CN111626974A - 冠状动脉造影图像序列的质量评分方法和装置 - Google Patents
冠状动脉造影图像序列的质量评分方法和装置 Download PDFInfo
- Publication number
- CN111626974A CN111626974A CN201910148601.XA CN201910148601A CN111626974A CN 111626974 A CN111626974 A CN 111626974A CN 201910148601 A CN201910148601 A CN 201910148601A CN 111626974 A CN111626974 A CN 111626974A
- Authority
- CN
- China
- Prior art keywords
- image
- vascular
- frame
- responsivity
- quality score
- 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.)
- Granted
Links
- 238000002586 coronary angiography Methods 0.000 title claims abstract description 45
- 238000013077 scoring method Methods 0.000 title abstract description 6
- 230000002792 vascular Effects 0.000 claims abstract description 49
- 230000004043 responsiveness Effects 0.000 claims abstract description 8
- 238000002583 angiography Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000002601 radiography Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 11
- 238000010191 image analysis Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 210000004351 coronary vessel Anatomy 0.000 description 8
- 230000003902 lesion Effects 0.000 description 6
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010003211 Arteriosclerosis coronary artery Diseases 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000003683 cardiac damage Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 208000026758 coronary atherosclerosis Diseases 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 231100000216 vascular lesion Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
- G06T2207/10121—Fluoroscopy
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- 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
- G06T2207/30168—Image quality inspection
Abstract
本发明公开了一种冠状动脉造影图像序列的质量评分方法,包括:计算冠状动脉造影图像序列中每一帧图像的血管响应度;比较每一帧造影图像的血管响应度,得到造影图像序列的最优帧;利用图像梯度信息计算最优帧图像的质量评分;根据最优帧图像的质量评分和血管响应度,计算每一帧造影图像的质量评分。将图像质量量化,可以计算出序列中图像每一帧的质量评分并排序,通过图像质量评分不仅可以直观迅速的判断出冠状动脉造影图像质量的优劣,而且能够自动推荐出冠状动脉造影图像序列中的最优帧,便于后期冠状动脉造影图像分析,缩短人工处理时间,同时减少人工主观因素对分析结果带来的误差。
Description
技术领域
本发明涉及医学图像处理技术领域,具体地涉及一种冠状动脉造影图像序列的质量评分方法和装置,可应用于X射冠状动脉造影图像的临床诊断。
背景技术
冠状动脉分布在心脏的表面,分出许多小分支进入心肌,并为心肌供应血液。冠状动脉粥样硬化是造成心脏受损和心肌梗塞的主要原因,准确的诊断并对其进行正确定位和量化非常关键。冠状动脉造影术可以提供快速、高质量的血管图像序列,是目前医学临床广泛采用的诊断和治疗冠心病的主要依据之一,被称为诊断冠心病的“金标准”。近些年来,冠状动脉造影图像分析已经引起广大心脏疾病研究者的注意,并成为国内外研究的热点。
在冠状动脉造影图像分析前,为了能更好的分析血管病变,首先需要挑选高质量的冠状动脉造影图像。如果对质量差的冠状动脉造影图像进行病变分析,会严重影响分析结果的准确度,所以判断冠状动脉造影图像质量优劣是冠状动脉造影图像分析的前提。评价冠状动脉造影图像质量好坏,需要结合造影图像的清晰度和血管的完整度这两个因素。目前,往往需要人工判断冠状动脉造影图像质量是否符合病变分析的要求,这过程不仅需要多年临床经验,耗费大量时间,而且由于人的主观判断标准存在差异,不可避免导致后续图像分析存在误差。本发明因此而来。
发明内容
为了解决上述存在的技术问题,本发明的目的是:提供了一种冠状动脉造影图像序列的质量评分方法和装置,将图像质量量化,可以计算出序列中图像每一帧的质量评分并排序,通过图像质量评分不仅可以直观迅速的判断出冠状动脉造影图像质量的优劣,而且能够自动推荐出冠状动脉造影图像序列中的最优帧,便于后期冠状动脉造影图像分析,缩短人工处理时间,同时减少人工主观因素对分析结果带来的误差。
本发明的技术方案是:
一种冠状动脉造影图像序列的质量评分方法,包括以下步骤:
S01:计算冠状动脉造影图像序列中每一帧图像的血管响应度;
S02:比较每一帧造影图像的血管响应度,得到造影图像序列的最优帧;
S03:利用图像梯度信息计算最优帧图像的质量评分;
S04:根据最优帧图像的质量评分和血管响应度,计算每一帧造影图像的质量评分。
优选的技术方案中,所述步骤S01包括以下步骤:
S11:利用Hessian矩阵计算血管响应度,血管响应度V为:
S12:重复上述步骤,计算造影图像序列每一帧的血管响应度,得到血管的响应度为{Vi|i=0,1,2,...,f},其中f为冠状动脉造影图像序列的总帧数。
优选的技术方案中,所述步骤S03具体包括:
S31:对最优帧图像I进行高斯平滑滤波得到参考图像Ir;
S32:分别提取参考图像Ir和最优帧图像I的梯度图像Gr和G;
S33:将梯度图像G和Gr分别划分为一定尺寸的小块,计算每块的方差,分别找出其中N个最大方差,记为{xi|i=1,2,...,N}和{yi|i=1,2,...,N};
S34:计算最优帧图像的质量评分,最优帧图像的质量评分NRSS为:
优选的技术方案中,所述步骤S04中每一帧造影图像的质量评分cl为:
cl=NRSS*SSIM(Hopt,Hi);
其中NRSS表示最优帧图像质量评分值,Hopt为最优帧的血管响应度,Hi表示第i帧图像的血管响应度。
本发明还公开了一种冠状动脉造影图像序列的质量评分装置,包括:
一血管响应度计算模块:计算冠状动脉造影图像序列中每一帧图像的血管响应度;
一最优帧图像判断模块:比较每一帧造影图像的血管响应度,得到造影图像序列的最优帧;
一最优帧图像质量评分计算模块:利用图像梯度信息计算最优帧图像的质量评分;
一造影图像质量评分计算模块:根据最优帧图像的质量评分和血管响应度,计算每一帧造影图像的质量评分。
优选的技术方案中,所述血管响应度计算模块的计算方法包括以下步骤:
S11:利用Hessian矩阵计算血管响应度,血管响应度V为:
S12:重复上述步骤,计算造影图像序列每一帧的血管响应度,得到血管的响应度为{Vi|i=0,1,2,...,f},其中f为冠状动脉造影图像序列的总帧数。
优选的技术方案中,所述最优帧图像质量评分计算模块的计算方法具体包括:
S31:对最优帧图像I进行高斯平滑滤波得到参考图像Ir;
S32:分别提取参考图像Ir和最优帧图像I的梯度图像Gr和G;
S33:将梯度图像G和Gr分别划分为一定尺寸的小块,计算每块的方差,分别找出其中N个最大方差,记为{xi|i=1,2,...,N}和{yi|i=1,2,...,N};
S34:计算最优帧图像的质量评分,最优帧图像的质量评分NRSS为:
优选的技术方案中,所述造影图像质量评分计算模块中每一帧造影图像的质量评分cl为:
cl=NRSS*SSIM(Hopt,Hi);
其中NRSS表示最优帧图像质量评分值,Hopt为最优帧的血管响应度,Hi表示第i帧图像的血管响应度。
与现有技术相比,本发明的优点是:
本发明方法可以将图像质量量化,可以计算出序列中图像每一帧的质量评分并排序。通过图像质量评分不仅可以直观迅速的判断出冠状动脉造影图像质量的优劣,而且能够自动推荐出冠状动脉造影图像序列中的最优帧,便于后期冠状动脉造影图像分析,缩短人工处理时间,同时减少人工主观因素对分析结果带来的误差,提高诊断效率及准确率。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明冠状动脉造影图像序列的质量评分方法的流程图;
图2为原始冠状动脉造影图像序列;
图3为图2中冠状动脉造影图像序列的质量评分示意图;
图4为根据图像质量评分从小到大重新排列的冠状动脉造影图像序列;
图5为图2中冠状动脉造影图像序列的最优帧。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示,冠状动脉造影图像序列的质量评分方法,首先,计算每一帧造影图像的血管响应度;其次,比较每一帧造影图像的血管响应度,判断出造影图像序列的最优帧;然后,由于梯度信息中包含边缘信息,所以利用图像梯度信息计算最优帧图像的质量评分;最后,根据最优帧图像的质量评分和血管响应度,计算每一帧造影图像的质量评分。
具体的每一步骤包括:
第一步,计算冠状动脉造影图像序列中每一帧图像的血管响应度。
1.1)从冠状动脉造影图像序列中提取一帧图像。
1.2)图像预处理。
使用3×3均值滤波器降低图像噪声,提高算法准确度。
1.3)利用Hessian矩阵计算血管响应度。
(a)二维Hessian矩阵为:
(b)Hessian矩阵的两个特征值λ1,λ2可以由下面公式计算:
(c)Hessian矩阵对血管的响应度可表示为:
重复上述步骤,计算造影图像序列每一帧的血管响应度,血管的响应度表示为{Vi|i=0,1,2,...,f},其中f为冠状动脉造影图像序列的总帧数。
第二步,计算管状动脉造影图像序列的最优帧。
比较造影图像序列每一帧的血管响应度,响应度最大的那一帧即为最优帧。
第三步,计算最优帧的图像质量评分。
3.1)构造参考图像。
定义最优帧的图像为I,对图像I进行高斯平滑滤波得到参考图像Ir。
3.2)提取梯度信息。
利用人眼对水平和垂直方向的边缘信息最为敏感的特性,使用Sobel算子分别提取参考图像Ir和最优帧I的梯度图像Gr和G。
3.3)梯度图像的方差分析。
将梯度图像G划分为一定尺寸的小块,例如8×8的小块,块间的步长为4,计算每块的方差,方差越大说明梯度信息越丰富。找出其中N个最大方差,记为{xi|i=1,2,...,N},对应的Gr中的对应的N个最大方差为{yi|i=1,2,...,N},其中N=32。
3.4)计算最优帧的图像质量评分。
最优帧的图像质量评分计算方式可以表示为:
其中SSIM为结构相似度,其表达式如下:
第四步,计算每一帧图像的质量评分cl。
cl=NRSS*SSIM(Hopt,Hi),
其中NRSS表示最优帧图像质量评分值,Hopt为最优帧的血管响应度,Hi表示第i帧图像的血管响应度。
评分取值范围为[0,100],当评分值为85~100,表明冠状动脉造影图像质量比较高,能满足病变分析的要求;当评分值为70~85表明冠状动脉造影图像质量较低,能满足部分病变分析的要求,但是病变分析结果可能误差比较大;当评分值为0~70表明冠状动脉造影图像质量很差,不能满足病变分析的要求。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (8)
1.一种冠状动脉造影图像序列的质量评分方法,其特征在于,包括以下步骤:
S01:计算冠状动脉造影图像序列中每一帧图像的血管响应度;
S02:比较每一帧造影图像的血管响应度,得到造影图像序列的最优帧;
S03:利用图像梯度信息计算最优帧图像的质量评分;
S04:根据最优帧图像的质量评分和血管响应度,计算每一帧造影图像的质量评分。
4.根据权利要求1所述的冠状动脉造影图像序列的质量评分方法,其特征在于,所述步骤S04中每一帧造影图像的质量评分cl为:
cl=NRSS*SSIM(Hopt,Hi);
其中NRSS表示最优帧图像质量评分值,Hopt为最优帧的血管响应度,Hi表示第i帧图像的血管响应度。
5.一种冠状动脉造影图像序列的质量评分装置,其特征在于,包括:
一血管响应度计算模块:计算冠状动脉造影图像序列中每一帧图像的血管响应度;
一最优帧图像判断模块:比较每一帧造影图像的血管响应度,得到造影图像序列的最优帧;
一最优帧图像质量评分计算模块:利用图像梯度信息计算最优帧图像的质量评分;
一造影图像质量评分计算模块:根据最优帧图像的质量评分和血管响应度,计算每一帧造影图像的质量评分。
8.根据权利要求5所述的冠状动脉造影图像序列的质量评分装置,其特征在于,所述造影图像质量评分计算模块中每一帧造影图像的质量评分cl为:
cl=NRSS*SSIM(Hopt,Hi);
其中NRSS表示最优帧图像质量评分值,Hopt为最优帧的血管响应度,Hi表示第i帧图像的血管响应度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910148601.XA CN111626974B (zh) | 2019-02-28 | 2019-02-28 | 冠状动脉造影图像序列的质量评分方法和装置 |
PCT/CN2019/086605 WO2020172999A1 (zh) | 2019-02-28 | 2019-05-13 | 冠状动脉造影图像序列的质量评分方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910148601.XA CN111626974B (zh) | 2019-02-28 | 2019-02-28 | 冠状动脉造影图像序列的质量评分方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626974A true CN111626974A (zh) | 2020-09-04 |
CN111626974B CN111626974B (zh) | 2024-03-22 |
Family
ID=72238807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910148601.XA Active CN111626974B (zh) | 2019-02-28 | 2019-02-28 | 冠状动脉造影图像序列的质量评分方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111626974B (zh) |
WO (1) | WO2020172999A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785566A (zh) * | 2021-01-15 | 2021-05-11 | 湖南自兴智慧医疗科技有限公司 | 染色体中期图像评分方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110052035A1 (en) * | 2009-09-01 | 2011-03-03 | Siemens Corporation | Vessel Extraction Method For Rotational Angiographic X-ray Sequences |
US20130315457A1 (en) * | 2012-05-23 | 2013-11-28 | International Business Machines Corporation | Vessel Identification Using Shape and Motion Mapping for Coronary Angiogram Sequences |
CN103544690A (zh) * | 2012-07-10 | 2014-01-29 | 伊姆普斯封闭式股份有限公司 | 获取血管造影图像的方法 |
US20150126860A1 (en) * | 2013-11-05 | 2015-05-07 | International Business Machines Corporation | Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease |
US20160171716A1 (en) * | 2014-12-12 | 2016-06-16 | Siemens Medical Solutions Usa, Inc. | Reconstruction of Aneurysm Wall Motion |
CN106412571A (zh) * | 2016-10-12 | 2017-02-15 | 天津大学 | 一种基于梯度相似性标准差的视频质量评价方法 |
CN108475532A (zh) * | 2015-12-30 | 2018-08-31 | 皇家飞利浦有限公司 | 医学报告装置 |
CN108492300A (zh) * | 2018-03-16 | 2018-09-04 | 上海理工大学 | 管状结构增强与能量函数结合的肺部血管树分割方法 |
CN108805871A (zh) * | 2018-06-14 | 2018-11-13 | 艾瑞迈迪医疗科技(北京)有限公司 | 血管图像处理方法、装置、计算机设备和存储介质 |
CN109377481A (zh) * | 2018-09-27 | 2019-02-22 | 上海联影医疗科技有限公司 | 图像质量评价方法、装置、计算机设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
CN104732499A (zh) * | 2015-04-01 | 2015-06-24 | 武汉工程大学 | 基于多尺度多方向的视网膜图像增强算法 |
US10043088B2 (en) * | 2016-06-23 | 2018-08-07 | Siemens Healthcare Gmbh | Image quality score using a deep generative machine-learning model |
CN106934806B (zh) * | 2017-03-09 | 2019-09-10 | 东南大学 | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 |
CN107145855B (zh) * | 2017-04-28 | 2020-10-09 | 努比亚技术有限公司 | 一种参考质量模糊图像预测方法、终端及存储介质 |
-
2019
- 2019-02-28 CN CN201910148601.XA patent/CN111626974B/zh active Active
- 2019-05-13 WO PCT/CN2019/086605 patent/WO2020172999A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110052035A1 (en) * | 2009-09-01 | 2011-03-03 | Siemens Corporation | Vessel Extraction Method For Rotational Angiographic X-ray Sequences |
US20130315457A1 (en) * | 2012-05-23 | 2013-11-28 | International Business Machines Corporation | Vessel Identification Using Shape and Motion Mapping for Coronary Angiogram Sequences |
CN103544690A (zh) * | 2012-07-10 | 2014-01-29 | 伊姆普斯封闭式股份有限公司 | 获取血管造影图像的方法 |
US20150126860A1 (en) * | 2013-11-05 | 2015-05-07 | International Business Machines Corporation | Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease |
US20160171716A1 (en) * | 2014-12-12 | 2016-06-16 | Siemens Medical Solutions Usa, Inc. | Reconstruction of Aneurysm Wall Motion |
CN108475532A (zh) * | 2015-12-30 | 2018-08-31 | 皇家飞利浦有限公司 | 医学报告装置 |
CN106412571A (zh) * | 2016-10-12 | 2017-02-15 | 天津大学 | 一种基于梯度相似性标准差的视频质量评价方法 |
CN108492300A (zh) * | 2018-03-16 | 2018-09-04 | 上海理工大学 | 管状结构增强与能量函数结合的肺部血管树分割方法 |
CN108805871A (zh) * | 2018-06-14 | 2018-11-13 | 艾瑞迈迪医疗科技(北京)有限公司 | 血管图像处理方法、装置、计算机设备和存储介质 |
CN109377481A (zh) * | 2018-09-27 | 2019-02-22 | 上海联影医疗科技有限公司 | 图像质量评价方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
黄碧君;程晓曙;: "冠状动脉造影图像中血管的分割和量化分析", 中国医学影像技术, no. 01, 20 January 2013 (2013-01-20) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785566A (zh) * | 2021-01-15 | 2021-05-11 | 湖南自兴智慧医疗科技有限公司 | 染色体中期图像评分方法、装置、电子设备及存储介质 |
CN112785566B (zh) * | 2021-01-15 | 2024-01-19 | 湖南自兴智慧医疗科技有限公司 | 染色体中期图像评分方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020172999A1 (zh) | 2020-09-03 |
CN111626974B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859203B (zh) | 基于深度学习的缺陷牙齿图像识别方法 | |
US9710907B2 (en) | Diagnosis support system using panoramic radiograph and diagnosis support program using panoramic radiograph | |
Liu et al. | Automatic whole heart segmentation using a two-stage u-net framework and an adaptive threshold window | |
CN114820654A (zh) | 血管分割方法、装置、医疗影像设备及存储介质 | |
US10769477B2 (en) | Method, apparatus, device and storage medium for extracting a cardiovisceral vessel from a CTA image | |
US10980502B2 (en) | Method, storage medium, and system for analyzing image sequences of periodic physiological activities | |
Xian et al. | Main coronary vessel segmentation using deep learning in smart medical | |
CN111462049B (zh) | 一种乳腺超声造影视频中病灶区形态自动标注方法 | |
CN112184690B (zh) | 冠脉血管走向的预测方法、预测模型的训练方法及装置 | |
CN111275755B (zh) | 基于人工智能的二尖瓣瓣口面积检测方法、系统和设备 | |
Kumari et al. | Blood vessel extraction using wiener filter and morphological operation | |
CN109584167A (zh) | 基于二阶特征的ct图像肝内血管增强与分割方法及系统 | |
US10980496B2 (en) | Heart CT image processing method and apparatus, and non-transitory computer readable storage medium | |
Cristobal-Huerta et al. | Automated quantification of epicardial adipose tissue in cardiac magnetic resonance imaging | |
CN113222974B (zh) | 一种侧支循环的自动评价方法和装置 | |
Schuldhaus et al. | Classification-based summation of cerebral digital subtraction angiography series for image post-processing algorithms | |
CN111626974A (zh) | 冠状动脉造影图像序列的质量评分方法和装置 | |
Tsai et al. | Adaptive segmentation of vessels from coronary angiograms using multi-scale filtering | |
CN116452579B (zh) | 一种基于胸片图像的肺动脉高压智能评估方法和系统 | |
Zhao et al. | Automated coronary tree segmentation for x-ray angiography sequences using fully-convolutional neural networks | |
TWI490790B (zh) | Dynamic cardiac imaging analysis and cardiac function assessment system | |
TW202326615A (zh) | 造影影像判定方法及造影影像判定裝置 | |
CN115841472A (zh) | 大脑中动脉高密度征识别方法、装置、设备及存储介质 | |
Habijan et al. | Centerline tracking of the single coronary artery from x-ray angiograms | |
Chi et al. | A composite of features for learning-based coronary artery segmentation on cardiac CT angiography |
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 |