CN111062979B - 基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 - Google Patents
基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 Download PDFInfo
- Publication number
- CN111062979B CN111062979B CN201911156711.7A CN201911156711A CN111062979B CN 111062979 B CN111062979 B CN 111062979B CN 201911156711 A CN201911156711 A CN 201911156711A CN 111062979 B CN111062979 B CN 111062979B
- Authority
- CN
- China
- Prior art keywords
- thrombus
- physical characteristic
- medical image
- parameter
- characteristic parameters
- 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
- 208000007536 Thrombosis Diseases 0.000 title claims abstract description 211
- 238000007794 visualization technique Methods 0.000 title claims abstract description 16
- 238000012800 visualization Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 7
- 239000011295 pitch Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 8
- 230000002537 thrombolytic effect Effects 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 229920002678 cellulose Polymers 0.000 description 3
- 239000001913 cellulose Substances 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001772 blood platelet Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 208000023589 ischemic disease Diseases 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于医学影像获取血栓物理特性参数的可视化方法和可视化系统，可视化方法包括：获取医学影像，勾勒所述医学影像中血栓体素的感兴趣区，根据所述医学影像中血栓体素的感兴趣区计算血栓物理特性参数，根据所述血栓物理特性参数输出参数图。根据医学影像中血栓体素的感兴趣区进行勾勒，可以将血栓医学影像中关于血栓的信息转化成直观明显的血栓物理特性参数，可以在未获取血栓标本之前进行血栓物理特征的评估，并形成可视化参数图。在进行血栓溶解或者开通前，提前预测相应治疗方式的成功率，以帮助医生选择合适的治疗方法或器械，达到精准治疗、个体化治疗的效果。
Description
技术领域
本发明涉及血栓检测技术领域，尤其是涉及一种基于医学影像获取血栓物理特性参数的可视化方法和可视化系统。
背景技术
人体血管内血栓形成是导致各种缺血性疾病的主要原因，发生在心脏或脑部的血栓会引起严重的心脑血管疾病，导致死亡或者残疾。相关技术中针对血栓形成治疗的方法有限，一种是采用纤维素溶解药物通过动脉或静脉注入血管内，使这种药物与血栓接触，从而达到溶解血栓的目的；另一种为血管内机械治疗，即通过一定的物理装置到达血管内血栓形成的部分，将血栓击碎，或者打通，从而去除血栓。而治疗的效果个体之间差异较大，主要原因为血栓本身特性的不同，尤其使物理特性的不同，在相同的治疗方式下，血栓溶解或者开通的几率存在差别，在治疗前如果能够获取血栓的物理特性，可以指导医生选择合适的治疗方法或者治疗器械，提高治疗的成功率。
血栓物理特性主要与形成的时间长短以及内容物有关，血栓内容物主要包括红细胞、白细胞、血小板及纤维素，随着形成时间的推移，血栓逐渐主要由纤维素组成，血栓内容物含量的不同、不同的排列方式决定了血栓的物理特性，主要包括血栓紧密度，血栓硬度等。由于血管内血栓无法取出，传统的测量物体物理特性的方法无法使用。医学影像包括计算机断层成像或核磁共振成像能够对无创的对血栓进行成像，但无法直接判断血栓的物理特性。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此，本发明的一个目的在于提出一种基于医学影像获取血栓物理特性参数的可视化方法，所述可视化方法可以根据医学影像获取血栓的物理特性参数，实现血栓的无创评估。
本发明还提出了一种基于医学影像获取血栓物理特性参数的可视化系统。
根据本发明第一方面实施例的基于医学影像获取血栓物理特性参数的可视化方法，包括：S1：获取医学影像；S2：勾勒所述医学影像中血栓体素的感兴趣区；S3：根据所述医学影像中血栓体素的感兴趣区计算血栓物理特性参数；S4：根据所述血栓物理特性参数输出参数图。
根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化方法，根据医学影像中血栓体素的感兴趣区进行勾勒，可以将血栓医学影像中关于血栓的信息转化成直观明显的血栓物理特性参数，可以在未获取血栓标本之前进行血栓物理特征的评估，并形成可视化参数图。在进行血栓溶解或者开通前，提前预测相应治疗方式的成功率，以帮助医生选择合适的治疗方法或器械，达到精准治疗、个体化治疗的效果，而且无需手术提取血栓标本，无创便可对血栓进行定量评估，可以减轻病人的痛苦。
根据本发明的一些实施例，所述医学影像为分子影像、红外影像或超声波影像。
根据本发明的一些实施例，在所述步骤S1和步骤S2之间，还包括：步骤S11：对所述医学影像进行滤波预处理。
根据本发明的一些实施例，在所述步骤S2中，根据所述医学影像的图像灰度特征，勾勒所述医学影像中血栓体素的感兴趣区。
根据本发明的一些实施例，在所述步骤S3中，采用纹理分析二阶特征模型，根据血栓体素信号强弱、体素位置以及空间相关性，计算血栓物理特性参数。
根据本发明的一些实施例，所述血栓物理特性参数包括获取血栓局部同质性参数、血栓灰度分布均匀程度和纹理粗细度参数、血栓致密度参数和血栓熵值参数中的至少一种。
根据本发明的一些实施例，在所述步骤S4中，对每个体素的原始计算值进行伪彩色显示，形成所述参数图。
根据本发明的一些实施例，所述步骤S3包括：S31：获取感兴趣区空间关系的灰度共生矩阵：
P(i，j)＝#{(x1，y1)，(x2，y2)∈M×N|f(x1，y1)＝i，f(x2，y2)＝j}
其中，#(x)表示血栓图x中的体素个数，P为Ng×Ng的矩阵，i，j＝1,2,3，……，Ng，(x1，y1)与(x2，y2)间距离为d，d＝1，两者与横坐标的夹角为θ，则各种间距及角度的灰度共生矩阵为P(i，j，d，θ)，定义μx，μy，σx，σy为共生矩阵行和列的均数和方差；S32：获取血栓局部同质性参数f1，获取血栓灰度分布均匀程度和纹理粗细度参数f2，获取血栓致密度参数f3，/>获取血栓熵值参数f4，/>S33：计算f1、f2、f3和f4在θ为0°、45°、90°和135°四个方向的平均值。
根据本发明的一些实施例，在所述步骤S4中，根据血栓物理特性参数对每个体素的原始计算值进行伪彩色显示，生成血栓物理特性参数f1、f2、f3和f4的参数图。
根据本发明第二方面实施例的基于医学影像获取血栓物理特性参数的可视化系统，包括：血栓勾画模块、特征计算单元和参数图输出模块，所述血栓勾画模块根据医学影像的灰度特征勾勒医学影像中血栓体素的感兴趣区，所述特征计算单元根据医学影像中血栓体素的感兴趣区计算血栓物理特性参数，所述参数图输出模块根据所述血栓物理特性参数对每个体素的原始计算值进行伪彩色显示，形成参数图。
根据本发明的一些实施例，所述特征计算单元采用纹理分析二阶特征模型，根据血栓体素信号强弱、体素位置以及空间相关性，获取血栓物理特性参数，参数图输出模块生成参数图。
根据本发明的一些实施例，所述特征计算单元根据医学影像中血栓体素的感兴趣区的空间关系的灰度共生矩阵计算血栓物理特性参数，血栓体素的感兴趣区的空间关系的灰度共生矩阵为：
P(i，j)＝#{(x1，y1)，(x2，y2)∈M×N|f(x1，y1)＝i，f(x2，y2)＝j}
其中，#(x)表示血栓图x中的体素个数，P为Ng×Ng的矩阵，i，j＝1,2,3，……，Ng，(x1，y1)与(x2，y2)间距离为d，d＝1，两者与横坐标的夹角为θ，则各种间距及角度的灰度共生矩阵为P(i，j，d，θ)，定义μx，μy，σx，σy为共生矩阵行和列的均数和方差；血栓局部同质性参数为f1，血栓灰度分布均匀程度和纹理粗细度参数为f2，血栓致密度参数为f3，/>血栓熵值参数为f4，/>血栓物理特性参数包括f1、f2、f3和f4在θ为0°、45°、90°和135°四个方向的平均值。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化方法的流程图；
图2是根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化系统的结构示意图。
附图标记：
1：血栓勾画模块；2：特征计算单元；3：参数图输出模块。
具体实施方式
下面详细描述本发明的实施例，参考附图描述的实施例是示例性的，下面详细描述本发明的实施例。
下面参考图1描述根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化方法。
如图1所示，可视化方法具体包括以下步骤：S1：获取医学影像，医学影像可以是CT影像或MRI中T1WI序列图像，也可以是分子影像、红外影像或超声波影像；S2：勾勒医学影像中血栓体素的感兴趣区；S3：根据医学影像中血栓体素的感兴趣区计算血栓物理特性参数，通过对医学影像或图像中的灰度区域进行识别与分析，获取医学影像参数对应血栓的物理特性参数；S4：根据血栓物理特性参数输出参数图。
由此，根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化方法，根据医学影像中血栓体素的感兴趣区进行勾勒，可以将血栓医学影像中关于血栓的信息转化成直观明显的血栓物理特性参数，可以在未获取血栓标本之前进行血栓物理特征的评估，并形成可视化参数图。在进行血栓溶解或者开通前，提前预测相应治疗方式的成功率，以帮助医生选择合适的治疗方法或器械，达到精准治疗、个体化治疗的效果，而且无需手术提取血栓标本，无创便可对血栓进行定量评估，可以减轻病人的痛苦。
根据本发明的一些实施例，在步骤S1和步骤S2之间，还包括：步骤S11：对医学影像进行滤波预处理，通过对医学影像进行滤波预处理，可以使得医学图像中的不同区域之间的区别变得更加明显，便于勾勒医学影像中血栓体素的感兴趣区，由此可以提升血栓物理特性参数的计算准确性。
根据本发明的一些实施例，在步骤S2中，根据医学影像的图像灰度特征，在拍摄CT影像、MR影像、分子影像、红外影像或超声波影像时，不同身体组织对应区域的影像灰度不同，根据影像的灰度勾勒医学影像中血栓体素的感兴趣区，较为直接，且方法较为简单，容易实现。
根据本发明的一些实施例，在步骤S3中，采用纹理分析二阶特征模型，根据血栓体素信号强弱、体素位置以及空间相关性，计算血栓物理特性参数，利用纹理分析二阶特征模型分析灰度影响，可以准确的获取不同灰度区域的面积以及不同区域灰度对应的血栓实际情况。
根据本发明的一些实施例，血栓物理特性参数包括获取血栓局部同质性参数、血栓灰度分布均匀程度和纹理粗细度参数、血栓致密度参数和血栓熵值参数中的至少一种。通过获取血栓局部同质性参数、血栓灰度分布均匀程度和纹理粗细度参数、血栓致密度参数和血栓熵值参数，可以了解血栓的分布情况、位置、硬度等，根据这些物理特性参数可以为医生诊断血栓，或是制定血栓的清除方法提供参考，在进行血栓溶解或者开通前，提前预测相应治疗方式的成功率，以帮助医生选择合适的治疗方法或器械，达到精准治疗、个体化治疗的效果。
根据本发明的一些实施例，在步骤S4中，对每个体素的原始计算值进行伪彩色显示，形成参数图，通过对每个体素的原始计算值进行伪彩色显示可以使得参数图变得更加直观，有利于医生更清楚的了解血栓的情况。
根据本发明的一些实施例，步骤S3包括：S31：获取感兴趣区空间关系的灰度共生矩阵：
P(i，j)＝#{(x1，y1)，(x2，y2)∈M×N|f(x1，y1)＝i，f(x2，y2)＝j}
其中，#(x)表示血栓图x中的体素个数，P为Ng×Ng的矩阵，i，j＝1,2,3，……，Ng，(x1，y1)与(x2，y2)间距离为d，d＝1，两者与横坐标的夹角为θ，则各种间距及角度的灰度共生矩阵为P(i，j，d，θ)，定义μx，μy，σx，σy为共生矩阵行和列的均数和方差；S32：获取血栓局部同质性参数f1，获取血栓灰度分布均匀程度和纹理粗细度参数f2，获取血栓致密度参数f3，/>获取血栓熵值参数f4，/>S33：计算f1、f2、f3和f4在θ为0°、45°、90°和135°四个方向的平均值，上述四个方向的参数平均值可以准确地描述血栓的实际情况。
根据本发明的一些实施例，在步骤S4中，根据血栓物理特性参数对每个体素的原始计算值进行伪彩色显示，生成血栓物理特性参数f1、f2、f3和f4的参数图。利用参数图描述血栓局部同质性参数、血栓灰度分布均匀程度和纹理粗细度参数、血栓致密度参数和血栓熵值参数，可以了解血栓的分布情况、位置、硬度等，根据这些物理特性参数可以为医生诊断血栓，或是制定血栓的清除方法提供参考，在进行血栓溶解或者开通前，提前预测相应治疗方式的成功率，以帮助医生选择合适的治疗方法或器械，达到精准治疗、个体化治疗的效果。
下面参照附图2描述根据本发明第二方面实施例的基于医学影像获取血栓物理特性参数的可视化系统。
如图2所示，根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化系统，包括：血栓勾画模块1、特征计算单元2和参数图输出模块3。
血栓勾画模块1根据医学影像的灰度特征勾勒医学影像中血栓体素的感兴趣区，特征计算单元2根据医学影像中血栓体素的感兴趣区计算血栓物理特性参数，参数图输出模块3根据血栓物理特性参数对每个体素的原始计算值进行伪彩色显示，形成参数图。
由此，根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化系统，利用血栓勾画模块1和特征计算单元2对医学影像进行勾画与处理，可以将血栓医学影像中关于血栓的信息转化成直观明显的血栓物理特性参数，可以在未获取血栓标本之前进行血栓物理特征的评估，并形成可视化参数图。可以在进行血栓溶解或者开通前，提前预测相应治疗方式的成功率，以帮助医生选择合适的治疗方法或器械，达到精准治疗、个体化治疗的效果。而且无需手术提取血栓标本，无创便可对血栓进行定量评估，可以减轻病人的痛苦。
根据本发明的一些实施例，特征计算单元2采用纹理分析二阶特征模型，根据血栓体素信号强弱、体素位置以及空间相关性，获取血栓物理特性参数，参数图输出模块3生成参数图。利用纹理分析二阶特征模型分析灰度影响，可以准确的获取不同灰度区域的面积以及不同区域灰度对应的血栓实际情况。
根据本发明的一些实施例，特征计算单元2根据医学影像中血栓体素的感兴趣区的空间关系的灰度共生矩阵计算血栓物理特性参数，血栓体素的感兴趣区的空间关系的灰度共生矩阵为：
P(i，j)＝#{(x1，y1)，(x2，y2)∈M×N|f(x1，y1)＝i，f(x2，y2)＝j}
其中，#(x)表示血栓图x中的体素个数，P为Ng×Ng的矩阵，i，j＝1,2,3，……，Ng，(x1，y1)与(x2，y2)间距离为d，d＝1，两者与横坐标的夹角为θ，则各种间距及角度的灰度共生矩阵为P(i，j，d，θ)，定义μx，μy，σx，σy为共生矩阵行和列的均数和方差；血栓局部同质性参数为f1，血栓灰度分布均匀程度和纹理粗细度参数为f2，血栓致密度参数为f3，/>血栓熵值参数为f4，/>血栓物理特性参数包括f1、f2、f3和f4在θ为0°、45°、90°和135°四个方向的平均值，上述四个方向的参数平均值可以准确地描述血栓的实际情况。
在一些具体实施例中，也可以采用手术将血栓，然后根据血栓获取医学影像，再对医学影像进行处理获取参数。
根据本发明实施例的基于医学影像获取血栓物理特性参数的可视化方法和可视化系统的其他构成以及操作对于本领域普通技术人员而言都是已知的，这里不再详细描述。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，“第一特征”、“第二特征”可以包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上。在本发明的描述中，第一特征在第二特征“之上”或“之下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。在本发明的描述中，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种基于医学影像获取血栓物理特性参数的可视化方法，其特征在于，包括：
S1：获取医学影像；
S2：勾勒所述医学影像中血栓体素的感兴趣区；
在所述步骤S2中，根据所述医学影像的图像灰度特征，勾勒所述医学影像中血栓体素的感兴趣区；
S3：根据所述医学影像中血栓体素的感兴趣区计算血栓物理特性参数；
所述步骤S3包括：
S31：获取感兴趣区空间关系的灰度共生矩阵：
P(i，j)＝#{(x1，y1)，(x2，y2)∈M×N|f(x1，y1)＝i，f(x2，y2)＝j}
其中，#(x)表示血栓图x中的体素个数，P为Ng×Ng的矩阵，i，j＝1,2,3，……，Ng，(x1，y1)与(x2，y2)间距离为d，d＝1，两者与横坐标的夹角为θ，则各种间距及角度的灰度共生矩阵为P(i，j，d，θ)，定义μx，μy，σx，σy为共生矩阵行和列的均数和方差；
S32：获取血栓局部同质性参数f1，
获取血栓灰度分布均匀程度和纹理粗细度参数f2，
获取血栓致密度参数f3，
获取血栓熵值参数f4，
其中，R表示血栓图中相邻体素对的总数；
S33：计算f1、f2、f3和f4在θ为0°、45°、90°和135°四个方向的平均值；
S4：对每个体素的原始计算值进行伪彩色显示，形成参数图。
2.根据权利要求1所述的基于医学影像获取血栓物理特性参数的可视化方法，其特征在于，所述医学影像为分子影像、红外影像或超声波影像。
3.根据权利要求1所述的基于医学影像获取血栓物理特性参数的可视化方法，其特征在于，在所述步骤S1和步骤S2之间，还包括：
步骤S11：对所述医学影像进行滤波预处理。
4.根据权利要求1所述的基于医学影像获取血栓物理特性参数的可视化方法，其特征在于，所述血栓物理特性参数包括获取血栓局部同质性参数、血栓灰度分布均匀程度和纹理粗细度参数、血栓致密度参数和血栓熵值参数中的至少一种。
5.根据权利要求1所述的基于医学影像获取血栓物理特性参数的可视化方法，其特征在于，在所述步骤S4中，根据血栓物理特性参数对每个体素的原始计算值进行伪彩色显示，生成血栓物理特性参数f1、f2、f3和f4的参数图。
6.一种基于医学影像获取血栓物理特性参数的可视化系统，其特征在于，包括：
血栓勾画模块，所述血栓勾画模块根据医学影像的灰度特征勾勒医学影像中血栓体素的感兴趣区；
特征计算单元，所述特征计算单元根据医学影像中血栓体素的感兴趣区计算血栓物理特性参数；
参数图输出模块，所述参数图输出模块根据所述血栓物理特性参数对每个体素的原始计算值进行伪彩色显示，形成参数图；
所述特征计算单元采用纹理分析二阶特征模型，根据血栓体素信号强弱、体素位置以及空间相关性，获取血栓物理特性参数，参数图输出模块生成参数图；所述特征计算单元根据医学影像中血栓体素的感兴趣区的空间关系的灰度共生矩阵计算血栓物理特性参数，血栓体素的感兴趣区的空间关系的灰度共生矩阵为：
P(i，j)＝#{(x1，y1)，(x2，y2)∈M×N|f(x1，y1)＝i，f(x2，y2)＝j}
其中，#(x)表示血栓图x中的体素个数，P为Ng×Ng的矩阵，i，j＝1,2,3，……，Ng，(x1，y1)与(x2，y2)间距离为d，d＝1，两者与横坐标的夹角为θ，则各种间距及角度的灰度共生矩阵为P(i，j，d，θ)，定义μx，μy，σx，σy为共生矩阵行和列的均数和方差；
血栓局部同质性参数为f1，
血栓灰度分布均匀程度和纹理粗细度参数为f2，
血栓致密度参数为f3，
血栓熵值参数为f4，
其中，R表示血栓图中相邻体素对的总数；
血栓物理特性参数包括f1、f2、f3和f4在θ为0°、45°、90°和135°四个方向的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156711.7A CN111062979B (zh) | 2019-11-22 | 2019-11-22 | 基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156711.7A CN111062979B (zh) | 2019-11-22 | 2019-11-22 | 基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062979A CN111062979A (zh) | 2020-04-24 |
| CN111062979B true CN111062979B (zh) | 2023-12-08 |
Family
ID=70298613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911156711.7A Active CN111062979B (zh) | 2019-11-22 | 2019-11-22 | 基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062979B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112767350B (zh) * | 2021-01-19 | 2024-04-26 | 深圳麦科田生物医疗技术股份有限公司 | 血栓弹力图最大区间预测方法、装置、设备和存储介质 |
| CN114255249A (zh) * | 2021-12-22 | 2022-03-29 | 沈阳东软智能医疗科技研究院有限公司 | 一种医疗影像纹理特征的处理方法、装置及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101903910A (zh) * | 2007-10-19 | 2010-12-01 | 瓦斯科普斯公司 | 用于管状结构的自动几何和力学分析方法及系统 |
| CN103886312A (zh) * | 2014-03-21 | 2014-06-25 | 华东师范大学 | 一种快速选择并显示磁共振血管图像中感兴趣血管的方法 |
| US9092691B1 (en) * | 2014-07-18 | 2015-07-28 | Median Technologies | System for computing quantitative biomarkers of texture features in tomographic images |
| CN108897984A (zh) * | 2018-05-07 | 2018-11-27 | 上海理工大学 | 基于ct影像组学特征与肺癌基因表达间相关性分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10453191B2 (en) * | 2016-04-20 | 2019-10-22 | Case Western Reserve University | Automated intravascular plaque classification |
-
2019
- 2019-11-22 CN CN201911156711.7A patent/CN111062979B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101903910A (zh) * | 2007-10-19 | 2010-12-01 | 瓦斯科普斯公司 | 用于管状结构的自动几何和力学分析方法及系统 |
| CN103886312A (zh) * | 2014-03-21 | 2014-06-25 | 华东师范大学 | 一种快速选择并显示磁共振血管图像中感兴趣血管的方法 |
| US9092691B1 (en) * | 2014-07-18 | 2015-07-28 | Median Technologies | System for computing quantitative biomarkers of texture features in tomographic images |
| CN108897984A (zh) * | 2018-05-07 | 2018-11-27 | 上海理工大学 | 基于ct影像组学特征与肺癌基因表达间相关性分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 磁共振图像纹理分析在脑肿瘤中的研究进展;熊飞;谭惠斌;王翅鹏;黄文才;;华南国防医学杂志(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062979A (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI750583B (zh) | 醫學圖像分割方法、裝置、系統及圖像分割方法 | |
| US7935055B2 (en) | System and method of measuring disease severity of a patient before, during and after treatment | |
| Li et al. | Quantification and MRI validation of regional contractile dysfunction in mice post myocardial infarction using high resolution ultrasound | |
| US8659603B2 (en) | System and method for center point trajectory mapping | |
| US20120253190A1 (en) | Contrast-enhanced ultrasound assessment of liver blood flow for monitoring liver therapy | |
| US8487933B2 (en) | System and method for multi-segment center point trajectory mapping | |
| JP2004174254A (ja) | 疾患関連組織変化を測定する方法及びシステム | |
| CN101336844A (zh) | 医用图像处理装置以及医用图像诊断装置 | |
| US8805043B1 (en) | System and method for creating and using intelligent databases for assisting in intima-media thickness (IMT) | |
| EP1542589B1 (en) | Display of image data information | |
| CN111062979B (zh) | 基于医学影像获取血栓物理特性参数的可视化方法和可视化系统 | |
| WO2023151280A1 (zh) | 双模冠脉血管图像三维融合的方法和融合系统 | |
| US20080199064A1 (en) | System and Method For Measuring Left Ventricular Torsion | |
| Song et al. | Morphologic assessment of the left atrial appendage in patients with atrial fibrillation by gray values–inverted volume-rendered imaging of three-dimensional transesophageal echocardiography: A comparative study with computed tomography | |
| US20120078101A1 (en) | Ultrasound system for displaying slice of object and method thereof | |
| US7961923B2 (en) | Method for detection and visional enhancement of blood vessels and pulmonary emboli | |
| US20120230575A1 (en) | Quantification results in multiplane imaging | |
| JP2011218037A (ja) | 医用画像処理装置及び脂肪領域計測用制御プログラム | |
| JP7572187B2 (ja) | 磁気共鳴イメージング装置 | |
| Kanaga et al. | 4D medical image analysis: a systematic study on applications, challenges, and future research directions | |
| JP6432910B2 (ja) | 医用画像処理装置、超音波診断装置、および医用画像処理方法 | |
| Obeid et al. | 3D Modeling for Multimodal Visualization of Medical Data | |
| TWI848834B (zh) | 時序性醫療資訊分析系統及其方法 | |
| Annangi et al. | From 2D Ultrasound to Patient-Specific 3D Surface Models for Interventional Guidance | |
| Yang et al. | A review on artery wall segmentation techniques and intima-media thickness measurement for carotid ultrasound images |
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 |