CN111523549B - 一种主动脉瓣评估方法、装置和计算机设备 - Google Patents
一种主动脉瓣评估方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111523549B CN111523549B CN202010373415.9A CN202010373415A CN111523549B CN 111523549 B CN111523549 B CN 111523549B CN 202010373415 A CN202010373415 A CN 202010373415A CN 111523549 B CN111523549 B CN 111523549B
- Authority
- CN
- China
- Prior art keywords
- aortic
- aortic valve
- calcified
- parameters
- valve
- 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
- 210000001765 aortic valve Anatomy 0.000 title claims abstract description 138
- 238000011156 evaluation Methods 0.000 title claims abstract description 28
- 210000001519 tissue Anatomy 0.000 claims abstract description 57
- 210000000709 aorta Anatomy 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000000747 cardiac effect Effects 0.000 claims abstract description 29
- 210000005003 heart tissue Anatomy 0.000 claims abstract description 24
- 238000002583 angiography Methods 0.000 claims abstract description 22
- 206010050559 Aortic valve calcification Diseases 0.000 claims abstract description 17
- 230000002308 calcification Effects 0.000 claims abstract description 16
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 210000004351 coronary vessel Anatomy 0.000 claims description 53
- 210000003291 sinus of valsalva Anatomy 0.000 claims description 42
- 230000011218 segmentation Effects 0.000 claims description 41
- 238000013528 artificial neural network Methods 0.000 claims description 27
- 210000003748 coronary sinus Anatomy 0.000 claims description 22
- 230000002861 ventricular Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000002601 radiography Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000012274 Preoperative evaluation Methods 0.000 abstract 1
- 210000005240 left ventricle Anatomy 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 208000027896 Aortic valve disease Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 210000002168 brachiocephalic trunk Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000003999 initiator Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000005246 left atrium Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 210000005245 right atrium Anatomy 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Classifications
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种主动脉瓣评估方法、装置和计算机设备。本申请提供的主动脉瓣评估方法，包括：从心脏造影图像中识别心脏各组织和主动脉关键点；根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面；根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数。本申请提供的主动脉瓣评估方法、装置和计算机设备，可综合评估主动脉的解剖参数、钙化参数和结构形态参数，提供人工瓣膜选择的重要参数，辅助人工瓣膜置换术术前评估，以提高置换手术的成功率。
Description
技术领域
本申请涉及医疗领域，尤其涉及一种主动脉瓣评估方法、装置和计算机设备。
背景技术
主动脉瓣位于主动脉根部，构成了主动脉与左心室之间的物理边界，在主动脉和左心室之间起阀门作用，在心脏舒张期抑制流入主动脉的血流回流到左心室，在心脏收缩期允许血流从左心室流出主动脉中，对维持心脏的正常供血起着重要的作用。
主动脉瓣疾病是一种最常见、危险的心血管疾病，严重危害着人类的身体健康。目前，常通过主动脉瓣人工瓣膜置换术来治疗主动脉瓣疾病。在通过主动脉瓣人工瓣膜置换术治疗主动脉瓣疾病时，人工瓣膜的大小是否合适、材料是否恰当严重关系着手术的成败。因此，如何对主动脉瓣进行评估，以提供制造人工瓣膜时的参考数据成为当前亟待解决的问题。
发明内容
有鉴于此，本申请提供一种主动脉瓣评估方法、装置和计算机设备，以对主动脉瓣进行评估，获取人工瓣膜选择时的参考数据。
本申请第一方面提供一种主动脉瓣评估方法，所述方法包括：
从心脏造影图像中识别心脏各组织和主动脉关键点；
根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面；
根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数。
本申请第二方面提供一种主动脉瓣评估装置，所述包括分割单元、定位单元和测量评估单元，其中，
所述分割单元，用于从心脏造影图像中识别心脏各组织；
所述定位单元，用于从所述心脏造影图像中识别主动脉关键点；
所述定位单元，还用于根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面；
所述测量评估单元，用于根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数。
本申请第三方面提供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申请提供的任一主动脉瓣评估方法的步骤。
本申请第四方面提供一种计算机设备，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申请提供的任一主动脉瓣评估方法的步骤。
本申请提供的主动脉瓣评估方法、装置和计算机设备，通过从心脏造影图像中识别心脏各组织和主动脉关键点，并根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面，进而根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数。这样，可综合评估主动脉的解剖参数、钙化参数和结构形态参数，提供人工瓣膜选择的重要参数，辅助人工瓣膜置换术术前评估，以提高置换手术的成功率。
附图说明
图1为本申请提供的主动脉瓣评估方法实施例一的流程图；
图2为一示例性实施例示出的主动脉关键点的示意图；
图3为本申请一示例性实施例示出的主动脉关键面的示意图；
图4为本申请一示例性实施例示出的冠脉开口点到主动脉瓣环的垂直距离的示意图；
图5为本申请一实施例中示出的冠脉开口角度的示意图；
图6为本申请一示例性实施例示出的两个冠脉开口之间的角度的示意图；
图7为本申请一示例性实施例示出的左心室流出道和主动脉之间的夹角的示意图；
图8为本申请提供的主动脉瓣评估方法实施例二的流程图；
图9为本申请提供的主动脉瓣评估方法实施例三的流程图；
图10为本申请一示例性实施例示出的主动脉窦最大直径平面的示意图；
图11为本申请一示例性实施例示出的主动脉瓣评估装置所在计算机设备的硬件结构图；
图12为本申请提供的主动脉瓣评估装置实施例一的结构示意图。
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实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请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，尽管在本申请可能采用术语第一、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，在不脱离本申请范围的情况下，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”。
本申请提供一种主动脉瓣评估方法、装置和计算机设备，以对主动脉瓣进行评估，获取人工瓣膜选择的参考数据。
下面给出几个具体的实施例，用以详细介绍本申请的技术方案，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图1为本申请提供的主动脉瓣评估方法实施例一的流程图。请参照图1，本实施例提供的主动脉瓣评估方法，可以包括：
S101、从心脏造影图像中识别心脏各组织和主动脉关键点。
具体的，心脏造影图像可以是多期相心脏造影图像。例如，可以包括舒张期心脏造影图像和/或收缩期心脏造影图像。
此外，可以采用人机交互的方式手动对心脏造影图像进行分割，以识别心脏各组织，或采用分割算法对心脏造影图像进行分割，以识别心脏各组织。例如，可以采用基于阈值的Otsu分割算法或GrowCUT算法对心脏造影图像进行分割。有关Otsu分割算法和GrowCUT算法的具体实现原理可以参见相关技术中的描述，此处不再赘述。下面将给出具体的例子，用以详细说明识别心脏各组织的步骤，此处不再赘述。
需要说明的是，本申请中，识别出心脏各组织后，不仅可输出带组织标记的图像(支持手动编辑组织标记)，还支持单组织或多组织的三维显示。例如，VR(VirtualReality，简称VR)显示或MIP(Maximal Inrensity Projection，简称MIP)显示等。此外，还支持将各组织以透明或彩色的方法通过网格模型显示。
可选地，在本申请一可能的实现方式中，从心脏造影图像中识别主动脉关键点的步骤，可以包括：
利用预先训练好的第三神经网络从所述心脏造影图像中识别主动脉关键点。
具体的，通常主动脉瓣有三个瓣，分别为左冠瓣，右冠瓣和无冠瓣；每个瓣膜与主动脉壁之间形成的袋状间隙，称为主动脉窦，分别为左冠窦(leftcoronary cusp，简称LCC)，右冠窦(right coronary cusp，简称RCC)和无冠窦(noncoronary cusp，简称NCC)；左右冠状动脉分别起源于左右主动脉窦，其起源点分别为左冠开口点LCA和右冠开口点RCA。
本申请中，主动脉关键点可以包括主动脉窦点(LCC、NCC和RCC)和冠脉开口点(LCA和RCA)。
具体的，第三神经网络可以通过如下方法训练获得：
(1)构建神经网络；
(2)获取训练样本；
具体的，训练样本可以为标记主动脉左冠窦点、右冠窦点、无冠窦点、左冠开口点和右冠开口点的心脏造影图像。
(3)采用训练样本训练构建好的神经网络，得到第三神经网络。
具体的，可以采用反向传播算法训练神经网络。有关反向传播算法的具体实现原理可以参见相关技术中的描述，此处不再赘述。
本步骤中，可将心脏造影图像输入到第三神经网络，进而由该第三神经网络对心脏造影图像进行特征提取和体素分类后输出识别出的主动脉窦点和冠脉开口点。例如，图2为一示例性实施例示出的主动脉关键点的示意图。由图2可以看出，基于第三神经网络可准确来地识别出主动脉关键点。
需要说明的是，第三神经网络可通过卷积层和/或池化层进行特征提取，并基于全连接层实现体素分类。在对心脏造影图像的各个体素分类后，即可确定该体素所属的类别(主动脉关键点或其他)。
此外，本申请中，识别出的主动脉关键点支持在2D/3D图像中显示，并支持手动定义或调节主动脉关键点。
S102、根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面。
具体地，主动脉关键面包括至少一个以下平面：主动脉瓣环平面、主动脉窦最大直径平面、窦管交界面、升主动脉平面、冠脉开口平面和左心室流出道平面。
需要说明的是，本申请中，识别出的主动脉关键面支持以直线等方式在2D/3D图像中显示，并可手动定义和调节主动脉关键面。此外，对于任一个主动脉关键面，均支持显示其对应的2D图像。
例如，图3为本申请一示例性实施例示出的主动脉关键面的示意图。请参照图3，下面结合图3详细介绍识别主动脉关键面的具体步骤：
(1)主动脉瓣环平面
在识别主动脉关键点时，若识别出3个主动脉窦点，则将这3个窦点构成的平面确定为主动脉瓣平面。若未识别出3个主动脉窦点，此时，可基于手动定义确定主动脉瓣环平面。具体的，医护人员可基于识别出的心脏各组织和主动脉关键点，手动标注主动瓣环平面。参照图3，图3中的标记4即为主动脉瓣环平面。
(2)主动脉窦最大直径平面
首先，基于识别出的主动脉，确定主动脉中心线；其次，根据主动脉中心线，确定心脏造影图像中与主动脉中心线垂直的各垂直截面；最后，基于识别出的主动脉窦，从各垂直截面中找到主动脉窦直径最大的目标垂直截面，并将该目标垂直截面确定为主动脉窦最大直径平面。参照图3，图3中的标记3即为主动脉窦最大直径平面。
(3)窦管交界面
首先，基于识别出的主动脉，确定主动脉中心线；其次，根据主动脉中心线，确定心脏造影图像中与主动脉中心线垂直的各垂直截面；最后，基于识别出的冠脉开口点，从各垂直截面中找到冠脉开口点以上的第一个垂直截面，将该垂直截面确定为窦管交界面。参照图3，图3中的标记2即为窦管交界面。
需要说明的是，本申请中，以人体头部方向为上，人体脚部方向为下，后续不再赘述。
(4)升主动脉平面
基于识别出的窦管交界面，在窦管交界面以上指定距离(例如，可以是1厘米)处，取与主动脉中心线垂直的平面，确定为升主动脉平面。参照图3，图3中的标记1即为升主动脉平面。
(5)冠脉开口平面
将经过两个冠脉开口点、且主动脉中心线垂直的平面确定为冠脉开口平面。参照图3，图3中的标记6即为冠脉开口平面。
(6)左心室流出道平面
基于识别出的主动脉瓣环平面，从主动脉瓣环平面沿主动脉中心线方向向下指定距离(例如，该指定距离可以等于主动脉瓣平面到窦管交界面之间的距离的一半)，取与主动脉中心线垂直的截面确定为左心室流出道平面。参照图3，图3中的标记5即为左心室流出道平面。
S103、根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数。
具体的，一实施例中，主动脉解剖参数可以包括至少一项以下参数：目标组织的目标参数、冠脉开口与主动脉瓣环的垂直距离、主动脉瓣的高度、冠脉开口角度、两个冠脉开口之间的角度以及左心室流出道和主动脉之间的夹角；其中，所述目标组织包括至少一项以下组织：主动脉瓣环、主动脉窦、主动脉窦管交界、升主动脉和左心室流出道；所述目标参数包括至少一项以下参数：最大直径、最小直径、有效直径和面积。
下面先详细解释一下目标组织的目标参数的获取方法，具体的，该方法可以包括：
(1)基于识别出的主动脉，得到主动脉三维网格模型。
(2)将主动脉三维网格模型与目标组织对应的主动脉关键面相交，得到该主动脉关键面上该目标组织的组织轮廓线，进而根据组织轮廓线计算目标参数。
例如，一实施例中，目标组织为主动脉瓣，此时，可将主动脉三维网格模型与主动脉瓣环平面(主动脉瓣环对应的主动脉关键面)相交，得到主动瓣瓣环平面上主动脉瓣的组织轮廓线，进而根据组织轮廓线计算目标参数。
具体的，可基于组织轮廓线上任意两点之间的距离，确定最大直径、最小直径和有效直径。此外，可基于组织轮廓线圈定的区域中包含的像素个数和像素物理单位计算面积。
下面介绍其他参数的获取方法：
(1)冠脉开口点与主动脉瓣环的垂直距离
具体的，冠脉开口点到主动脉瓣环平面的垂直距离即为冠脉开口点与主动脉瓣环的垂直距离。其包括左冠脉开口点与主动脉瓣的垂直距离，以及右冠脉开口点与主动脉瓣的垂直距离。
本步骤中，可基于识别出的冠脉开口点和识别出的主动脉环平面，基于点到面的距离计算方法，计算冠脉开口点到主动脉瓣的垂直距离。例如，图4为本申请一示例性实施例示出的冠脉开口点到主动脉瓣环的垂直距离的示意图。其中，图4中的标记7即为左冠脉开口点到主动脉瓣环的垂直距离，标记8即为右冠脉开口点到主动脉瓣环的垂直距离。
(2)主动脉瓣高度
具体的，可基于识别出的主动脉窦管交界面和主动脉瓣环平面，根据面与面距离计算方法，计算两者之间的距离，并将该距离确定为主动脉瓣高度。
(3)冠脉开口角度
具体的，冠脉开口角度包括左冠脉开口角度和右冠脉开口角度。冠脉开口角度指的是冠脉开口和指定平面之间的夹角，其中，指定平面为冠脉开口处与主动脉中心线垂直的平面。需要说明的是，冠脉开口指的是冠脉开口点处指定长度的冠脉所在的直线。
具体实现的，可基于识别出的冠脉开口点和识别出的冠脉，确定冠脉开口；并基于识别出的主动脉，确定主动脉中心线，进而确定冠脉开口处与主动脉中心线垂直的平面。这样，即可基于线与面的角度的计算公式计算冠脉开口角度。例如，图5为本申请一实施例中示出的冠脉开口角度的示意图。参照图5，图5中的标记11为冠脉开口的方向，9为主动脉中心线，10为与中心线垂直的方向，11和10之间的夹角B即为冠脉开口角度。
(4)两个冠脉开口之间的角度
两个冠脉开口之间的角度指的是在冠脉开口平面上，两个冠脉开口点分别与主动脉中心点的连线的夹角。
具体的，可基于识别出的冠脉开口平面和主动脉中心线，确定该平面上的主动脉中心点，进而基于确定出的主动脉中心点和识别出的两个冠脉开口点，计算该角度。
参照图6，图6为本申请一示例性实施例示出的两个冠脉开口之间的角度的示意图。参照图6，图6中的a点为主动脉中心点，b和c分别为左右冠脉开口点，标记11和12分别为冠脉开口点与主动脉中心点之间的连线，角A为两个冠脉开口之间的角度。
(5)左心室流出道和主动脉之间的夹角
左心室长轴与主动脉中心线之间的夹角为左心室流出道与主动脉之间的夹角。参照图7，图7为本申请一示例性实施例示出的左心室流出道和主动脉之间的夹角的示意图。图7的标记9为主动脉中心线，标记14为左心室长轴，两者之间的夹角C即为左心室流出道和主动脉之间的夹角。
具体的，可基于识别出的左心室，确定左心室长轴；并基于识别出的主动脉，确定主动脉中心线；进而确定左心室长轴与主动脉中心线之间的夹角。
下面将给出具体的例子，用以详细说明确定主动脉瓣钙化参数的具体实现原理，此处不再赘述。
可选的，本申请中，所述主动脉瓣结构形态参数包括至少一项以下参数：主动脉瓣类型、主动瓣开闭状态和冠脉开口类型。
下面详细介绍确定主动脉瓣结构形态参数的具体过程：
(1)主动脉瓣类型
具体的，可基于识别出的主动脉窦点的数量，确定主动脉瓣类型。即在识别出三个主动脉窦点时，确定主动脉瓣类型为三叶式主动脉瓣；在识别出两个主动脉窦点时，确定主动脉瓣类型为二叶式主动脉瓣；在识别出一个主动脉窦点时，确定主动脉瓣类型为单叶式主动脉瓣。
需要说明的是，本申请中，在确定主动脉瓣类型不是三叶式主动脉瓣时，还可输出畸形提醒消息。
(2)主动脉瓣开闭状态
具体的，可基于识别出的主动脉瓣，确定主动脉瓣的开闭状态。例如，当识别出的主动脉瓣的瓣尖重合时，确定其处于打开状态，否则确定其处于闭合状态。
需要说明的是，可基于舒张期时主动脉瓣的开闭状态确定主动脉瓣功能是否异常。例如，当舒张期主动脉瓣处于闭合状态时，认为主动脉瓣能正常关闭、主动脉瓣功能正常，否则认为主动脉瓣闭合不全、主动脉瓣功能异常。
(3)冠脉开口类型
具体的，可基于识别出的左冠开口点、右冠开口点、左冠窦点、右冠窦点和无冠窦点，以及识别出的左冠窦、右冠窦、无冠窦和主动脉，确定冠脉开口类型。
具体的，当左冠开口点到左冠窦区域的距离小于第一预设值，且右冠开口点到右冠窦区域的距离小于第二预设值时，确定属于分类①；
当识别出两个左冠开口点，且这两个左冠开口点之间的距离小于第三预设值时，认为属于分类②；
当左冠开口点到右冠窦区域的距离小于第四预设值时，认为属于分类③；
当右冠开口点到左冠窦区域的距离小于第五预设值时，认为属于分类④；
当仅识别出一个冠脉开口点时，认为属于分类⑤；
当左冠开口点或右冠开口点与无冠窦区域的距离小于第六预设值时，认为属于分类⑥；
当左冠开口点或右冠开口点与升主动脉区域的距离小于第七预设值时，认为属于分类⑦；
否则属于分类⑧。
冠脉开口类型分类如下：
①正常：左冠支起源于左冠窦，右冠支起源于右冠窦；
②无左主干：前降支，左旋支单独开口；
③左旋支起源于右冠窦；
④右旋支起源于左冠窦；
⑤单支冠状动脉
⑥冠脉动脉起源于无冠窦
⑦冠状动脉起源于升主动脉
⑧其他
需要说明的是，上面所述的各个预设值可以相同，也可以不同。例如，一实施例中，上面所述的各个预设值相同，均为1厘米。此外，点到区域的距离可以是该点到区域的中心点之间的距离，也可以是点到区域中各点的距离的平均，还可以是点到区域中各点的距离的最小值。本实施例，不对此进行限定。
需要说明的是，本申请获得的各解剖参数、钙化参数和结构形态参数均支持在UI界面中显示和编辑，且支持以图表、窗口、报告等方式显示。
本实施例提供的方法，通过从心脏造影图像中识别心脏各组织和主动脉关键点，并根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面，进而根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数。这样，可综合评估主动脉的解剖参数、钙化参数和结构形态参数，提供人工瓣膜选择的重要参数，辅助人工瓣膜置换术术前评估，以提高置换手术的成功率。
图8为本申请提供的主动脉瓣评估方法实施例二的流程图。本实施例涉及的从心脏造影图像中识别心脏各组织的具体实现过程，参照图8，从心脏造影图像中识别心脏各组织，可以包括：
S801、采用预先训练好的第一神经网络对所述心脏造影图像进行分割处理，得到标记心脏各组织的心脏组织分割图像。
第一神经网络用于对心脏造影图像进行粗分割，粗分割包括心脏多室腔的分割，主要用于分割出主动脉根部(包括主动脉瓣、主动脉窦)，升主动脉(窦管交界处延伸至头臂干起始部)，主动脉弓(头臂干起始部至主动脉峡部)，冠脉，左心室，右心室，左心房，右心房，心肌等组织。
具体的，可将心脏造影图像输入到第一神经网络中，由第一神经网络对其进行特征提取和体素分类后，输出标记心脏各组织的心脏组织分割图像。
需要说明的是，第一神经网络可以是基于Unet和VGG结合的神经网络，其可以包括卷积层、池化层和全连接层，其可以通过卷积层和池化层实现特征提取，通过全连接层实现体素分类。
进一步地，可通过大量标记好的心脏图像造影(不同组织对应不同标识)图像训练第一神经网络。有关网络训练的具体实现原理可以参见相关技术中的描述，此处不再赘述。
S802、将升主动脉所在的目标区域从所述心脏组织分割图像中提取出来。
具体的，可对心脏组织分割图像进行扣图处理，以将升主动脉所在的目标区域从所述心脏组织分割图像中提取出来。具体实现时，可基于心脏组织分割图像计算升主动脉的包围盒范围，进而从心脏组织分割图像中取其包围盒范围内的图像作为升主动脉所在的目标区域。
S803、利用预先训练好的第二神经网络模型对所述目标区域进行分割处理，得到标记主动脉瓣和主动脉窦的主动脉分割图像。
第二神经网络用于在粗分割的基础上，对主动脉根部进行精细分割，主要是对主动脉瓣和主动脉窦进行分割。
具体的，可将目标区域输入到第二神经网络中，由第二神经网络对其进行特征提取和体素分类后，输出标记主动脉瓣和主动脉窦的主动脉分割图像。
需要说明的是，在训练第二神经网络时，可基于从第一神经网络的输出图像中提取的升主动脉区域图像来训练该网络。
S804、根据所述心脏组织分割图像和所述主动脉分割图像，识别心脏各组织。
具体的，可基于主动脉分割图像中标记的主动脉瓣和主动脉窦，对心脏组织分割图像中标记的主动脉瓣和主动脉窦进行修正，得到修正后图像，并将修正后图像上标记的各组织确定为识别出的各组织。
进一步地，本申请提供的方法，还可基于识别出的心脏各组织得到心脏多组织网格模型、主动脉窦网格模型、主动脉网格模型以及主动脉的中心线。
本申请提供的方法，采用预先训练好的第一神经网络对所述心脏造影图像进行分割处理，得到标记心脏各组织的心脏组织分割图像，并将升主动脉所在的目标区域从所述心脏组织分割图像中提取出来，进而利用预先训练好的第二神经网络对所述目标区域进行分割处理，得到标记主动脉瓣和主动脉窦的主动脉分割图像，以及根据所述心脏组织分割图像和所述主动脉分割图像，识别心脏各组织。这样，通过粗分割和精细分割，可从心脏造影图像中准确的识别出主动脉瓣和主动脉窦，为后续准确的对主动脉瓣作出评估奠定基础。
图9为本申请提供的主动脉瓣评估方法实施例三的流程图。本实施例涉及的是如何确定主动脉瓣钙化参数的具体过程。参照图9，确定主动脉瓣钙化参数的过程，可以包括：
S901、根据识别出的主动脉瓣，确定主动脉瓣的钙化区域。
具体的，可基于钙化阈值和像素的连通性，采用区域增长技术确定主动脉瓣的钙化区域。有关区域增长技术的具体实现原理可以参见相关技术中的描述，此处不再赘述。例如，一实施例中，将CT值超过130Hu(钙化阈值)的区域确定为钙化区域。
S902、针对每个钙化区域，确定该钙化区域的指定参数。
具体的，指定参数包括至少一项以下参数：钙化区域的最大径、钙化区域的最小径、钙化区域到主动脉中心线的距离参数、钙化区域到主动脉边界的距离参数和钙化区域到主动瓣环平面的距离参数。
需要说明的是，钙化区域为一个三维区域。可计算钙化区域中任意两个体素点之间的距离，得到钙化区域的最大径和最小径。例如，一实施例中，可采用模拟退火算法计算钙化区域的最大径和最小径。
此外，距离参数可以指一距离值，也可以是一距离值范围。例如，当钙化区域到主动脉中心线的距离参数为距离值时，其可以是钙化区域的中心点到主动脉中心线的距离；再例如，当钙化区域到主动脉中心线的距离参数为一距离值范围时，该距离值范围可为钙化区域中各点到主动脉中心线的距离的最小值到最大值之间的范围。
S903、针对每个钙化区域，基于所述主动脉关键面中的主动脉窦最大直径平面，确定属于各个瓣叶的子钙化区域。
具体的，该步骤的具体实现过程，可以包括：
(1)针对每个钙化区域，将该钙化区域投影到所述主动脉窦最大直径平面上，得到钙化投影区域。
(2)根据识别出的目标主动脉瓣，从所述钙化投影区域中查找属于各个瓣叶的子钙化投影区域；其中，所述目标主动脉瓣为位于所述主动脉窦最大直径平面上的主动脉瓣。
图10为本申请一示例性实施例示出的主动脉窦最大直径平面的示意图。具体的，参照图10，图10上的花瓣形图案即为目标主动脉瓣，基于图10，可定位主动脉瓣上的三个凹点P1，P2，P3以及主动脉瓣的中心点O，进而将射线OP1与射线OP2之间的区域标记为RCC，OP2与OP3之间的区域标记为LCC，OP3与OP1之间的区域标记为NCC。
进一步地，针对钙化投影区域中的任一投影点，将该投影点与O点的连线所处的区域对应的瓣叶确定为该投影点所属的瓣叶。这样，基于所有投影点所属的瓣叶，即可得到每个瓣叶的子投影钙化区域。
(3)将属于各个瓣叶的子钙化投影区域对应的未投影前的子钙化区域确定为属于该瓣叶的子钙化区域。
S304、根据每个瓣叶的子钙化区域，确定该瓣叶的钙化率。
具体的，可首先计算每个瓣叶的第一体积，进而计算该瓣叶的所有子钙化区域的第二体积，从而将第二体积与第一体积的比值确定为该瓣叶的钙化率。
具体的，在计算第二体积时，可统计该瓣叶的所有子钙化区域的体素个数，进而根据体素个数和体素物理单位计算得到第二体积。
此外，本申请中，可按如下方法计算每个瓣叶的体积：
(1)在与主动脉中心线垂直、且位于窦管交界面以下(本申请中，以人体头部方向为上，人体脚部方向为下)的各个平面上，按OP1，OP2，OP3的方向划分统计该平面上各个瓣叶的像素个数；
(2)统计所有平面上每个瓣叶的总的像素个数，进而根据每个瓣叶的总的像素个数和像素物理单位，计算每个瓣叶的体积。
有关基于体素个数和体素物理单位计算体积的具体实现原理，以及基于像素个数和像素物理单位计算面积的具体实现原理，可以参见相关技术中的描述，此处不再赘述。
S305、将所述钙化区域、所述钙化区域的目标参数和各个瓣叶的钙化率确定为所述主动脉瓣钙化参数。
本实施例提供了一种获取钙化参数的方法，通过该方法，可准备的获取钙化参数，以为制作人工瓣膜提供参考数据。
与前述主动脉瓣评估方法的实施例相对应，本申请还提供了主动脉瓣评估装置的实施例。
本申请主动脉瓣评估装置的实施例可以应用在计算机设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在计算机设备的处理器将存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图11所示，为本申请一示例性实施例示出的主动脉瓣评估装置所在计算机设备的硬件结构图，除了图11所示的存储器100、处理器200、内存300和网络接口400之外，实施例中装置所在的计算机设备通常根据该主动脉瓣评估装置的实际功能，还可以包括其他硬件，对此不再赘述。
图12为本申请提供的主动脉瓣评估装置实施例一的结构示意图。请参照图12，本实施例提供的装置，可以包括分割单元1101、定位单元1102和测量评估单元1103，其中，
所述分割单元1101，用于从心脏造影图像中识别心脏各组织；
所述定位单元1102，用于从所述心脏造影图像中识别主动脉关键点；
所述定位单元1102，还用于根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面；
所述测量评估单元1103，用于根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣形态参数。
本实施例的装置，可用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本申请还提供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申请提供的任一主动脉瓣评估方法的步骤。
具体的，适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。
请继续参照图11，本申请还提供一种计算机设备，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申请提供的任一主动脉瓣评估方法的步骤。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (8)
1.一种主动脉瓣评估方法，其特征在于，所述方法包括：
从心脏造影图像中识别心脏各组织和主动脉关键点；
根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面；
根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数；
所述确定主动脉瓣钙化参数，包括：
根据识别出的主动脉瓣，确定钙化区域；
针对每个钙化区域，确定该钙化区域的指定参数；
针对每个钙化区域，基于所述主动脉关键面中的主动脉窦最大直径平面，确定属于各个瓣叶的子钙化区域；
根据每个瓣叶的子钙化区域，确定该瓣叶的钙化率；
将所述钙化区域、所述钙化区域的指定参数和各个瓣叶的钙化率确定为所述主动脉瓣钙化参数；
所述确定属于各个瓣叶的子钙化区域，包括：
针对每个钙化区域，将该钙化区域投影到所述主动脉窦最大直径平面上，得到钙化投影区域；
根据识别出的目标主动脉瓣，从所述钙化投影区域中查找属于各个瓣叶的子钙化投影区域；其中，所述目标主动脉瓣为位于所述主动脉窦最大直径平面上的主动脉瓣；
将属于各个瓣叶的子钙化投影区域对应的未投影前的子钙化区域确定为属于该瓣叶的子钙化区域。
2.根据权利要求1所述的方法，其特征在于，所述从心脏造影图像识别心脏各组织，包括：
采用预先训练好的第一神经网络对所述心脏造影图像进行分割处理，得到标记心脏各组织的心脏组织分割图像；
将升主动脉所在的目标区域从所述心脏组织分割图像中提取出来；
利用预先训练好的第二神经网络对所述目标区域进行分割处理，得到标记主动脉瓣和主动脉窦的主动脉分割图像；
根据所述心脏组织分割图像和所述主动脉分割图像，识别心脏各组织。
3.根据权利要求1所述的方法，其特征在于，所述从心脏造影图像中识别主动脉关键点，包括：
利用预先训练好的第三神经网络从所述心脏造影图像中识别主动脉关键点。
4.根据权利要求1所述的方法，其特征在于，所述主动脉瓣结构形态参数包括至少一项以下参数：主动脉瓣类型、主动瓣开闭状态和冠脉开口类型；其中，确定主动脉瓣类型，包括：
基于识别出的主动脉关键点中的主动脉窦点的数量，确定主动脉瓣类型；
确定主动脉瓣开闭状态，包括：
基于识别出的心脏各组织中的主动脉瓣，确定主动脉瓣的关闭状态；
确定冠脉开口类型，包括：
基于识别出的主动脉关键点、以及识别出的心脏各组织中的左冠窦、右冠窦、无冠窦和主动脉，确定冠脉开口类型。
5.根据权利要求1所述的方法，其特征在于，所述主动脉瓣解剖参数包括至少一项以下参数：目标组织的目标参数、冠脉开口点与主动脉瓣环的垂直距离、主动脉瓣的高度、冠脉开口角度、两个冠脉开口之间的角度以及左心室流出道和主动脉之间的夹角；其中，所述目标组织包括至少一项以下组织：主动脉瓣环、主动脉窦、主动脉窦管交界、升主动脉和左心室流出道；所述目标参数包括至少一项以下参数：最大直径、最小直径、有效直径和面积。
6.根据权利要求1所述的方法，其特征在于，所述主动脉关键面包括至少一个以下平面：主动脉瓣环平面、主动脉窦最大直径平面、窦管交界面、升主动脉平面、冠脉开口平面和左心室流出道平面。
7.一种主动脉瓣评估装置，其特征在于，所述装置包括分割单元、定位单元和测量评估单元，其中，
所述分割单元，用于从心脏造影图像中识别心脏各组织；
所述定位单元，用于从所述心脏造影图像中识别主动脉关键点；
所述定位单元，还用于根据所述心脏各组织和所述主动脉关键点，识别主动脉关键面；
所述测量评估单元，用于根据所述心脏各组织、所述主动脉关键点和所述主动脉关键面，确定主动脉瓣解剖参数、主动脉瓣钙化参数和主动脉瓣结构形态参数；所述确定主动脉瓣钙化参数，包括：根据识别出的主动脉瓣，确定钙化区域；针对每个钙化区域，确定该钙化区域的指定参数；针对每个钙化区域，基于所述主动脉关键面中的主动脉窦最大直径平面，确定属于各个瓣叶的子钙化区域；根据每个瓣叶的子钙化区域，确定该瓣叶的钙化率；将所述钙化区域、所述钙化区域的指定参数和各个瓣叶的钙化率确定为所述主动脉瓣钙化参数；
所述确定属于各个瓣叶的子钙化区域，包括：针对每个钙化区域，将该钙化区域投影到所述主动脉窦最大直径平面上，得到钙化投影区域；根据识别出的目标主动脉瓣，从所述钙化投影区域中查找属于各个瓣叶的子钙化投影区域；其中，所述目标主动脉瓣为位于所述主动脉窦最大直径平面上的主动脉瓣；将属于各个瓣叶的子钙化投影区域对应的未投影前的子钙化区域确定为属于该瓣叶的子钙化区域。
8.一种计算机设备，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本申请提供的任一主动脉瓣评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010373415.9A CN111523549B (zh) | 2020-05-06 | 2020-05-06 | 一种主动脉瓣评估方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010373415.9A CN111523549B (zh) | 2020-05-06 | 2020-05-06 | 一种主动脉瓣评估方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111523549A CN111523549A (zh) | 2020-08-11 |
| CN111523549B true CN111523549B (zh) | 2023-09-29 |
Family
ID=71907282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010373415.9A Active CN111523549B (zh) | 2020-05-06 | 2020-05-06 | 一种主动脉瓣评估方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111523549B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112674872B (zh) * | 2020-12-22 | 2021-07-06 | 中国人民解放军陆军军医大学 | 一种主动脉复合体解剖特征测量方法 |
| CN113749766B (zh) * | 2021-08-31 | 2023-02-03 | 拓微摹心数据科技(南京)有限公司 | 一种经导管主动脉瓣置换术中造影建议投射角度的计算方法 |
| CN113974667A (zh) * | 2021-11-02 | 2022-01-28 | 东北大学 | 一种tavi术前关键目标的自动定位装置及方法 |
| CN114372961B (zh) * | 2021-11-26 | 2023-07-11 | 南京芯谱视觉科技有限公司 | 一种人造心脏瓣膜缺陷检测方法 |
| CN114782399B (zh) * | 2022-05-13 | 2024-02-02 | 上海博动医疗科技股份有限公司 | 瓣环自动检测方法、装置、电子设备及存储介质 |
| CN115429297B (zh) * | 2022-09-29 | 2023-06-02 | 上海博动医疗科技股份有限公司 | 一种主动脉瓣识别方法及装置、电子设备、存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091346A (zh) * | 2014-07-24 | 2014-10-08 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
| CN106716488A (zh) * | 2014-09-12 | 2017-05-24 | 皇家飞利浦有限公司 | 分析主动脉瓣钙化 |
| EP3361445A1 (en) * | 2017-02-08 | 2018-08-15 | Pascal Lim | Three-dimensional echocardiography method to quantify aortic valve calcification |
| CN108471974A (zh) * | 2015-10-28 | 2018-08-31 | 皇家飞利浦有限公司 | 主动脉瓣状态的发信号示意 |
| CN108805923A (zh) * | 2018-06-01 | 2018-11-13 | 沈阳东软医疗系统有限公司 | 生理参数获取方法和装置 |
| CN109700574A (zh) * | 2018-12-21 | 2019-05-03 | 北京工业大学 | 一种基于ct影像数据制备钙化主动脉瓣的方法 |
| CN110570424A (zh) * | 2019-10-08 | 2019-12-13 | 中国人民解放军陆军军医大学 | 一种基于cta动态影像的主动脉瓣半自动分割方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9730609B2 (en) * | 2011-12-15 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for aortic valve calcification evaluation |
| US11464639B2 (en) * | 2018-01-31 | 2022-10-11 | Oregon Health & Science University | Methods for creating sinus-matched aortic valves |
-
2020
- 2020-05-06 CN CN202010373415.9A patent/CN111523549B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091346A (zh) * | 2014-07-24 | 2014-10-08 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
| CN106716488A (zh) * | 2014-09-12 | 2017-05-24 | 皇家飞利浦有限公司 | 分析主动脉瓣钙化 |
| CN108471974A (zh) * | 2015-10-28 | 2018-08-31 | 皇家飞利浦有限公司 | 主动脉瓣状态的发信号示意 |
| EP3361445A1 (en) * | 2017-02-08 | 2018-08-15 | Pascal Lim | Three-dimensional echocardiography method to quantify aortic valve calcification |
| CN108805923A (zh) * | 2018-06-01 | 2018-11-13 | 沈阳东软医疗系统有限公司 | 生理参数获取方法和装置 |
| CN109700574A (zh) * | 2018-12-21 | 2019-05-03 | 北京工业大学 | 一种基于ct影像数据制备钙化主动脉瓣的方法 |
| CN110570424A (zh) * | 2019-10-08 | 2019-12-13 | 中国人民解放军陆军军医大学 | 一种基于cta动态影像的主动脉瓣半自动分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孟存忠 ; 高扬 ; 刘坤 ; 马亚南 ; 任心爽 ; 吕滨 ; .双源CT在成人主动脉瓣二瓣化畸形诊断中的应用价值.中国临床医学影像杂志.2016,(09),全文. * |
| 王墨扬 ; 吴永健 ; .经导管主动脉瓣置换术前影像学评估.中国循环杂志.2016,(07),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111523549A (zh) | 2020-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111523549B (zh) | 一种主动脉瓣评估方法、装置和计算机设备 | |
| CN106716488B (zh) | 分析主动脉瓣钙化 | |
| CN105184086B (zh) | 用于冠状动脉中改进的血液动力学计算的方法及系统 | |
| KR101910233B1 (ko) | 맥관구조를 수치 평가하는 시스템들 및 방법들 | |
| US10695131B2 (en) | Medical imaging system | |
| CN103294883B (zh) | 用于针对经导管主动脉瓣植入进行介入规划的方法和系统 | |
| JP5868052B2 (ja) | 包括的な患者固有の心臓のモデリング方法およびシステム | |
| JP7019694B2 (ja) | 医療処置で使用するための医療装置の選択 | |
| US9730609B2 (en) | Method and system for aortic valve calcification evaluation | |
| ES2757629T3 (es) | Método y aparato para la segmentación de vasos sanguíneos | |
| WO2007090093A2 (en) | Method and system for image processing and assessment of a state of a heart | |
| US20170270663A1 (en) | Automatic recognition of anatomical landmarks | |
| WO2004068406A2 (en) | A method and system for image processing and contour assessment | |
| JP7053656B6 (ja) | 造影剤注入撮像 | |
| CN111553887B (zh) | 桥血管评价信息获取方法及装置 | |
| CN112674872B (zh) | 一种主动脉复合体解剖特征测量方法 | |
| CN106470594A (zh) | 确定心血管结构的有效横截面面积 | |
| Cárdenes et al. | 3D modeling of coronary artery bifurcations from CTA and conventional coronary angiography | |
| CN106780720B (zh) | 医学图像显示方法及装置 | |
| CN113409349B (zh) | 一种基于人工智能的主动脉结构图像自动分割方法 | |
| CN115205277A (zh) | 一种主动脉瓣经股动脉介入评估方法与系统 | |
| Gessat et al. | A planning system for transapical aortic valve implantation | |
| Gao et al. | Automatic extraction of arterial centerline from whole-body computed tomography angiographic datasets | |
| Almar-Munoz et al. | Computational Aorta Unfolding for Precise Planning of Transcatheter Aortic Valve Implantation on contrast-free Magnetic Resonance Imaging. | |
| Toma | Co-Registration of Intracardiac Echocardiography (ICE) and Computed Tomography (CT) for the Purpose of Guiding Structural Heart Disease Intervention |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240202 Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: Shenyang Neusoft Medical Systems Co.,Ltd. Country or region after: China Address before: Room 336, 177-1, Chuangxin Road, Hunnan New District, Shenyang City, Liaoning Province Patentee before: Shenyang advanced medical equipment Technology Incubation Center Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |