CN111062943B - 斑块稳定性的确定方法、装置及医疗设备 - Google Patents
斑块稳定性的确定方法、装置及医疗设备 Download PDFInfo
- Publication number
- CN111062943B CN111062943B CN202010189173.8A CN202010189173A CN111062943B CN 111062943 B CN111062943 B CN 111062943B CN 202010189173 A CN202010189173 A CN 202010189173A CN 111062943 B CN111062943 B CN 111062943B
- Authority
- CN
- China
- Prior art keywords
- medical
- image
- target
- pixel
- 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 45
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 95
- 238000004458 analytical method Methods 0.000 claims description 45
- 230000015654 memory Effects 0.000 claims description 31
- 238000007619 statistical method Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 8
- 208000006011 Stroke Diseases 0.000 description 5
- 208000031481 Pathologic Constriction Diseases 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000036262 stenosis Effects 0.000 description 4
- 208000037804 stenosis Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000010125 myocardial infarction Diseases 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及图像处理技术领域，具体涉及斑块稳定性的确定方法、装置及医疗设备，其中方法包括获取包括目标斑块的至少一个医学图像；其中，每个所述医学图像包括多个连续的医学子图像；依次对每个医学图像中的每个医学子图像进行血管管壁以及血管管腔的分割，并提取血管管壁与血管管腔之间的目标像素点的像素值；根据每个医学子图像对应的目标像素点的像素值，确定目标斑块的稳定性。由于血管管壁与血管管腔之间的区域能够直接地反映出目标斑块的情况，因此，通过对血管管壁与血管管腔之间的目标像素点的像素值进行分析，对确定目标斑块的稳定性具有较高的准确性。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及斑块稳定性的确定方法、装置及医疗设备。
背景技术
动脉粥样硬化疾病是引起中风和心肌梗死最主要的原因，主要由于易损斑块破裂导致的。因此，精确评估斑块的稳定性对预防中风和心肌梗死有重大的研究和临床意义。
目前，在临床上，斑块稳定性的最主要的评估指标是由于斑块造成的管腔狭窄度。具体地，通常以70%的管腔狭窄度作为分界线：管腔狭窄度高于该数值的，手术治疗有助于降低病人中风和心肌梗死的风险；而低于该数值且高于50%的，临床试验结果显示手术治疗的益处不大；管腔狭窄度在50%以下的，手术无益处。然而，绝大多数有症状的病人，其管腔狭窄度是小于70%的，即管腔狭窄度并不是全部由斑块所引起的。若按照上述评价指标，则会将绝大多数病人认定为手术治疗的益处不大，导致病人错失治疗时机。因此，用管腔狭窄度来评估斑块的稳定性具有较大的误差，导致所确定的斑块稳定性的准确率偏低。
发明内容
有鉴于此，本发明实施例提供了一种斑块稳定性的确定方法、装置及医疗设备，以解决所确定的斑块稳定性的准确性偏低的问题。
根据第一方面，本发明实施例提供了一种斑块稳定性的确定方法，包括：
获取包括目标斑块的至少一个医学图像；其中，每个所述医学图像包括多个连续的医学子图像；
依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值；
根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性。
本发明实施例提供的斑块稳定性的确定方法，由于长了目标斑块的血管，管壁增厚，即管腔管壁之间变大了会阻碍血液流动，一旦管壁受到的血液流动压力超过管壁的负荷，斑块会破裂，斑块内的一些组分会跑到血液中，导致中风；基于此通过对血管管壁与血管管腔之间的目标像素点的像素值对目标斑块的稳定性进行分析，由于血管管壁与血管管腔之间的区域能够直接地反映出目标斑块的情况，因此，通过对血管管壁与血管管腔之间的目标像素点的像素值进行分析，对确定目标斑块的稳定性具有较高的准确性。
结合第一方面，在第一方面第一实施方式中，所述根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性，包括：
基于每个所述医学子图像对应的目标像素点的像素值，形成每个所述医学图像对应的像素灰度值集合；
对所述像素灰度值集合进行统计分析，得到与每个所述医学图像对应的多个灰度值分组以及每个分组内的样本数；
基于统计分析结果，计算每个所述医学图像对应的分析参数；其中，所述分析参数包括变异系数和/或四分位变差系数；
利用每个所述医学图像对应的分析参数确定所述目标斑块的稳定性。
本发明实施例提供的斑块稳定性的确定方法，利用统计分析的方法对目标斑块的稳定性进行分析，由于用于统计分析的样本是来自于血管管壁与血管管腔之间的目标像素点的像素灰度值，能够较好地表征目标斑块的稳定性。
结合第一方面第一实施方式，在第一方面第二实施方式中，采用如下公式计算所述变异系数：
其中，
为第i个医学图像对应的变异系数；
为第i个医学图像对应的像素灰度值标准差；
为第i个医学图像对应的像素灰度值平均数；
和/或，
采用如下公式计算所述四分位变差系数：
其中，
为第i个医学图像对应的四分位变差系数；
为第i个医学图像对应的像素灰度值第三个四分位数；
为第i个医学图像对应的像素灰度值第一个四分位数。
结合第一方面第一实施方式，或第二实施方式，在第一方面第三实施方式中，所述利用每个所述医学图像对应的分析参数确定所述目标斑块的稳定性，包括：
获取每个所述医学图像对应于每个所述分析参数的权重；
利用每个所述医学图像对应于每个所述分析参数的权重以及所述分析参数，计算所述目标斑块对应的分析参数，以确定所述目标斑块的稳定性。
本发明实施例提供的斑块稳定性的确定方法，为每个医学图像对应于每个分析参数确定相应的权重，能够结合对于同一目标斑块的不同医学图像所表征出的目标斑块的情况对目标斑块进行分析，以提高所确定出的目标斑块的稳定性。
结合第一方面第三实施方式，在第一方面第四实施方式中，采用如下公式计算所述目标斑块对应的分析参数：
其中，
为所述目标斑块对应的变异系数；
为所述目标斑块对应的四分位变差系数；N为所述医学图像的数量；
为第i个医学图像对应的变异系数；
为第i个医学图像对应于变异系数的权重；
为第i个医学图像对应于四分位变差系数的权重；
为第i个医学图像对应的四分位变差系数。
结合第一方面，在第一方面第五实施方式中，所述依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值，包括：
依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，分别形成与每个所述医学子图像对应的血管管壁掩膜图像以及血管管腔掩膜图像；
基于每个所述医学子图像对应的所述血管管壁掩膜图像以及血管管腔掩膜图像，确定所述目标像素点并提取所述目标像素点的像素值。
本发明实施例提供的斑块稳定性的确定方法，利用血管管壁掩膜图像以及血管管腔掩膜图像进行目标像素点的确定，使得目标像素点的确定在掩膜图像中进行，减少了数据处理量，能够提高斑块稳定性的确定效率。
结合第一方面第五实施方式，在第一方面第六实施方式中，所述血管管壁掩膜图像内的像素点的像素值为第一预设值，所述血管管壁掩膜图像外的像素点的像素值为第二预设值；所述血管管腔掩膜图像内的像素点的像素值为所述第一预设值，所述血管管腔掩膜图像外的像素点的像素值为所述第二预设值；
其中，所述基于每个所述医学子图像对应的所述血管管壁掩膜图像以及血管管腔掩膜图像，确定所述目标像素点并提取所述目标像素点的像素值，包括：
对于每个所述医学子图像，将所述血管管壁掩膜图像的像素点为所述第一预设值且所述血管管腔掩膜图像的像素点为所述第二预设值的像素点确定为与所述目标像素点对应的像素点；
在对应的医学子图像中提取所述目标像素点的像素值。
根据第二方面，本发明实施例还提供了一种斑块稳定性的确定装置，包括：
获取模块，用于获取包括目标斑块的至少一个医学图像；其中，每个所述医学图像包括多个连续的医学子图像；
提取模块，用于依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值；
稳定性计算模块，用于根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性。
根据第三方面，本发明实施例提供了一种医疗设备，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稳定性的确定方法。
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稳定性的确定方法。
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是根据本发明实施例的斑块稳定性的确定方法的流程图；
图2是根据本发明实施例的斑块稳定性的确定方法的流程图；
图3是根据本发明实施例的斑块稳定性的确定方法的流程图；
图4是根据本发明实施例的斑块稳定性的确定装置的结构框图；
图5是本发明实施例提供的医疗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。
需要说明的是，正常血管的管腔管壁之间很窄，管壁比较薄，血液在其中正常流动；而长了斑块的血管，管壁增厚，即管腔管壁之间变大了，会阻碍血液流动，一旦管壁受到的血液流动压力超过管壁的负荷，斑块会破裂，斑块内的一些组分会跑到血液中，导致中风。基于此，由于斑块直接影响的是血管管壁与血管管腔之间的区域，因此本发明所提出的斑块稳定性的确定方法，是对血管管壁与血管管腔之间的区域进行分析，能够直接地反应出斑块的情况，以提高所确定出的斑块稳定性的准确性。
根据本发明实施例，提供了一种斑块稳定性的确定方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种斑块稳定性的确定方法，可用于医疗设备中，例如医疗平板、医疗电脑等等，图1是根据本发明实施例的斑块稳定性的确定方法的流程图，如图1所示，该流程包括如下步骤：
S11，获取包括目标斑块的至少一个医学图像。
其中，每个所述医学图像包括多个连续的医学子图像。
所述的医学图像可以是同一患者的同一部位的磁共振图像或者CT图像等等，其中磁共振图像可以是T1序列（纵向驰豫时间T1加权序列）图像、T2序列（横向驰豫时间T2加权序列）、TOF序列（时间飞逝序列）图像、PD序列图像以及T1C序列（T1对比度增强序列）图像中的至少一种。
对于每个医学图像而言，其包括多个连续的医学子图像。对于每个医学子图像而言，其能够反映出目标斑块的位置。其中，所述连续可以是采集时间的连续，也可以是图像层面的连续等等，在此对其并不做任何限制。
对于医学图像的获取可以是医疗设备实时获取或采集到的，也可以是事先存储的医疗设备中的，在此对医学图像的获取方式并不做任何限制，只需保证其能够获取包括目标斑块的医学图像即可；同样地，对获取到的医学图像的数量也不做任何限制。
S12，依次对每个医学图像中的每个医学子图像进行血管管壁以及血管管腔的分割，并提取血管管壁与血管管腔之间的目标像素点的像素值。
医疗设备在获取到医学图像之后，对每个医学图像中的医学子图像分别进行处理；即，依次对每个医学子图像进行血管管壁以及血管管腔的分割。在分割出血管管壁以及血管管腔之后，血管管壁与血管管腔之间的区域为目标斑块所影响的区域，即血管管壁与血管管腔之间的区域内的像素点为目标像素点。
其中，关于血管管壁以及血管管腔的分割可以采用阈值、区域生长、水平集等方法，在此对血管管壁以及血管管腔的分割所采用的具体方法并不做任何限制，只需保证其能够分割出血管管壁以及血管管腔即可。
医疗设备在分割出血管管壁以及血管管腔之后，可以将血管管壁与血管管腔之间的区域作为感兴趣区域，将该感兴趣区域内的所有像素点作为目标像素点；当然，医疗设备在对医学子图像进行血管管壁以及血管管腔的分割之后形成对应的掩膜图像，再利用掩膜图像确定目标像素点等等。
例如，医疗设备在S11中所获取到的医学图像为3个，分别为医学图像1、2以及3；其中，医学图像1包括医学子图像11-15；医学图像2包括医学子图像21-23；医学图像3包括医学子图像31-37。
医疗设备对医学图像1中的医学子图像11-15分别进行血管管壁以及血管管腔的分割，并依次提取医学子图像11-15中血管管壁与血管管腔之间的目标像素点的像素值；
对医学图像2中的医学子图像21-23分别进行血管管壁以及血管管腔的分割，并依次提取医学子图像21-23中血管管壁与血管管腔之间的目标像素点的像素值；
对医学图像3中的医学子图像31-37分别进行血管管壁以及血管管腔的分割，并依次提取医学子图像31-37中血管管壁与血管管腔之间的目标像素点的像素值。
S13，根据每个医学子图像对应的目标像素点的像素值，确定目标斑块的稳定性。
医疗设备在S12之后，得到每个医学图像中每个医学子图像对应的目标像素点的像素值，可以对得到的所有目标像素点的像素值进行分析，确定目标斑块的稳定性；也可以是对于每个医学图像分别进行分析得到分析结果，再将各个医学图像对应的分析结果进行结合，确定目标斑块的稳定性等等。
具体将在下文中对该步骤进行详细描述。
本实施例提供的斑块稳定性的确定方法，通过对血管管壁与血管管腔之间的目标像素点的像素值对目标斑块的稳定性进行分析，由于血管管壁与血管管腔之间的区域能够直接地反映出目标斑块的情况，因此，通过对血管管壁与血管管腔之间的目标像素点的像素值进行分析，对确定目标斑块的稳定性具有较高的准确性。
在本实施例中提供了一种斑块稳定性的确定方法，可用于上述的医疗设备，图2是根据本发明实施例的斑块稳定性的确定方法的流程图，如图2所示，该流程包括如下步骤：
S21，获取包括目标斑块的至少一个医学图像。
其中，每个所述医学图像包括多个连续的医学子图像。
详细请参见图1所示实施例的S11，在此不再赘述。
S22，依次对每个医学图像中的每个医学子图像进行血管管壁以及血管管腔的分割，并提取血管管壁与血管管腔之间的目标像素点的像素值。
详细请参见图1所示实施例的S12，在此不再赘述。
S23，根据每个医学子图像对应的目标像素点的像素值，确定目标斑块的稳定性。
医疗设备在S22中提取血管管壁与血管管腔之间的目标像素点的像素值之后，以每个医学图像为分析对象，对提取出的像素值进行统计分析，得到每个医学图像对应的分析参数，再将所有医学图像对应的分析参数结合，以确定目标斑块的稳定性。具体地，上述S23包括以下步骤：
S231，基于每个医学子图像对应的目标像素点的像素值，形成每个医学图像对应的像素灰度值集合。
医疗设备在提取出每个医学子图像对应的目标像素点的像素值时，若医学子图像为灰度图像则直接进行目标像素点的像素灰度值的提取；若医学子图像不是灰度图像，则先进行灰度图像的转化再进行目标像素点的像素灰度值的提取。在提取像素灰度值之后，得到医学子图像对应的像素灰度值；医疗设备对医学图像中的所有医学子图像进行遍历，得到医学图像中所有医学子图像对应的像素灰度值，形成像素灰度值集合。
例如，每个医学图像对应的像素灰度值集合可以表示为：
其中，
为第i个医学图像对应的像素灰度值集合；
为第i个医学图像中的第k个医学子图像；
为第i个医学图像中的第k个医学子图像对应的目标像素点的像素灰度值。
S232，对像素灰度值集合进行统计分析，得到与每个医学图像对应的多个灰度值分组以及每个分组内的样本数。
医学设备在S231中得到每个医学图像对应的像素灰度值集合
，再对每个医学图像对应的像素灰度值集合之后，对其进行统计分析，即得到与每个医学图像对应的多个灰度值分组以及每个分组内的样本数。例如，对每个像素灰度值集合进行直方图统计，得到n个分组以及每个分组内的样本数。
S233，基于统计分析结果，计算每个医学图像对应的分析参数。
其中，所述分析参数包括变异系数和/或四分位变差系数。
医学设备在得到对应于每个像素灰度值集合的统计分析结果之后，利用统计分析结果计算每个医学图像对应的分析参数。所述的分析参数为变异参数以及四分位变差系数中的至少一种。当然，也可以利用统计分析结果计算其他分析参数，在此对分析参数并不做任何限制。
具体地，变异系数可以采用如下公式计算：
其中，
为第i个医学图像对应的变异系数；
为第i个医学图像对应的像素灰度值标准差；
为第i个医学图像对应的像素灰度值平均数。
采用如下公式计算所述四分位变差系数：
其中，
为第i个医学图像对应的四分位变差系数；
为第i个医学图像对应的像素灰度值第三个四分位数；
为第i个医学图像对应的像素灰度值第一个四分位数。
以第i个医学图像对应的像素灰度值集合为例，该像素灰度值集合包括n个元素，其中，
相应地，
的值为：像素灰度值集合中对应位置的像素灰度值；
的值为：像素灰度值集合中对应位置的像素灰度值。
S234，利用每个医学图像对应的分析参数确定目标斑块的稳定性。
医疗设备在计算得到每个医学图像对应的分析参数之后，再计算所有医学图像对应的分析参数。具体地，上述S234可以包括如下步骤：
（1）获取每个所述医学图像对应于每个分析参数的权重。
如上文所述，每个医学图像对应于2个分析参数，分别为变异系数以及四分位变差系数；那么，对应于每个变异系数设置相应的权重。
（2）利用每个医学图像对应于每个分析参数的权重以及分析参数，计算目标斑块对应的分析参数，以确定目标斑块的稳定性。
具体地，采用如下公式计算目标斑块对应的分析参数：
其中，
为所述目标斑块对应的变异系数；
为所述目标斑块对应的四分位变差系数；N为所述医学图像的数量；
为第i个医学图像对应的变异系数；
为第i个医学图像对应于变异系数的权重；
为第i个医学图像对应于四分位变差系数的权重；
为第i个医学图像对应的四分位变差系数。
医疗设备在计算得到目标斑块对应的分析参数之后，可以将分析参数与预设值进行比较，以确定目标斑块的稳定性。
本实施例提供的斑块稳定性的确定方法，利用统计分析的方法对目标斑块的稳定性进行分析，由于用于统计分析的样本是来自于血管管壁与血管管腔之间的目标像素点的像素灰度值，能够较好地表征目标斑块的稳定性。
在本实施例中提供了一种斑块稳定性的确定方法，可用于上述的医疗设备，图3是根据本发明实施例的斑块稳定性的确定方法的流程图，如图3所示，该流程包括如下步骤：
S31，获取包括目标斑块的至少一个医学图像。
其中，每个所述医学图像包括多个连续的医学子图像。
详细请参见图2所示实施例的S21，在此不再赘述。
S32，依次对每个医学图像中的每个医学子图像进行血管管壁以及血管管腔的分割，并提取血管管壁与所述血管管腔之间的目标像素点的像素值。
具体地，上述S32包括以下步骤：
S321，依次对每个医学图像中的每个医学子图像进行血管管壁以及血管管腔的分割，分别形成与每个医学子图像对应的血管管壁掩膜图像以及血管管腔掩膜图像。
具体分割方式请参见图1所示实施例的S12所述，在此不再赘述。
医疗设备在对每个医学子图像进行血管管壁以及血管管腔的分割之后，形成血管管壁的掩膜图像以及血管管腔的掩膜图像。其中，血管管壁的掩膜图像为血管管壁的边界及其内部的区域，血管管腔的掩膜图像为血管管腔的边界及其内部的区域。
S322，基于每个医学子图像对应的血管管壁掩膜图像以及血管管腔掩膜图像，确定目标像素点并提取目标像素点的像素值。
在得到对应的掩膜图像之后，以掩膜图像作为分析的基础，确定目标像素点。掩膜图像中各个像素点的像素值可以是医学子图像中对应像素点的像素值，也可以是自定义的像素值。
可选地，所述血管管壁掩膜图像内的像素点的像素值为第一预设值，所述血管管壁掩膜图像外的像素点的像素值为第二预设值；所述血管管腔掩膜图像内的像素点的像素值为所述第一预设值，所述血管管腔掩膜图像外的像素点的像素值为所述第二预设值。其中，以第一预设值为1，第二预设值为0为例。上述S322可以包括如下步骤：
（1）对于每个医学子图像，将血管管壁掩膜图像的像素点为第一预设值且血管管腔掩膜图像的像素点为第二预设值的像素点确定为与目标像素点对应的像素点。
例如，与目标像素点对应的像素点可以表示为：
其中，
为血管管腔掩膜图像中的第i行第j列像素点的像素值，
为血管管壁掩膜图像中的第i行第j列像素点的像素值。
即，医疗设备利用掩膜图像的像素值确定出目标像素点在掩膜图像中的对应位置。
（2）在对应的医学子图像中提取目标像素点的像素值。
利用掩膜图像与医学子图像的对应关系，即可从医学子图像中提取目标像素点的像素值。
S33，根据每个医学子图像对应的目标像素点的像素值，确定目标斑块的稳定性。
详细请参见图2所示实施例的S23，在此不再赘述。
本实施例提供的斑块稳定性的确定方法，利用血管管壁掩膜图像以及血管管腔掩膜图像进行目标像素点的确定，使得目标像素点的确定在掩膜图像中进行，减少了数据处理量，能够提高斑块稳定性的确定效率。
在本实施例中还提供了一种斑块稳定性的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种斑块稳定性的确定装置，如图4所示，包括：
获取模块41，用于获取包括目标斑块的至少一个医学图像；其中，每个所述医学图像包括多个连续的医学子图像；
提取模块42，用于依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值；
确定模块43，用于根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性。
本实施例提供的斑块稳定性的确定装置，通过对血管管壁与血管管腔之间的目标像素点的像素值对目标斑块的稳定性进行分析，由于血管管壁与血管管腔之间的区域能够直接地反映出目标斑块的情况，因此，通过对血管管壁与血管管腔之间的目标像素点的像素值进行分析，对确定目标斑块的稳定性具有较高的准确性
本实施例中的斑块稳定性的确定装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本发明实施例还提供一种医疗设备，具有上述图4所示的斑块稳定性的确定装置。
请参阅图5，图5是本发明可选实施例提供的一种医疗设备的结构示意图，如图5所示，该医疗设备可以包括：至少一个处理器51 ，例如CPU（Central Processing Unit，中央处理器），至少一个通信接口53 ，存储器54 ，至少一个通信总线52 。其中，通信总线52 用于实现这些组件之间的连接通信。其中，通信接口53 可以包括显示屏（Display）、键盘（Keyboard），可选通信接口53 还可以包括标准的有线接口、无线接口。存储器54 可以是高速RAM存储器（Random Access Memory，易挥发性随机存取存储器），也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器54 可选的还可以是至少一个位于远离前述处理器51 的存储装置。其中处理器51 可以结合图4所描述的装置，存储器54 中存储应用程序，且处理器51 调用存储器54 中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线52 可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。通信总线52 可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器54 可以包括易失性存储器（英文：volatile memory），例如随机存取存储器（英文：random-access memory，缩写：RAM）；存储器也可以包括非易失性存储器（英文：non-volatile memory），例如快闪存储器（英文：flash memory），硬盘（英文：hard diskdrive，缩写：HDD）或固态硬盘（英文：solid-state drive，缩写：SSD）；存储器54 还可以包括上述种类的存储器的组合。
其中，处理器51 可以是中央处理器（英文：central processing unit，缩写：CPU），网络处理器（英文：network processor，缩写：NP）或者CPU和NP的组合。
其中，处理器51 还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路（英文：application-specific integrated circuit，缩写：ASIC），可编程逻辑器件（英文：programmable logic device，缩写：PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（英文：complex programmable logic device，缩写：CPLD），现场可编程逻辑门阵列（英文：field-programmable gate array，缩写：FPGA），通用阵列逻辑（英文：generic arraylogic, 缩写：GAL）或其任意组合。
可选地，存储器54 还用于存储程序指令。处理器51 可以调用程序指令，实现如本申请图1至3实施例中所示的斑块稳定性的确定方法。
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的斑块稳定性的确定方法。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 Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（HardDisk 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。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (9)
1.一种斑块稳定性的确定方法，其特征在于，包括：
获取包括目标斑块的至少一个医学图像；其中，每个所述医学图像包括多个连续的医学子图像；
依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值；
根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性；
其中，所述根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性，包括：
基于每个所述医学子图像对应的目标像素点的像素值，形成每个所述医学图像对应的像素灰度值集合；
对所述像素灰度值集合进行统计分析，得到与每个所述医学图像对应的多个灰度值分组以及每个分组内的样本数；
基于统计分析结果，计算每个所述医学图像对应的分析参数；其中，所述分析参数包括变异系数和/或四分位变差系数；
利用每个所述医学图像对应的分析参数确定所述目标斑块的稳定性；
其中，所述四分位变差系数采用如下公式计算：
其中，
为第i个医学图像对应的四分位变差系数；
为第i个医学图像对应的像素灰度值第三个四分位数；
为第i个医学图像对应的像素灰度值第一个四分位数。
2.根据权利要求1所述的方法，其特征在于，采用如下公式计算所述变异系数：
其中，
为第i个医学图像对应的变异系数；
为第i个医学图像对应的像素灰度值标准差；
为第i个医学图像对应的像素灰度值平均数。
3.根据权利要求1或2所述的方法，其特征在于，所述利用每个所述医学图像对应的分析参数确定所述目标斑块的稳定性，包括：
获取每个所述医学图像对应于每个所述分析参数的权重；
利用每个所述医学图像对应于每个所述分析参数的权重以及所述分析参数，计算所述目标斑块对应的分析参数，以确定所述目标斑块的稳定性。
4.根据权利要求3所述的方法，其特征在于，采用如下公式计算所述目标斑块对应的分析参数：
其中，
为所述目标斑块对应的变异系数；
为所述目标斑块对应的四分位变差系数；N为所述医学图像的数量；
为第i个医学图像对应的变异系数；
为第i个医学图像对应于变异系数的权重；
为第i个医学图像对应于四分位变差系数的权重；
为第i个医学图像对应的四分位变差系数。
5.根据权利要求1所述的方法，其特征在于，所述依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值，包括：
依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，分别形成与每个所述医学子图像对应的血管管壁掩膜图像以及血管管腔掩膜图像；
基于每个所述医学子图像对应的所述血管管壁掩膜图像以及血管管腔掩膜图像，确定所述目标像素点并提取所述目标像素点的像素值。
6.根据权利要求5所述的方法，其特征在于，所述血管管壁掩膜图像内的像素点的像素值为第一预设值，所述血管管壁掩膜图像外的像素点的像素值为第二预设值；所述血管管腔掩膜图像内的像素点的像素值为所述第一预设值，所述血管管腔掩膜图像外的像素点的像素值为所述第二预设值；
其中，所述基于每个所述医学子图像对应的所述血管管壁掩膜图像以及血管管腔掩膜图像，确定所述目标像素点并提取所述目标像素点的像素值，包括：
对于每个所述医学子图像，将所述血管管壁掩膜图像的像素点为所述第一预设值且所述血管管腔掩膜图像的像素点为所述第二预设值的像素点确定为与所述目标像素点对应的像素点；
在对应的医学子图像中提取所述目标像素点的像素值。
7.一种斑块稳定性的确定装置，其特征在于，包括：
获取模块，用于获取包括目标斑块的至少一个医学图像；其中，每个所述医学图像包括多个连续的医学子图像；
提取模块，用于依次对每个医学图像中的每个所述医学子图像进行血管管壁以及血管管腔的分割，并提取所述血管管壁与所述血管管腔之间的目标像素点的像素值；
稳定性计算模块，用于根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性；其中，所述根据每个所述医学子图像对应的目标像素点的像素值，确定所述目标斑块的稳定性，包括：基于每个所述医学子图像对应的目标像素点的像素值，形成每个所述医学图像对应的像素灰度值集合；
对所述像素灰度值集合进行统计分析，得到与每个所述医学图像对应的多个灰度值分组以及每个分组内的样本数；
基于统计分析结果，计算每个所述医学图像对应的分析参数；其中，所述分析参数包括变异系数和/或四分位变差系数；
利用每个所述医学图像对应的分析参数确定所述目标斑块的稳定性；
其中，所述四分位变差系数采用如下公式计算：
其中，
为第i个医学图像对应的四分位变差系数；
为第i个医学图像对应的像素灰度值第三个四分位数；
为第i个医学图像对应的像素灰度值第一个四分位数。
8.一种医疗设备，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1-6中任一项所述的斑块稳定性的确定方法。
9.一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计算机执行权利要求1-6中任一项所述的斑块稳定性的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010189173.8A CN111062943B (zh) | 2020-03-18 | 2020-03-18 | 斑块稳定性的确定方法、装置及医疗设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010189173.8A CN111062943B (zh) | 2020-03-18 | 2020-03-18 | 斑块稳定性的确定方法、装置及医疗设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062943A CN111062943A (zh) | 2020-04-24 |
| CN111062943B true CN111062943B (zh) | 2020-06-09 |
Family
ID=70307955
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010189173.8A Active CN111062943B (zh) | 2020-03-18 | 2020-03-18 | 斑块稳定性的确定方法、装置及医疗设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062943B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010062557A2 (en) * | 2008-10-27 | 2010-06-03 | University Of Virginia Patent Foundation | Multimodal imaging of atherosclerotic plaque targeted to lox-1 |
| CN101882303A (zh) * | 2010-06-03 | 2010-11-10 | 董永平 | 一种自适应滤波器实现多波段图像自动分割的方法 |
| CN104968276A (zh) * | 2013-02-28 | 2015-10-07 | 株式会社日立医疗器械 | 图像处理装置以及区域抽出方法 |
| 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 |
| CN109635846A (zh) * | 2018-11-16 | 2019-04-16 | 哈尔滨工业大学（深圳） | 一种多类医学图像判断方法和系统 |
| CN110163872A (zh) * | 2019-05-14 | 2019-08-23 | 西南科技大学 | 一种hrmr图像分割与三维重建的方法及电子设备 |
| CN110522449A (zh) * | 2019-10-29 | 2019-12-03 | 南京景三医疗科技有限公司 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-03-18 CN CN202010189173.8A patent/CN111062943B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010062557A2 (en) * | 2008-10-27 | 2010-06-03 | University Of Virginia Patent Foundation | Multimodal imaging of atherosclerotic plaque targeted to lox-1 |
| CN101882303A (zh) * | 2010-06-03 | 2010-11-10 | 董永平 | 一种自适应滤波器实现多波段图像自动分割的方法 |
| CN104968276A (zh) * | 2013-02-28 | 2015-10-07 | 株式会社日立医疗器械 | 图像处理装置以及区域抽出方法 |
| 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 |
| CN109635846A (zh) * | 2018-11-16 | 2019-04-16 | 哈尔滨工业大学（深圳） | 一种多类医学图像判断方法和系统 |
| CN110163872A (zh) * | 2019-05-14 | 2019-08-23 | 西南科技大学 | 一种hrmr图像分割与三维重建的方法及电子设备 |
| CN110522449A (zh) * | 2019-10-29 | 2019-12-03 | 南京景三医疗科技有限公司 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Data Processing Pipeline for Lipid Profiling of Carotid Atherosclerotic Plaque with Mass Spectrometry Imaging;Mirjam Visscher等;《Journal of the American Society for Mass Spectrometry》;20190627;第30卷(第9期);第1790-1800页 * |
| RISK MARKER VARIABILITY IN SUBCLINICAL CAROTID PLAQUES BASED ON ULTRASOUND IS INFLUENCED BY CARDIAC PHASE, ECHOGENICITY AND SIZE;EMMA NYMAN等;《Elsevier Inc.on behalf of World Federation for Ulstrasound in Medicine & Biology》;20180316;第1742-1750页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062943A (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021017307A1 (zh) | 非接触性心率检测方法、系统、设备及存储介质 | |
| CN111127527B (zh) | 基于ct影像骨骼配准实现肺结节自适应匹配的方法与装置 | |
| CN111598853B (zh) | 针对肺炎的ct影像评分方法、装置及设备 | |
| KR101530015B1 (ko) | 컴퓨터 단층촬영 이미지의 밀도 분석 방법 | |
| US11967181B2 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
| CN112132265B (zh) | 模型训练方法、杯盘比确定方法、装置、设备及存储介质 | |
| CN115760858B (zh) | 基于深度学习的肾脏病理切片细胞识别方法及系统 | |
| CN111062963A (zh) | 一种血管提取方法、系统、设备及存储介质 | |
| KR101571151B1 (ko) | 컴퓨터 단층촬영 이미지의 아티팩트 제거 방법 | |
| WO2021184799A1 (zh) | 医学图像处理方法、装置、设备及存储介质 | |
| CN110956636A (zh) | 一种图像处理方法及装置 | |
| US20220301177A1 (en) | Updating boundary segmentations | |
| CN113538277A (zh) | 一种基于神经网络的断层扫描图降噪方法及装置 | |
| CN111462201A (zh) | 基于新型冠状病毒肺炎ct影像的随访分析系统及方法 | |
| CN113256670A (zh) | 图像处理方法及装置、网络模型的训练方法及装置 | |
| US20150199587A1 (en) | Image processing device, image processing method, and image processing program | |
| CN113724203B (zh) | 应用于oct图像中目标特征分割的模型训练方法及装置 | |
| CN113469963B (zh) | 肺动脉图像分割方法及装置 | |
| CN111062943B (zh) | 斑块稳定性的确定方法、装置及医疗设备 | |
| US20240005510A1 (en) | Method and apparatus of nidus segmentation, electronic device, and storage medium | |
| JP5961512B2 (ja) | 画像処理装置およびその作動方法並びに画像処理プログラム | |
| CN112634231A (zh) | 一种图像分类方法、装置、终端设备和存储介质 | |
| CN115762787A (zh) | 基于眼睑拓扑形态分析的眼睑疾病手术疗效评估方法和系统 | |
| CN115439423A (zh) | 一种基于ct图像的识别方法、装置、设备及存储介质 | |
| CN115131361A (zh) | 目标分割模型的训练、病灶分割方法及装置 |
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 |