ablation | |
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 | |
CN113450322B (zh) | 一种冠状动脉的起源异常判断方法和装置 | |
CN113192099B (zh) | 一种组织提取方法、装置、设备和介质 | |
CN115775219A (zh) | 医学图像分割方法、系统、电子设备及介质 | |
CN115147360A (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
CN113763324A (zh) | 图像处理方法、计算机可读存储介质、处理器和系统 | |
CN110378868B (zh) | 基于ct序列的心包分割方法及从心包序列中心层切片粗略定位心包区域的方法 | |
Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200421 |
|
WW01 | Invention patent application withdrawn after publication |