CN111353996B - 一种血管钙化检测方法及装置 - Google Patents

一种血管钙化检测方法及装置 Download PDF

Info

Publication number
CN111353996B
CN111353996B CN202010271173.2A CN202010271173A CN111353996B CN 111353996 B CN111353996 B CN 111353996B CN 202010271173 A CN202010271173 A CN 202010271173A CN 111353996 B CN111353996 B CN 111353996B
Authority
CN
China
Prior art keywords
region
calcified
detected
coronary
calcification
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
Application number
CN202010271173.2A
Other languages
English (en)
Other versions
CN111353996A (zh
Inventor
张丛嵘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neusoft Medical Systems Co Ltd
Original Assignee
Neusoft Medical Systems Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Neusoft Medical Systems Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN202010271173.2A priority Critical patent/CN111353996B/zh
Publication of CN111353996A publication Critical patent/CN111353996A/zh
Priority to US17/220,884 priority patent/US11836916B2/en
Application granted granted Critical
Publication of CN111353996B publication Critical patent/CN111353996B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/503—Clinical applications involving diagnosis of heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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]
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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
    • 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
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Abstract

本说明书提供一种血管钙化检测方法及装置，其中方法包括：获取三维非造影图像；将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域；对所述待检测区域，通过阈值分割法获得钙化区域；结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域；在所述三维非造影图像中，显示所述钙化子区域。以得到更加准确、全面的血管钙化检测结果。

Description

一种血管钙化检测方法及装置
技术领域
本说明书涉及医学影像领域，尤其涉及一种血管钙化检测方法及装置。
背景技术
随着人口老龄化，心血管疾病已成为老年人常见疾病。相关研究表明，主动脉钙化和冠脉钙化均与冠心病的发病存在相关性，已成为冠心病发病的重要预测指标。而现有的血管钙化检测方法，依赖冠脉提取结果进行钙化区域提取，如果冠脉分割不准确，将导致钙化检测结果不准确。
发明内容
本说明书至少一个实施例提供了一种血管钙化检测方法，以得到更加准确、全面的血管钙化检测结果。
第一方面，提供了一种血管钙化检测方法，包括：
获取三维非造影图像；
将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域；
对所述待检测区域，通过阈值分割法获得钙化区域；
结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域；
在所述三维非造影图像中，显示所述钙化子区域。
第二方面，提供了一种血管钙化检测装置，所述装置包括：
图像获取模块，用于获取三维非造影图像；
区域识别模块，用于将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域；
区域分割模块，用于对所述待检测区域，通过阈值分割法获得钙化区域；
子区域确定模块，用于结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域；
显示模块，用于在所述三维非造影图像中，显示所述钙化子区域。
第三方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本说明书任一实施例所述的血管钙化检测方法。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本说明书任一实施例所述血管钙化检测方法的步骤。
由以上技术方案可以看出，本说明书至少一个实施例中，利用预先训练的区域识别网络，得到三维非造影图像中待检测区域中的不同待检测子区域，然后通过阈值分割法获得待检测区域中的钙化区域，并根据待检测子区域将钙化区域确定为对应的钙化子区域进行显示。这种检测方式，通过神经网络对三维非造影图像进行区域分类，结合阈值分割法得到钙化区域，提高了分割准确性，从而提高血管钙化检测的准确性。并且，该检测方法不再单单依赖冠脉提取结果进行钙化区域提取，而是同时对冠脉和主动脉区域进行钙化检测，从而得到更加准确、全面的血管钙化检测结果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
图1是根据一示例性实施例示出的一种血管钙化检测方法流程图；
图2是根据一示例性实施例示出的一种区域识别网络训练流程图；
图3是根据一示例性实施例示出的一种待检测子区域、钙化子区域示意图；
图4是根据一示例性实施例示出的一种血管钙化检测装置示意图；
图5是根据一示例性实施例示出的另一种血管钙化检测装置示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的具体方式并不代表与本说明书相一致的所有方案。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
随着人口老龄化，心血管疾病已成为老年人常见疾病。相关研究表明，主动脉钙化和冠脉钙化(包括主动脉瓣钙化、升主动脉钙化、主动脉弓钙化、降主动脉钙化)均与冠心病的发病存在相关性，已成为冠心病发病的重要预测指标。现有的血管钙化检测方法，主要关注冠脉钙化情况的检测分析，并且依赖冠脉提取结果进行钙化区域提取，如果冠脉分割不准确，将导致钙化检测结果不准确。
基于上述钙化检测的问题，本说明书提供了一种血管钙化检测方法，利用预先训练的区域识别网络，得到三维非造影图像中待检测区域中的不同待检测子区域，然后通过阈值分割法获得待检测区域中的钙化区域，并根据待检测子区域将钙化区域确定为对应的钙化子区域进行显示。这种检测方式，通过神经网络对三维非造影图像进行区域分类，结合阈值分割法得到钙化区域，提高了分割准确性，从而提高血管钙化检测的准确性。并且，该检测方法不再单单依赖冠脉提取结果进行钙化区域提取，而是同时对冠脉和主动脉区域进行钙化检测，从而得到更加准确、全面的血管钙化检测结果，为临床预测冠心病风险提供重要的依据。
为了使本说明书提供的血管钙化检测方法更加清楚，下面结合附图和具体实施例对本说明书提供的方案执行过程进行详细描述。
参见图1，图1是本说明书提供的实施例示出的一种血管钙化检测方法流程图。如图1所示，该流程包括：
步骤101，获取三维非造影图像。
获取需要进行钙化检测的三维非造影图像，其中，三维非造影图像可以是利用CT扫描病体后，进行重建得到的三维图像；且该三维图像，是在进行CT扫描前并未对病体进行造影剂注射扫描得到的非造影图像。比如，三维非造影图像可以是三维医学胸腹非造影图像。
步骤102，将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域。
本步骤中，将三维非造影图像输入预先训练得到的区域识别网络，通过区域识别网络识别出非造影图像中的待检测区域、识别出待检测区域中包括的不同的待检测子区域，其中待检测区域可以包括主动脉区域和冠脉区域。示例性的，如图3所示，区域识别网络从原图a中识别出多个待检测子区域，例如待检测子区域1(如图3(b)所示)。进一步，以输入三维医学胸腹非造影图像为例进行说明，预先训练的区域识别网络识别出待检测区域中的主动脉区域和冠脉区域；进一步的，区域识别网络识别出主动脉区域中包括的待检测子区域：主动脉瓣区域、升主动脉区域、主动脉弓区域和降主动脉区域；区域识别网络识别出冠脉区域中包括的待检测子区域：左冠状动脉主干区域、左前降支区域、回旋支区域和右冠状动脉区域。本步骤中的区域识别网络，可以是通过对深度神经网络进行预先训练得到，后续进行详细描述。
步骤103，对所述待检测区域，通过阈值分割法获得钙化区域。
在利用区域识别网络识别出三维非造影图像中的待检测区域后，通过阈值分割法获得待检测区域中的钙化区域，包括获得主动脉区域中的钙化区域、冠脉区域中的钙化区域，包括获得不同待检测子区域中的钙化区域等。具体的，将待检测区域中CT值大于或等于预设阈值的区域，标记为钙化区域；将主动脉区域中CT值大于或等于预设阈值的区域，标记为钙化区域；将冠脉区域中CT值大于或等于预设阈值的区域，标记为钙化区域；将待检测区域中的待检测子区域中的CT值大于或等于预设阈值的区域，标记为钙化区域等。示例性的，如图3(c)所示，将图b的待检测子区域1中CT值大于或等于预设阈值的区域，标记为钙化子区域1。
在一个例子中，所述对所述待检测区域，通过阈值分割法获得钙化区域，包括：将所述待检测区域中主动脉区域中CT值大于或等于预设阈值的区域，标记为疑似主动脉钙化区域；根据预设的区域连通性和区域体积条件，去除所述疑似主动脉钙化区域中的非钙化区域，得到主动脉钙化区域。
上述例子中，是从待检测区域中的主动脉区域，获取钙化区域的详细步骤。以三维医学胸腹非造影图像为例进行说明。将待检测区域中主动脉区域中CT值大于或等于130(预设阈值)的区域，标记为疑似主动脉钙化区域；根据预设的区域连通性和区域体积条件，去除疑似主动脉钙化区域中不满足条件的区域，得到主动脉钙化区域。其中，区域连通性和区域体积条件可以根据常规经验进行设置，比如将体积小于某一固定值的钙化区域划分为非钙化区域并去除。
上述例子，将主动脉区域作为钙化检测对象，对主动脉区域中的钙化区域进行检测，并利用预设的针对主动脉区域的条件进一步去除非钙化区域，从而能够更加准确识别出主动脉区域中的钙化区域，得到更加准确、全面的血管钙化检测结果，为临床预测冠心病风险提供重要的依据。
在一个例子中，所述对所述待检测区域，通过阈值分割法获得钙化区域，包括：将所述待检测区域中冠脉区域中CT值大于或等于预设阈值的区域，标记为疑似冠脉钙化区域；根据预设的区域形态和区域空间特征条件，去除所述疑似冠脉钙化区域中的非钙化区域，得到冠脉钙化区域。
上述例子中，是从待检测区域中的冠脉区域，获取钙化区域的详细步骤。以三维医学胸腹非造影图像为例进行说明。将待检测区域中冠脉区域中CT值大于或等于130(预设阈值)的区域，标记为疑似冠脉钙化区域；根据预设的区域形态和区域空间特征条件，去除疑似冠脉钙化区域中不满足条件的区域，得到冠脉钙化区域。其中，区域形态和区域空间特征条件可以根据常规经验进行设置，比如将面积不符合预设条件的钙化区域划分为非钙化区域并去除。
上述例子，将冠脉区域作为钙化检测对象，对冠脉区域中的钙化区域进行检测，并利用预设的针对冠脉区域的条件进一步去除非钙化区域，从而能够更加准确识别出冠脉区域中的钙化区域，得到更加准确、全面的血管钙化检测结果，为临床预测冠心病风险提供重要的依据。
步骤104，结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域。
待检测区域中包括多个待检测子区域，将每个待检测子区域中的钙化区域确定为对应的钙化子区域。具体的，待检测区域中的主动脉区域包括多个待检测子区域：主动脉瓣区域、升主动脉区域、主动脉弓区域和降主动脉区域，对应这些待检测子区域确定各个钙化子区域：主动脉瓣钙化区域、升主动脉钙化区域、主动脉弓钙化区域和降主动脉钙化区域。待检测区域中的冠脉区域包括多个待检测子区域：左冠状动脉主干区域、左前降支区域、回旋支区域和右冠状动脉区域，对应这些待检测子区域确定各个钙化子区域：左冠状动脉主干钙化区域、左前降支钙化区域、回旋支钙化区域和右冠状动脉钙化区域。示例性的，如图3所示，将对应图3(b)中待检测子区域1的钙化区域，确定为钙化子区域1(如图3(c)所示)。
步骤105，在所述三维非造影图像中，显示所述钙化子区域。
在三维非造影图像中，以便于用户查看的方式显示检测得到的各个钙化子区域。例如，将钙化子区域以彩色显示在对应的2D图像中，以彩色或透明绘制的方式显示在3D图像中，且不同钙化子区域可以使用不同颜色加以区分，或者在各个钙化子区域进行对应标记以区别不同的钙化子区域。另外，可以将主动脉区域中的各个钙化子区域的积分参数(如斑块长度、体积和钙化得分等)，显示在图表或图像窗口中；将冠脉区域中的各个钙化子区域的钙化积分值(如体积积分和质量积分等)，显示在图表或图像窗口中，方便用户查看。
在一个例子中，所述显示所述钙化子区域之后，还包括：接收参数修改请求，所述参数修改请求中包括用于更新所述钙化子区域的更新数据；根据所述参数修改请求，更新所述钙化子区域。
上述例子中，在三维非造影图像中显示各个钙化子区域之后，如果接收到参数修改请求后，根据参数修改请求中的更新数据，更新对应的钙化子区域。例如，用户在得到血管钙化检测结果后，认为某一钙化子区域的范围明显存在不合理的地方，此时可以根据用户经验手动调整该钙化子区域的范围，以使钙化检测结果更加准确。又比如，用户在得到钙化检测结果后，用多种颜色区分各个钙化子区域，若发现某一钙化子区域的颜色表示明显错误，此时用户可以发布指令修改该钙化子区域对应的颜色数据，使得颜色表示的类型更加准确。
本实施例的血管钙化检测方法，利用预先训练的区域识别网络，识别三维非造影图像中待检测区域中的不同待检测子区域，通过阈值分割法获得待检测区域中的钙化区域，并根据待检测子区域将钙化区域确定为对应的钙化子区域进行显示。这种检测方式，通过神经网络对三维非造影图像进行区域分类，结合阈值分割法得到钙化区域，提高了分割准确性，从而提高血管钙化检测的准确性。该检测方法不再单单依赖冠脉提取结果进行钙化区域提取，而是同时对冠脉和主动脉区域进行钙化检测，从而得到更加准确、全面的血管钙化检测结果，为临床预测冠心病风险提供重要的依据。
在另一个例子中，在所述显示所述钙化子区域之后，还包括：计算所述钙化子区域的积分值并显示，所述积分值表示所述钙化子区域的钙化程度。即，在利用上述血管钙化检测方法检测出各个钙化区域和各个钙化子区域后，还包括计算对应的钙化积分值。
例如，可以计算主动脉区域中每个钙化子区域的斑块长度：对主动脉区域中的每个钙化子区域，将其投影到某一平面，计算投影长度。例如，可以计算每个钙化子区域的体积积分，统计主动脉区域中每个钙化子区域中包含的像素点个数，像素个数与当个像素体积的乘积即该钙化子区域的体积积分，也可以统计并计算得到整个主动脉区域中所有钙化区域的体积积分。另外，还可以利用半定量积分方法来评价主动脉区域的钙化情况：首先，采用Kauppila半定量积分方法计算主动脉区域中每个区域的钙化积分值，根据主动脉血管壁钙化斑块长度，分别给予评分，例如可以参考评分标准：无钙化为0分；少量钙化为1分(指钙化范围小于1/3的动脉壁长度)；中等钙化为2分(指钙化范围累及1/3～2/3的动脉壁长度)；重度钙化为3分(指钙化范围大于2/3的动脉壁长度)。例如，将主动脉区域中每个钙化子区域中的所有钙化区域的积分值累加，得到每个钙化子区域对应的积分值并根据积分值进行钙化程度评价，例如，根据累加的钙化积分值，评价各个钙化子区域为：轻度钙化、中等钙化或重度钙化；或者统计整个主动脉区域中钙化区域的积分值，得到主动脉区域的钙化积分值，用以评价整个主动脉区域的钙化情况。
在计算冠脉区域中各个钙化区域的积分值时，可以利用计算方法：Agatston积分、体积积分和质量积分。Agatston积分计算的原理为钙化密度评分×钙化面积。首先根据病变的CT值进行评分，然后乘上钙化面积，最后将CT图像所有钙化截面的评分相加，得到总钙化评分。例如，利用Agatston积分公式，统计每个钙化区域的积分值，统计整个冠脉区域的钙化积分值。体积积分的原理是，钙化区域内像素点个数乘以像素点的物理单位(例如单位为立方毫米)。例如，统计冠脉区域中每个钙化子区域的像素点个数，用统计得到的像素点个数乘以像素点物理单位，得到该钙化子区域的体积积分，最后统计冠脉区中所有钙化区域的体积积分，得到整个冠脉区域的钙化体积积分。质量积分是对体积积分方法的进一步校正，根据已知钙的密度、水的平均CT值和钙的平均CT值计算一个校正因子，质量积分＝体积积分×校正因子×平均灰度。例如，根据每个冠脉分支的体积分值和其平均灰度值，利用上述质量积分公式，计算得出每个冠脉分支的质量积分值；最后统计出所有分支的质量积分总和。
在上述步骤102之前，需要对步骤102中用到的区域识别网络进行训练，以识别出三维非造影图像中的待检测区域中包括的不同待检测子区域。参见图2，图2是本说明书提供的区域识别网络训练流程图。如图2所示，该流程可包括：
步骤201，将样本图像输入待训练的区域识别网络，得到所述区域识别网络输出的所述样本图像的预测子区域；所述样本图像包括：冠脉区域图像或主动脉区域图像。
在利用深度神经网络进行训练得到满足使用条件的区域识别网络，需要大量的样本图像作为训练数据。比如，将大量包含冠脉区域和主动脉区域的三维非造影图像作为训练数据，输入待训练的区域识别网络。区域识别网络从三维非造影图像的基础上分析预测冠脉区域和主动脉区域、预测冠脉区域和主动脉区域中的待检测子区域。例如，预测冠脉区域中的多个待检测子区域：左冠状动脉主干区域、左前降支区域、回旋支区域和右冠状动脉区域；预测主动脉区域中的多个待检测子区域：主动脉瓣区域、升主动脉区域、主动脉弓区域和降主动脉区域。
步骤202，根据预测子区域与所述样本图像中实际子区域标签之间的误差，调整所述区域识别网络的网络参数。
例如，利用预测的冠脉区域中的多个待检测子区域：左冠状动脉主干区域、左前降支区域、回旋支区域和右冠状动脉区域，与样本图像中冠脉区域中实际的左冠状动脉主干区域、左前降支区域、回旋支区域和右冠状动脉区域等多个待检测子区域进行误差比较，并根据误差调整网络参数。利用大量样本图像作为训练数据，经过多次迭代训练调整网络参数，最终训练得到符合预测条件的区域识别网络。
以三维非造影图像中冠脉区域为训练数据进行说明，其中冠脉区域中的待检测子区域包括：左冠状动脉主干区域、左前降支区域、回旋支区域和右冠状动脉区域。首先，采用VGG模型、降采样和上采样结合的方法设计深度神经网络作为待训练的区域识别网络，具体设计深度神经网络的方式本说明书不限制。然后，向区域识别网络输入大量三维非造影图像，其中三维非造影图像中标记好冠脉区域中的待检测子区域，不同标识可以对应不同的冠脉类型，如左冠状动脉主干区域标记1、左前降支区域标记2、回旋支区域标记3和右冠状动脉区域标记4。区域识别网络根据输入的三维非造影图像，经过分析预测出冠脉区域中的待检测子区域。区域识别网络通过将预测得到的待检测子区域与三维非造影图像中实际待检测子区域进行误差比较，调整网络参数。经过大量样本图像的训练迭代，最终得到训练后满足识别能力的区域识别网络。
图4所示，本说明书提供了一种血管钙化检测装置，该装置可以执行本说明书任一实施例的血管钙化检测方法。该装置可以包括图像获取模块401、区域识别模块402、区域分割模块403、子区域确定模块404和显示模块405。其中：
图像获取模块401，用于获取三维非造影图像；
区域识别模块402，用于将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域；
区域分割模块403，用于对所述待检测区域，通过阈值分割法获得钙化区域；
子区域确定模块404，用于结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域；
显示模块405，用于在所述三维非造影图像中，显示所述钙化子区域。
可选的，如图5所示，所述装置还包括：
预测模块501，用于将样本图像输入待训练的区域识别网络，得到所述区域识别网络输出的所述样本图像的预测子区域；所述样本图像包括：冠脉区域图像或主动脉区域图像；
参数调整模块502，用于根据预测子区域与所述样本图像中实际子区域标签之间的误差，调整所述区域识别网络的网络参数。
可选的，所述区域分割模块403，具体用于：
将所述待检测区域中主动脉区域中CT值大于或等于预设阈值的区域，标记为疑似主动脉钙化区域；
根据预设的区域连通性和区域体积条件，去除所述疑似主动脉钙化区域中的非钙化区域，得到主动脉钙化区域。
可选的，所述区域分割模块403，具体用于：
将所述待检测区域中冠脉区域中CT值大于或等于预设阈值的区域，标记为疑似冠脉钙化区域；
根据预设的区域形态和区域空间特征条件，去除所述疑似冠脉钙化区域中的非钙化区域，得到冠脉钙化区域。
可选的，如图5所示，所述装置还包括：
接收模块601，用于接收参数修改请求，所述参数修改请求中包括用于更新所述钙化子区域的更新数据；
更新模块602，用于根据所述参数修改请求，更新所述钙化子区域。
可选的，所述显示模块405，还用于：
计算所述钙化子区域的积分值并显示，所述积分值表示所述钙化子区域的钙化程度。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书至少一个实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本说明书还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时能够实现本说明书任一实施例的血管钙化检测方法。
本说明书还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时能够实现本说明书任一实施例的血管钙化检测方法。
其中，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等，本申请并不对此进行限制。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用于限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (8)

1.一种血管钙化检测方法，其特征在于，所述方法包括：
获取三维非造影图像；所述三维非造影图像是在扫描前未对病体进行造影剂注射扫描得到的非造影图像；
将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域；
对所述待检测区域，通过阈值分割法获得钙化区域；
结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域；
在所述三维非造影图像中，显示所述钙化子区域；
所述对所述待检测区域，通过阈值分割法获得钙化区域，包括：
将所述待检测区域中主动脉区域中CT值大于或等于预设阈值的区域，标记为疑似主动脉钙化区域；
根据预设的区域连通性和区域体积条件，去除所述疑似主动脉钙化区域中的非钙化区域，得到主动脉钙化区域；
将所述待检测区域中冠脉区域中CT值大于或等于预设阈值的区域，标记为疑似冠脉钙化区域；
根据预设的区域形态和区域空间特征条件，去除所述疑似冠脉钙化区域中的非钙化区域，得到冠脉钙化区域；
在显示所述主动脉区域和冠脉区域中对应的钙化子区域之后，还包括：
计算所述主动脉区域和冠脉区域中对应的钙化子区域的积分值并显示，所述积分值表示所述钙化子区域的钙化程度。
2.根据权利要求1所述的方法，其特征在于，所述将所述三维非造影图像输入预先训练的区域识别网络之前，还包括：
将样本图像输入待训练的区域识别网络，得到所述区域识别网络输出的所述样本图像的预测子区域；所述样本图像包括：冠脉区域图像或主动脉区域图像；
根据预测子区域与所述样本图像中实际子区域标签之间的误差，调整所述区域识别网络的网络参数。
3.根据权利要求1所述的方法，其特征在于，所述显示所述钙化子区域之后，还包括：
接收参数修改请求，所述参数修改请求中包括用于更新所述钙化子区域的更新数据；
根据所述参数修改请求，更新所述钙化子区域。
4.一种血管钙化检测装置，其特征在于，所述装置包括：
图像获取模块，用于获取三维非造影图像；所述三维非造影图像是在扫描前未对病体进行造影剂注射扫描得到的非造影图像；
区域识别模块，用于将所述三维非造影图像输入预先训练的区域识别网络，得到所述三维非造影图像中的待检测区域中包括的不同待检测子区域；所述待检测区域包括主动脉区域和冠脉区域；
区域分割模块，用于对所述待检测区域，通过阈值分割法获得钙化区域；
子区域确定模块，用于结合所述钙化区域与所述不同待检测子区域，确定各个待检测子区域中对应的钙化子区域；
显示模块，用于在所述三维非造影图像中，显示所述钙化子区域；
所述区域分割模块，在用于对所述待检测区域，通过阈值分割法获得钙化区域时，用于：
将所述待检测区域中主动脉区域中CT值大于或等于预设阈值的区域，标记为疑似主动脉钙化区域；
根据预设的区域连通性和区域体积条件，去除所述疑似主动脉钙化区域中的非钙化区域，得到主动脉钙化区域；
将所述待检测区域中冠脉区域中CT值大于或等于预设阈值的区域，标记为疑似冠脉钙化区域；
根据预设的区域形态和区域空间特征条件，去除所述疑似冠脉钙化区域中的非钙化区域，得到冠脉钙化区域；
所述显示模块，还用于：
计算所述主动脉区域和冠脉区域中对应的钙化子区域的积分值并显示，所述积分值表示所述钙化子区域的钙化程度。
5.根据权利要求4所述的装置，其特征在于，所述装置还包括：
预测模块，用于将样本图像输入待训练的区域识别网络，得到所述区域识别网络输出的所述样本图像的预测子区域；所述样本图像包括：冠脉区域图像或主动脉区域图像；
参数调整模块，用于根据预测子区域与所述样本图像中实际子区域标签之间的误差，调整所述区域识别网络的网络参数。
6.根据权利要求4所述的装置，其特征在于，所述装置还包括：
接收模块，用于接收参数修改请求，所述参数修改请求中包括用于更新所述钙化子区域的更新数据；
更新模块，用于根据所述参数修改请求，更新所述钙化子区域。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-3任一所述的方法。
8.一种计算机可读存储介质，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权利要求1-3中任一项所述方法的步骤。
CN202010271173.2A 2020-04-08 2020-04-08 一种血管钙化检测方法及装置 Active CN111353996B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010271173.2A CN111353996B (zh) 2020-04-08 2020-04-08 一种血管钙化检测方法及装置
US17/220,884 US11836916B2 (en) 2020-04-08 2021-04-01 Detecting vascular calcification

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010271173.2A CN111353996B (zh) 2020-04-08 2020-04-08 一种血管钙化检测方法及装置

Publications (2)

Publication Number Publication Date
CN111353996A CN111353996A (zh) 2020-06-30
CN111353996B true CN111353996B (zh) 2024-03-01

Family

ID=71193219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010271173.2A Active CN111353996B (zh) 2020-04-08 2020-04-08 一种血管钙化检测方法及装置

Country Status (2)

Country Link
US (1) US11836916B2 (zh)
CN (1) CN111353996B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034491B (zh) * 2021-04-16 2021-10-08 北京安德医智科技有限公司 一种冠脉钙化斑块检测方法及装置
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
CN115049590B (zh) * 2022-05-17 2023-03-10 北京医准智能科技有限公司 一种图像处理方法、装置、电子设备及存储介质
WO2024057056A1 (en) * 2022-09-16 2024-03-21 Edith Cowan University Method, system and uses for determining abdominal aortic calcification

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3361445A1 (en) * 2017-02-08 2018-08-15 Pascal Lim Three-dimensional echocardiography method to quantify aortic valve calcification
CN109288536A (zh) * 2018-09-30 2019-02-01 数坤（北京）网络科技有限公司 获取冠脉钙化区域分类的方法、装置及系统
CN109389592A (zh) * 2018-09-30 2019-02-26 数坤（北京）网络科技有限公司 计算冠脉钙化积分的方法、装置及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1451753A2 (en) * 2001-11-24 2004-09-01 Image Analysis, Inc. Automatic detection and quantification of coronary and aortic calcium
US8649843B2 (en) * 2001-11-24 2014-02-11 Ben A. Arnold Automated calcium scoring of the aorta
US20030165262A1 (en) * 2002-02-21 2003-09-04 The University Of Chicago Detection of calcifications within a medical image
US9189851B2 (en) * 2010-01-07 2015-11-17 Siemens Aktiengesellschaft Method of motion compensation for trans-catheter aortic valve implantation
CN106447645B (zh) 2016-04-05 2019-10-15 天津大学 增强ct图像中冠脉钙化检测及量化装置和方法
CN108171698B (zh) 2018-02-12 2020-06-09 数坤（北京）网络科技有限公司 一种自动检测人体心脏冠脉钙化斑块的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3361445A1 (en) * 2017-02-08 2018-08-15 Pascal Lim Three-dimensional echocardiography method to quantify aortic valve calcification
CN109288536A (zh) * 2018-09-30 2019-02-01 数坤（北京）网络科技有限公司 获取冠脉钙化区域分类的方法、装置及系统
CN109389592A (zh) * 2018-09-30 2019-02-26 数坤（北京）网络科技有限公司 计算冠脉钙化积分的方法、装置及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CT影像中的主动脉血管钙化检测;国凯等;《青岛大学学报(自然科学版)》;20130215(第01期);第50-51页 *
于晓 等主编.《现代内分泌疾病学》.2013,第269页. *
基于深度卷积网络的冠脉血管分割方法;康皓贝等;《电子技术与软件工程》;20200315(第06期);全文 *
腹主动脉钙化评分可预估血液透析患者的冠状动脉钙化程度;蔡宏等;《中国血液净化》;20130412(第04期);全文 *
鲁进 ; 孙文艳 ; 汪学东 ; 潘昌如 ; .冠状动脉钙化、主动脉钙化病与心血管疾病的关系分析.中国医药指南.2016,(01),全文. *

Also Published As

Publication number Publication date
US11836916B2 (en) 2023-12-05
US20210319553A1 (en) 2021-10-14
CN111353996A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
CN111353996B (zh) 一种血管钙化检测方法及装置
US8831312B2 (en) Method for segmenting objects in images
US8411927B2 (en) Marker detection in X-ray images
US8311307B2 (en) Structure detection apparatus and method, and computer-readable medium storing program thereof
CN110796613B (zh) 一种图像伪影的自动识别方法及装置
US9646229B2 (en) Method and system for bone segmentation and landmark detection for joint replacement surgery
US8009887B2 (en) Method and system for automatic quantification of aortic valve function from 4D computed tomography data using a physiological model
EP3352135B1 (en) Method and apparatus for segmentation of blood vessels
JP6570145B2 (ja) 画像を処理する方法、プログラム、代替的な投影を構築する方法および装置
JPH05269115A (ja) 心室容積の測定方法及び装置
CN102890823A (zh) 运动对象轮廓提取及左心室图像分割方法和装置
JP4938427B2 (ja) 脳出血部位体積計算装置
CN111563910B (zh) 眼底图像分割方法及设备
CN112819800A (zh) Dsa影像识别方法、装置及存储介质
CN112784928A (zh) Dsa影像识别方法、装置及存储介质
CN111292285B (zh) 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法
TWI490790B (zh) Dynamic cardiac imaging analysis and cardiac function assessment system
CN113420814B (zh) 一种肺疾病检测模型的训练方法、装置、设备和介质
Petkov et al. Diaphragm border detection in coronary X-ray angiographies: new method and applications
JP6501569B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN113298800A (zh) 一种ct血管造影cta源图像的处理方法、装置及设备
CN114549553A (zh) 角度测量方法、装置、计算机设备及可读存储介质
EP4009334A1 (en) Angiography derived coronary flow
CN113303827A (zh) 基于深度学习的颈动脉狭窄检测方法、装置及存储介质
CN116228781A (zh) 冠脉血管分割方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant