CN111553887B - 桥血管评价信息获取方法及装置 - Google Patents
桥血管评价信息获取方法及装置 Download PDFInfo
- Publication number
- CN111553887B CN111553887B CN202010291361.1A CN202010291361A CN111553887B CN 111553887 B CN111553887 B CN 111553887B CN 202010291361 A CN202010291361 A CN 202010291361A CN 111553887 B CN111553887 B CN 111553887B
- Authority
- CN
- China
- Prior art keywords
- bridge
- blood vessel
- vessel
- image
- target position
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 167
- 238000011156 evaluation Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title abstract description 35
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 33
- 208000037804 stenosis Diseases 0.000 claims description 33
- 230000036262 stenosis Effects 0.000 claims description 33
- 210000004351 coronary vessel Anatomy 0.000 claims description 29
- 230000002792 vascular Effects 0.000 claims description 28
- 230000011218 segmentation Effects 0.000 claims description 25
- 230000003872 anastomosis Effects 0.000 claims description 22
- 210000000709 aorta Anatomy 0.000 claims description 11
- 210000002376 aorta thoracic Anatomy 0.000 claims description 8
- 238000010968 computed tomography angiography Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 7
- 238000002583 angiography Methods 0.000 claims description 6
- 230000003902 lesion Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000012549 training Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 6
- 230000002980 postoperative effect Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000001349 mammary artery Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000003291 sinus of valsalva Anatomy 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003270 subclavian artery Anatomy 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000002168 brachiocephalic trunk Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000003394 haemopoietic effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 210000003752 saphenous vein Anatomy 0.000 description 1
- 231100000216 vascular lesion Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—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
- G06T2207/10081—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
- G06T2207/30—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
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
本发明实施例提供一种桥血管评价信息获取方法及装置。本发明实施例通过接收输入图像，对输入图像进行分割，得到分割图像，分割图像中至少标记有桥血管开口点、冠脉树和桥血管，基于分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，根据目标位置处的图像信息，确定桥血管评价信息，能够自动获得冠脉搭桥手术术后桥血管的评价信息，减少了医生的人工手动操作，提高了工作效率。
Description
技术领域
本发明涉及医学图像处理技术领域，尤其涉及一种桥血管评价信息获取方法及装置。
背景技术
心脏冠状动脉搭桥手术(Coronary Artery Bypass Grafting，CABG)是外科治疗冠心病的主要手段之一，这种手术简称冠脉搭桥手术。随着冠心病发病率的提高，冠脉搭桥手术的病例在逐年增加。冠脉搭桥手术是取病人本身的血管(如胸阔内动脉、下肢的大隐静脉等)或用人造血管，一端与冠状动脉狭窄远端吻合，一端与升主动脉吻合，使血液绕过梗阻部分继续前行的手术方法。也可同时在一根静脉上开几个侧孔分别与几支冠状动脉侧侧吻合，这就是序贯搭桥或蛇形桥。
冠脉搭桥手术术后常见并发症为桥血管狭窄或闭塞，因此术后随访评价桥血管的通畅性具有重要意义，且对动静脉桥血管远期预后的评估尤为重要。相关技术中，由医生根据受检者的医学图像人工判断桥血管的术后情况，工作效率较低。
发明内容
为克服相关技术中存在的问题，本发明提供了一种桥血管评价信息获取方法及装置，提高判断桥血管术后情况的工作效率。
根据本发明实施例的第一方面，提供一种桥血管评价信息获取方法，包括：
接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像；
对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管；
基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置；
根据所述目标位置处的图像信息，确定桥血管评价信息。
根据本发明实施例的第二方面，提供一种桥血管评价信息获取装置，包括：
接收模块，用于接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像；
分割模块，用于对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管；
识别模块，用于基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置；
确定模块，用于根据所述目标位置处的图像信息，确定桥血管评价信息。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明实施例，通过接收输入图像，对输入图像进行分割，得到分割图像，分割图像中至少标记有桥血管开口点、冠脉树和桥血管，基于分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，根据目标位置处的图像信息，确定桥血管评价信息，能够自动获得冠脉搭桥手术术后桥血管的评价信息，减少了医生的人工手动操作，提高了工作效率。
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
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本发明实施例提供的桥血管评价信息获取方法的流程示例图。
图2是本发明实施例提供的桥血管评价信息获取装置的功能方块图。
图3是本发明实施例提供的电子设备的一个硬件结构图。
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发明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、本发明实施例的一些方面相一致的装置和方法的例子。
在本发明实施例使用的术语是仅仅出于描述特定本发明实施例的目的，而非旨在限制本发明实施例。在本发明实施例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，尽管在本发明实施例可能采用术语第一、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，在不脱离本发明实施例范围的情况下，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”。
在桥血管的术后评价方面，冠脉造影(Coronary Arteriography，CAG)一直被认为是术后评价冠状动脉桥血管的金标准，但CAG是有创检查，具有一定风险而且费用较高，难以被患者接受。
相关技术中，需要医生根据冠脉血管的医学图像，通过人工方式来评价桥血管的术后情况。这种方式中，医生需要频繁操作，十分繁琐，并且操作的复杂度较高，耗时长，影响了医生的工作效率。
下面通过实施例对桥血管评价信息获取方法进行详细说明。
图1是本发明实施例提供的桥血管评价信息获取方法的流程示例图。如图1所示，本实施例中，桥血管评价信息获取方法可以包括：
S101，接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像。
S102，对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管。
S103，基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置。
S104，根据所述目标位置处的图像信息，确定桥血管评价信息。
CT血管造影(CT angiography，CTA)检查，能够提供高质量的冠状动脉图像，并且这种检查属于无创检查，安全性高。因此，可以通过对受检者进行CTA检查，得到受检者的三维医学CT心脏搭桥造影图像。
因此，在一个示例性的实现过程中，接收输入图像之前，所述方法还可以包括：
对所述受检者进行CT血管造影，获得所述受检者的三维医学CT心脏搭桥造影图像。
本实施例中，分割的目的是找出与桥血管评价有关的血管组织以及重要开口点。
在一个示例性的实现过程中，对所述输入图像进行分割，得到分割图像，包括：
基于预设分割策略，从所述输入图像中分割出目标血管组织，所述目标血管组织至少包括升主动脉和主动脉弓；
根据所述目标血管组织，识别关键点，所述关键点包括冠脉开口点和桥血管开口点；
根据所述冠脉开口点，提取冠脉树，以及根据所述桥血管开口点，提取桥血管；
在所述输入图像中标记出所述目标血管组织、所述关键点、所述冠脉树、所述桥血管，得到分割图像。
其中，预设分割策略可以是相关的自动分割算法，例如基于传统图像处理技术的自动分割算法、基于深度学习技术的自动分割算法、传统图像处理技术与深度学习技术相结合的自动分割算法等。
以基于深度学习技术的自动分割算法为例。首先训练分割模型。分割模型的训练过程可以是：
获取若干组样本图像，每组样本图像包括输入图像和标签图像，其中，标签图像是在输入图像的基础上标记出目标血管组织的图像；
构建一个神经网络模型，并设置该神经网络模型的初始参数值；
使用各组样本图像对神经网络模型进行训练，不断调整神经网络模型的参数值，直至符合预设的训练停止条件(例如达到指定的训练次数或者将输入图像输入神经网络模型得到的输出图像与标签图像的差异度小于预设阈值)，停止训练，将此时的神经网络模型作为分割模型。
训练好分割模型后，可以将输入图像输入到训练好的分割模型中，由分割模型对输入图像进行分割，并输出标记有各目标血管组织的输出图像，该输出图像即为分割图像。
本实施例中，目标血管组织可以包括主动脉窦、升主动脉、主动脉弓、头臂干以及锁骨下动脉等。
本实施例中，关键点可以包括冠脉开口点、桥血管开口点，还可以包括乳内动脉开口点。
冠脉开口点的位置可以根据识别出的主动脉窦确定，桥血管开口点的位置可以根据识别出的升主动脉或主动脉弓确定。
在一个示例中，根据所述目标血管组织，识别关键点，可以包括：在定位的主动脉窦区域识别左右冠脉开口点；在定位的升主动脉或主动脉弓区域识别桥血管开口点；在定位的左锁骨下动脉区域识别乳内动脉开口点。
本实施例中，可以利用预先训练好的关键点识别模型来识别关键点。在训练关键点识别模型时，用已经标识出目标血管组织和标记了关键点的分割图像作为训练样本，对构建的深度学习网络模型进行训练，得到关键点识别模型。在应用中，将标识出目标血管组织但未标记关键点的分割图像作为输入图像输入已训练好的关键点识别模型，由关键点识别模型输出标识出目标血管组织和标记了关键点的输出图像，输出图像中标记的关键点即为识别出的关键点。
识别出关键点后，可以记录各个关键点所属的开口点类型，并可以在分割图像上显示各个关键点的开口点类型。
例如，开口点类型可以是左冠开口点、右冠开口点、升主动脉桥血管开口点、乳内动脉开口点等等。
在应用中，根据所述冠脉开口点，提取冠脉树，可以通过如下的方式实现：
一种方式是，基于识别的冠脉开口点，采用传统分割技术提取冠脉分支。例如快速步进追踪算法结合管状物的评估方法，迭代追踪血管树，获得冠脉树。并根据预设的冠脉识别模型，识别右冠、左前降、左旋支、第一对角支等重要分支。
另一种方式是，采用深度学习技术，基于标记的冠脉图像训练网络模型，利用训练好的网络模型去识别冠脉组织，并标记冠脉分支类型。其中，网络模型的训练方法可以采用相关技术中的训练方式，此处不再赘述。
本实施例中，基于识别的桥血管开口点，可以采用一点追踪算法追踪血管至冠脉分支末端，并可以根据桥血管开口点的类型和与其连接的冠脉分支的类型进行桥血管命名，例如：
如果开口点为升主动脉开口点，且连接的冠脉分支为右冠状动脉/左前降/左旋支/对角支，则该桥血管命名为升主动脉到右冠状动脉/左前降/左旋支/对角支的桥血管；
如果开口点为乳内动脉开口点，且连接的冠脉分支为左前降/左旋支/对角支，则该桥血管命名为乳内动脉到左前降/左旋支/对角支的桥血管；
在分割获得冠脉树及桥血管后，可以在分割图像上标记并显示各个血管分支的命名。
在一个示例性的实现过程中，所述目标位置包括桥血管的近端吻合口、桥、远端吻合口、吻合口远端血管；
基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，可以包括：
将所述桥血管开口点确定为桥血管的近端吻合口；
将所述分割图像输入已训练好的桥血管吻合口网路模型，以由所述桥血管吻合口网路模型从所述分割图像中识别出桥血管的远端吻合口；
将所述近端吻合口和远端吻合口之间的血管确定为桥；
沿所述远端吻合口向血管末端方向测量预设距离，将所述预设距离内的血管确定为吻合口远端血管。
其中，预设距离可以根据经验值设定。例如，在应用中，可以将预设距离设置为1cm(厘米)。
本实施例通过分割图像中的桥血管开口点、冠脉树和桥血管，自动识别出桥血管的目标位置，速度快，效率高。并且，本实施例由于是自动完成的，还可以减少用户的操作。
在另一个示例中，用户也可以手动定义目标位置。例如，用户可以通过点击等操作，在分割图像上手动确定目标位置。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息，可以包括：
根据所述目标位置处的图像信息，获取所述目标位置对应的狭窄率；
将所述狭窄率与预设的桥血管分级标准进行比较，得到所述狭窄率对应的分类级别；
根据所述分类级别确定所述目标位置对应的桥血管评价信息。
其中，图像信息可以包括标记的目标位置、目标位置所在血管上目标位置处的截面轮廓、血管中心线、以及目标位置两侧或一侧的正常血管(未出现狭窄的血管)的截面轮廓等。目标位置两侧或一侧的正常血管可以由用户进行标识。例如，用户在血管中心线上确定位于目标位置两侧或一侧的正常血管点，设备自动根据正常血管点标记出正常血管点所在截面处的轮廓，该轮廓即为正常血管的截面轮廓。图像信息还可以包括上述各截面轮廓的面积和/直径。
本实施例中，狭窄率可以以目标位置处一侧或两侧无狭窄段桥血管直径/面积的平均值作为参考，计算狭窄率。例如，目标位置所在的血管段为血管1，目标位置是血管1的血管中心线上的点C1，用户在血管1的血管中心线上点C1的一侧标记点C2，在点C1的另一侧标记点C3，点C2和点C3处的血管为正常血管，点C1处的血管为发生狭窄的血管，则可以用点C2所在血管截面的直径和点C3处所在血管截面的直径的平均值，与点C1处所在血管截面的直径作为参考，计算C1处的狭窄率。或者，可以用点C2所在血管截面的面积和点C3处所在血管截面的面积的平均值，与点C1处所在血管截面的面积作为参考，计算C1处的狭窄率。
举例说明。
假设狭窄血管近心端正常血管直径(或面积)为A，狭窄处血管直径(或面积)为B，则狭窄率为(B-A)/B*100％。
假设狭窄血管近心端两侧正常血管直径(或面积)为A1和A2，狭窄处血管直径(或面积)为B，计算近心端两侧正常血管平均直径(或面积)为：A＝(A1+A2)/2，再利用上述的(B-A)/B*100％计算狭窄率。
桥血管分级标准是预先设置好的，通过分类级别可以对桥血管进行定量定性评价。
在一个示例中，分类级别可以包括A级、B级和O级，其中，各分类级别与狭窄率的对应关系如下：
A级：桥血管无狭窄或狭窄率<50％；
B级：桥血管狭窄率>＝50％，但未完全闭塞；
O级：桥血管完全闭塞。
在一个示例性的实现过程中，根据所述分类级别确定所述目标位置对应的桥血管评价信息，可以包括：
将所述分类级别确定为所述目标位置对应的桥血管评价信息；或者，
从预设的分类级别与桥血管通畅参数值的对应关系中，找出与所述分类级别对应的目标桥血管通畅参数值，将所述目标桥血管通畅参数值确定为所述目标位置对应的桥血管评价信息；
所述桥血管通畅参数值用于指示桥血管通畅或桥血管病变。
其中，分类级别与桥血管通畅参数值的对应关系可以如表1所示：
表1
| 分类级别 | 桥血管通畅参数值 |
| A级 | 桥血管通畅 |
| B级 | 桥血管病变 |
| O级 | 桥血管病变 |
例如，假设分类级别为A级，则桥血管评价信息可以是“A级”，也可以是“桥血管通畅”。假设分类级别为B级，则桥血管评价信息可以是“B级”，也可以是“桥血管病变”。
在一个示例性的实现过程中，所述方法还可以包括：
根据所述目标位置处的图像信息，获取所述目标位置对应的截面的轮廓、有效直径、面积中的至少一个。
本实施例中，不仅获取目标位置对应的狭窄率，还获取目标位置对应的截面的轮廓、有效直径、面积等，这些信息可以显示在分割图像中，以便为医生提供更多参考信息。
获取目标位置的桥血管评价信息可以包括：
计算近端吻合口的截面轮廓、有效直径、面积和狭窄率；
计算桥血管的截面轮廓、有效直径、面积和狭窄率；
计算远端吻合口的截面轮廓、有效直径、面积和狭窄率；
计算吻合口远端血管的截面轮廓、有效直径、面积和狭窄率。
其中，根据界面轮廓，可以计算出直径和面积。
对于各个目标位置的计算结果，可以通过表格或窗口图像进行显示。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息之后，还可以包括：
输出所述桥血管评价信息。
在应用中，输出的桥血管评价信息可以独立显示，也可以与分割图像合成显示。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息之后，还可以包括：
输出并显示所述分割图像。
分割图像中不仅可以显示分割出的各个血管组织，还可以显示前述的关键点、冠脉树、桥血管、桥血管各个血管分支的命名等信息。
在一个示例性的实现过程中，显示所述分割图像，可以包括：
在所述分割图像中，将桥血管和冠脉显示为不同颜色；
在所述分割图像中以点、线或面的方式显示所述目标位置。
在一个示例中，显示所述分割图像，可以包括：以三维可视化模式显示所述分割图像。例如最大亮度投影(Maximum Intensity Projection，MIP)、虚拟现实(VirtualReality，VR)等，提供直观的冠脉树及桥血管显示，便于医生观察和诊断。
在一个示例中，显示所述分割图像，可以包括：以三维网格模型方式显示所述分割图像。在三维网格模型中，分割图像中的不同组织可以都用同一种颜色显示，也可以用不同颜色显示不同组织。
在一个示例中，显示所述分割图像，包括：以二维图像方式显示所述分割图像。在二维图像中，分割图像中的不同组织可以都用同一种颜色显示，也可以用不同颜色显示不同组织。
本实施例中，可以通过曲面重建(Cerved Projection Reformation，CPR)图像显示桥血管分支，直观地显示血管解剖形态。
本实施例中，可以在2D(二维)或3D(三维)的分割图像中以点、线、面的方式融合显示冠脉、桥血管开口点和目标位置，用户可以在图像中对这些显示内容进行手动调节。
本发明实施例提供的桥血管评价信息获取方法，通过接收输入图像，对输入图像进行分割，得到分割图像，分割图像中至少标记有桥血管开口点、冠脉树和桥血管，基于分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，根据目标位置处的图像信息，确定桥血管评价信息，能够自动获得冠脉搭桥手术术后桥血管的评价信息，减少了医生的人工手动操作，提高了工作效率。
基于上述的方法实施例，本发明实施例还提供了相应的装置、设备及存储介质实施例。
图2是本发明实施例提供的桥血管评价信息获取装置的功能方块图。如图2所示，本实施例中，桥血管评价信息获取装置可以包括：
接收模块210，用于接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像；
分割模块220，用于对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管；
识别模块230，用于基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置；
确定模块240，用于根据所述目标位置处的图像信息，确定桥血管评价信息。
在一个示例性的实现过程中，分割模块220可以具体用于：
基于预设分割策略，从所述输入图像中分割出目标血管组织，所述目标血管组织至少包括升主动脉和主动脉弓；
根据所述目标血管组织，识别关键点，所述关键点冠脉开口点和桥血管开口点；
根据所述冠脉开口点，提取冠脉树，以及根据所述桥血管开口点，提取桥血管；
在所述输入图像中标记出所述目标血管组织、所述关键点、所述冠脉树、所述桥血管，得到分割图像。
在一个示例性的实现过程中，所述目标位置包括桥血管的近端吻合口、桥、远端吻合口、吻合口远端血管；
识别模块230可以具体用于：
将所述桥血管开口点确定为桥血管的近端吻合口；
将所述分割图像输入已训练好的桥血管吻合口网路模型，以由所述桥血管吻合口网路模型从所述分割图像中识别出桥血管的远端吻合口；
将所述近端吻合口和远端吻合口之间的血管确定为桥；
沿所述远端吻合口向血管末端方向测量预设距离，将所述预设距离内的血管确定为吻合口远端血管。
在一个示例性的实现过程中，确定模块240可以具体用于：
根据所述目标位置处的图像信息，获取所述目标位置对应的狭窄率；
将所述狭窄率与预设的桥血管分级标准进行比较，得到所述狭窄率对应的分类级别；
根据所述分类级别确定所述目标位置对应的桥血管评价信息。
在一个示例性的实现过程中，确定模块240在用于根据所述分类级别确定所述目标位置对应的桥血管评价信息时，可以具体用于：
将所述分类级别确定为所述目标位置对应的桥血管评价信息；或者，
从预设的分类级别与桥血管通畅参数值的对应关系中，找出与所述分类级别对应的目标桥血管通畅参数值，将所述目标桥血管通畅参数值确定为所述目标位置对应的桥血管评价信息；
所述桥血管通畅参数值用于指示桥血管通畅或桥血管病变。
在一个示例性的实现过程中，确定模块240还可以用于：
根据所述目标位置处的图像信息，获取所述目标位置对应的截面的轮廓、有效直径、面积中的至少一个。
在一个示例性的实现过程中，所述装置还可以包括：
图像获取模块，用于对所述受检者进行CT血管造影，获得所述受检者的三维医学CT心脏搭桥造影图像。
在一个示例性的实现过程中，所述装置还可以包括：
评价信息输出模块，用于输出所述桥血管评价信息。
在一个示例性的实现过程中，所述装置还可以包括：
图像输出及显示模块，用于输出并显示所述分割图像。
在一个示例性的实现过程中，图像输出及显示模块可以具体用于：
以三维可视化模式显示所述分割图像，或者以三维网格模型方式显示所述分割图像，或者以二维图像方式显示所述分割图像。
在一个示例性的实现过程中，图像输出及显示模块可以具体用于：
在所述分割图像中，将桥血管和冠脉显示为不同颜色；
在所述分割图像中以点、线或面的方式显示所述目标位置。
本发明实施例还提供了一种电子设备。图3是本发明实施例提供的电子设备的一个硬件结构图。如图3所示，电子设备包括：内部总线301，以及通过内部总线连接的存储器302，处理器303和外部接口304，其中，
所述存储器302，用于存储桥血管评价信息获取逻辑对应的机器可读指令；
所述处理器303，用于读取存储器302上的机器可读指令，并执行所述指令以实现如下操作：
接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像；
对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管；
基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置；
根据所述目标位置处的图像信息，确定桥血管评价信息。
在一个示例性的实现过程中，对所述输入图像进行分割，得到分割图像，包括：
基于预设分割策略，从所述输入图像中分割出目标血管组织，所述目标血管组织至少包括升主动脉和主动脉弓；
根据所述目标血管组织，识别关键点，所述关键点冠脉开口点和桥血管开口点；
根据所述冠脉开口点，提取冠脉树，以及根据所述桥血管开口点，提取桥血管；
在所述输入图像中标记出所述目标血管组织、所述关键点、所述冠脉树、所述桥血管，得到分割图像。
在一个示例性的实现过程中，所述目标位置包括桥血管的近端吻合口、桥、远端吻合口、吻合口远端血管；
基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，包括：
将所述桥血管开口点确定为桥血管的近端吻合口；
将所述分割图像输入已训练好的桥血管吻合口网路模型，以由所述桥血管吻合口网路模型从所述分割图像中识别出桥血管的远端吻合口；
将所述近端吻合口和远端吻合口之间的血管确定为桥；
沿所述远端吻合口向血管末端方向测量预设距离，将所述预设距离内的血管确定为吻合口远端血管。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息，包括：
根据所述目标位置处的图像信息，获取所述目标位置对应的狭窄率；
将所述狭窄率与预设的桥血管分级标准进行比较，得到所述狭窄率对应的分类级别；
根据所述分类级别确定所述目标位置对应的桥血管评价信息。
在一个示例性的实现过程中，根据所述分类级别确定所述目标位置对应的桥血管评价信息，包括：
将所述分类级别确定为所述目标位置对应的桥血管评价信息；或者，
从预设的分类级别与桥血管通畅参数值的对应关系中，找出与所述分类级别对应的目标桥血管通畅参数值，将所述目标桥血管通畅参数值确定为所述目标位置对应的桥血管评价信息；
所述桥血管通畅参数值用于指示桥血管通畅或桥血管病变。
在一个示例性的实现过程中，还包括：
根据所述目标位置处的图像信息，获取所述目标位置对应的截面的轮廓、有效直径、面积中的至少一个。
在一个示例性的实现过程中，接收输入图像之前，还包括：
对所述受检者进行CT血管造影，获得所述受检者的三维医学CT心脏搭桥造影图像。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息之后，还包括：
输出所述桥血管评价信息。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息之后，还包括：
输出并显示所述分割图像。
在一个示例性的实现过程中，显示所述分割图像，包括：
以三维可视化模式显示所述分割图像，或者以三维网格模型方式显示所述分割图像，或者以二维图像方式显示所述分割图像。
在一个示例性的实现过程中，显示所述分割图像，包括：
在所述分割图像中，将桥血管和冠脉显示为不同颜色；
在所述分割图像中以点、线或面的方式显示所述目标位置。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如下操作：
接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像；
对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管；
基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置；
根据所述目标位置处的图像信息，确定桥血管评价信息。
在一个示例性的实现过程中，对所述输入图像进行分割，得到分割图像，包括：
基于预设分割策略，从所述输入图像中分割出目标血管组织，所述目标血管组织至少包括升主动脉和主动脉弓；
根据所述目标血管组织，识别关键点，所述关键点冠脉开口点和桥血管开口点；
根据所述冠脉开口点，提取冠脉树，以及根据所述桥血管开口点，提取桥血管；
在所述输入图像中标记出所述目标血管组织、所述关键点、所述冠脉树、所述桥血管，得到分割图像。
在一个示例性的实现过程中，所述目标位置包括桥血管的近端吻合口、桥、远端吻合口、吻合口远端血管；
基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，包括：
将所述桥血管开口点确定为桥血管的近端吻合口；
将所述分割图像输入已训练好的桥血管吻合口网路模型，以由所述桥血管吻合口网路模型从所述分割图像中识别出桥血管的远端吻合口；
将所述近端吻合口和远端吻合口之间的血管确定为桥；
沿所述远端吻合口向血管末端方向测量预设距离，将所述预设距离内的血管确定为吻合口远端血管。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息，包括：
根据所述目标位置处的图像信息，获取所述目标位置对应的狭窄率；
将所述狭窄率与预设的桥血管分级标准进行比较，得到所述狭窄率对应的分类级别；
根据所述分类级别确定所述目标位置对应的桥血管评价信息。
在一个示例性的实现过程中，根据所述分类级别确定所述目标位置对应的桥血管评价信息，包括：
将所述分类级别确定为所述目标位置对应的桥血管评价信息；或者，
从预设的分类级别与桥血管通畅参数值的对应关系中，找出与所述分类级别对应的目标桥血管通畅参数值，将所述目标桥血管通畅参数值确定为所述目标位置对应的桥血管评价信息；
所述桥血管通畅参数值用于指示桥血管通畅或桥血管病变。
在一个示例性的实现过程中，还包括：
根据所述目标位置处的图像信息，获取所述目标位置对应的截面的轮廓、有效直径、面积中的至少一个。
在一个示例性的实现过程中，接收输入图像之前，还包括：
对所述受检者进行CT血管造影，获得所述受检者的三维医学CT心脏搭桥造影图像。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息之后，还包括：
输出所述桥血管评价信息。
在一个示例性的实现过程中，根据所述目标位置处的图像信息，确定桥血管评价信息之后，还包括：
输出并显示所述分割图像。
在一个示例性的实现过程中，显示所述分割图像，包括：
以三维可视化模式显示所述分割图像，或者以三维网格模型方式显示所述分割图像，或者以二维图像方式显示所述分割图像。
在一个示例性的实现过程中，显示所述分割图像，包括：
在所述分割图像中，将桥血管和冠脉显示为不同颜色；
在所述分割图像中以点、线或面的方式显示所述目标位置。
对于装置和设备实施例而言，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模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
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，并不用以限制本说明书，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 (10)
1.一种桥血管评价信息获取装置，其特征在于，包括：
接收模块，用于接收输入图像，所述输入图像为受检者的三维医学CT心脏搭桥造影图像；
分割模块，用于对所述输入图像进行分割，得到分割图像，所述分割图像中至少标记有桥血管开口点、冠脉树和桥血管；
识别模块，用于基于所述分割图像中的桥血管开口点、冠脉树和桥血管，识别桥血管的目标位置，所述目标位置包括桥血管的近端吻合口、桥、远端吻合口、吻合口远端血管；
确定模块，用于根据所述目标位置处的图像信息，确定桥血管评价信息，包括：根据所述目标位置处的图像信息，获取所述目标位置对应的狭窄率；将所述狭窄率与预设的桥血管分级标准进行比较，得到所述狭窄率对应的分类级别；根据所述分类级别确定所述目标位置对应的桥血管评价信息。
2.根据权利要求1所述的装置，其特征在于，所述分割模块具体用于：
基于预设分割策略，从所述输入图像中分割出目标血管组织，所述目标血管组织至少包括升主动脉和主动脉弓；
根据所述目标血管组织，识别关键点，所述关键点冠脉开口点和桥血管开口点；
根据所述冠脉开口点，提取冠脉树，以及根据所述桥血管开口点，提取桥血管；
在所述输入图像中标记出所述目标血管组织、所述关键点、所述冠脉树、所述桥血管，得到分割图像。
3.根据权利要求1所述的装置，其特征在于，所述识别模块具体用于：
将所述桥血管开口点确定为桥血管的近端吻合口；
将所述分割图像输入已训练好的桥血管吻合口网路模型，以由所述桥血管吻合口网路模型从所述分割图像中识别出桥血管的远端吻合口；
将所述近端吻合口和远端吻合口之间的血管确定为桥；
沿所述远端吻合口向血管末端方向测量预设距离，将所述预设距离内的血管确定为吻合口远端血管。
4.根据权利要求1所述的装置，其特征在于，所述确定模块具体用于：
将所述分类级别确定为所述目标位置对应的桥血管评价信息；或者，
从预设的分类级别与桥血管通畅参数值的对应关系中，找出与所述分类级别对应的目标桥血管通畅参数值，将所述目标桥血管通畅参数值确定为所述目标位置对应的桥血管评价信息；
所述桥血管通畅参数值用于指示桥血管通畅或桥血管病变。
5.根据权利要求1所述的装置，其特征在于，所述确定模块还用于：
根据所述目标位置处的图像信息，获取所述目标位置对应的截面的轮廓、有效直径、面积中的至少一个。
6.根据权利要求1所述的装置，其特征在于，所述接收模块还用于：
对所述受检者进行CT血管造影，获得所述受检者的三维医学CT心脏搭桥造影图像。
7.根据权利要求1所述的装置，其特征在于，所述确定模块还用于：
输出所述桥血管评价信息。
8.根据权利要求1所述的装置，其特征在于，所述确定模块还用于：
输出并显示所述分割图像。
9.根据权利要求8所述的装置，其特征在于，所述确定模块还用于：
以三维可视化模式显示所述分割图像，或者以三维网格模型方式显示所述分割图像，或者以二维图像方式显示所述分割图像。
10.根据权利要求8所述的装置，其特征在于，所述确定模块还用于：
在所述分割图像中，将桥血管和冠脉显示为不同颜色；
在所述分割图像中以点、线或面的方式显示所述目标位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010291361.1A CN111553887B (zh) | 2020-04-14 | 2020-04-14 | 桥血管评价信息获取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010291361.1A CN111553887B (zh) | 2020-04-14 | 2020-04-14 | 桥血管评价信息获取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111553887A CN111553887A (zh) | 2020-08-18 |
| CN111553887B true CN111553887B (zh) | 2024-03-08 |
Family
ID=72004410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010291361.1A Active CN111553887B (zh) | 2020-04-14 | 2020-04-14 | 桥血管评价信息获取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111553887B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113408152B (zh) * | 2021-07-23 | 2023-07-25 | 上海友脉科技有限责任公司 | 冠脉旁路移植仿真系统、方法、介质及电子设备 |
| CN114331958A (zh) * | 2021-11-22 | 2022-04-12 | 四川大学华西医院 | 基于图像识别的实验动物血管吻合术后通畅性的监测方法 |
| CN114266791A (zh) * | 2021-12-31 | 2022-04-01 | 上海联影智能医疗科技有限公司 | 搭桥重建方法及计算机设备 |
| CN114764788B (zh) * | 2022-03-29 | 2022-12-16 | 首都医科大学附属北京天坛医院 | 一种颅内动脉狭窄检测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104116563A (zh) * | 2014-07-02 | 2014-10-29 | 北京工业大学 | 一种个性化冠状动脉搭桥术的血流动力学快速规划方法 |
| CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
| CN110368087A (zh) * | 2019-06-06 | 2019-10-25 | 中国人民解放军北部战区总医院 | 一种信息处理方法和装置、及可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9064300B2 (en) * | 2008-02-15 | 2015-06-23 | Siemens Aktiengesellshaft | Method and system for automatic determination of coronory supply regions |
| US20130066197A1 (en) * | 2011-09-13 | 2013-03-14 | Celine Pruvot | System and method for blood vessel stenosis visualization and navigation |
| US11880989B2 (en) * | 2014-04-25 | 2024-01-23 | Thornhill Scientific Inc. | Imaging abnormalities in vascular response |
-
2020
- 2020-04-14 CN CN202010291361.1A patent/CN111553887B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104116563A (zh) * | 2014-07-02 | 2014-10-29 | 北京工业大学 | 一种个性化冠状动脉搭桥术的血流动力学快速规划方法 |
| CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
| CN110368087A (zh) * | 2019-06-06 | 2019-10-25 | 中国人民解放军北部战区总医院 | 一种信息处理方法和装置、及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 史河水 ; Martin HK Hoffmann ; 韩萍 ; 王孝英 ; 孔祥泉 ; 冯敢生 ; 毛明刚 ; .多层螺旋CT对冠状动脉桥血管的评价.中国医学影像技术.2006,(03),全文. * |
| 张娅梅 ; 徐辉 ; 许权 ; 谢光辉 ; 周文珍 ; 王同兴 ; 张娣 ; .第二代双源128层CT冠脉成像对冠脉搭桥术后桥血管通畅情况的评价.中国医疗设备.2016,(02),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111553887A (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111553887B (zh) | 桥血管评价信息获取方法及装置 | |
| JP7039442B2 (ja) | 血管モデルの作成方法 | |
| KR101910233B1 (ko) | 맥관구조를 수치 평가하는 시스템들 및 방법들 | |
| US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
| US20220284584A1 (en) | Computerised tomography image processing | |
| US7813785B2 (en) | Cardiac imaging system and method for planning minimally invasive direct coronary artery bypass surgery | |
| CN106793992A (zh) | 对象识别 | |
| CN114424290B (zh) | 用于提供冠状动脉钙负荷的纵向显示的装置和方法 | |
| CN111523549B (zh) | 一种主动脉瓣评估方法、装置和计算机设备 | |
| CN111080700A (zh) | 医疗器械图像检测方法及装置 | |
| KR102354396B1 (ko) | 관상동맥석회화점수 산정 방법 및 장치 | |
| CN116630334B (zh) | 用于多分段血管实时自动分割方法、装置、设备及介质 | |
| WO2024140436A1 (zh) | 介入器械的运动规划方法、系统、程序单元和存储介质 | |
| KR102402011B1 (ko) | 의료영상 처리 장치와 그 의료영상 학습 방법 및 의료영상 처리 방법 | |
| CN110111354A (zh) | 肝脏医学图像动脉区域分割方法及系统 | |
| CN115565667A (zh) | Cto介入治疗成功率的预测方法、装置、设备及介质 | |
| Cárdenes et al. | 3D modeling of coronary artery bifurcations from CTA and conventional coronary angiography | |
| JP7441452B2 (ja) | 教師データ生成方法、学習済みモデル生成方法、および発病予測方法 | |
| RU2361518C2 (ru) | Способ предоперационного обследования больного с патологией коронарных сосудов | |
| CN116052883B (zh) | 头颈部手术的受区血管数量与手术风险的av值评价方法 | |
| JP7041446B2 (ja) | 医用画像処理方法、医用画像処理装置および医用画像処理システム | |
| CN117958966A (zh) | 一种血管介入手术的术中路径校正方法及装置 | |
| Viti | Automatic detection tool for abdominal aortic aneurysm | |
| CN117422676A (zh) | 基于人工智能的下肢动脉斑块精准量化评估方法 | |
| WO2022203814A1 (en) | Systems and methods for automatic blood vessel extraction |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240202 Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant 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 Applicant before: Shenyang advanced medical equipment Technology Incubation Center Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |