CN111785381B - 一种支架模拟方法、装置以及设备 - Google Patents

一种支架模拟方法、装置以及设备 Download PDF

Info

Publication number
CN111785381B
CN111785381B CN202010734223.6A CN202010734223A CN111785381B CN 111785381 B CN111785381 B CN 111785381B CN 202010734223 A CN202010734223 A CN 202010734223A CN 111785381 B CN111785381 B CN 111785381B
Authority
CN
China
Prior art keywords
point
stent
aneurysm
artery
data
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
CN202010734223.6A
Other languages
English (en)
Other versions
CN111785381A (zh
Inventor
杨新健
刘健
张义森
王坤
朱巍
张莹
姚洋洋
宋凌
杨光明
秦岚
卢旺盛
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.)
Beijing Neurosurgical Institute
Original Assignee
Beijing Neurosurgical Institute
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 Beijing Neurosurgical Institute filed Critical Beijing Neurosurgical Institute
Priority to CN202010734223.6A priority Critical patent/CN111785381B/zh
Publication of CN111785381A publication Critical patent/CN111785381A/zh
Application granted granted Critical
Publication of CN111785381B publication Critical patent/CN111785381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Pathology (AREA)
  • Computer Graphics (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Prostheses (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本说明书实施例公开了一种支架模拟方法、装置以及设备，属于医学影像和计算机技术领域。所述方法包括：获取待处理的颅脑影像数据的载瘤动脉中心线数据；以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；基于所述交点，获得所述待介入支架的支架模拟表面。

Description

一种支架模拟方法、装置以及设备
技术领域
本说明书涉及医学影像及计算机技术领域，尤其涉及一种支架模拟方法、装置以及设备。
背景技术
颅内动脉瘤，又称脑血管瘤，多为发生在颅内动脉管壁上的异常膨出，是造成蛛网膜下腔出血的首位病因，在脑血管意外中，仅次于脑血栓和高血压脑出血，位居第三。颅内动脉瘤分为非破裂动脉瘤和破裂动脉瘤，其中，大部分的颅内动脉瘤为非破裂动脉瘤，然而非破裂动脉瘤一旦破裂，会引发自发性蛛网膜下隙出血，变成破裂动脉瘤，其致死致残率超过50％，严重威胁患者生命。
血流导向装置作为颅内动脉瘤治疗的划时代产品，广泛应用于大、巨大、到中、小尺寸范围的颅内动脉瘤。目前，血流导向装置亦即密网支架包括PED(Pipelineembolization device，Pipeline栓塞装置)，SFD(Silk flow diverting stent)，FRED，Surpass，Tubridge等，其中的典型代表为PED，是一种钴铬镍合金支架系统，为近年来上市的新型血管内栓塞辅助装置。它的出现使传统的动脉瘤囊内介入操作治疗发展到载瘤动脉的重建治疗，通过改变进入动脉瘤的血流方向从而达到彻底、持久的动脉瘤栓塞效果，同时修复载瘤动脉结构的完整性。
因此，支架的选型及支架植入动脉瘤后的编织效果、贴壁性等，对于载瘤动脉的重建治疗至关重要。但是目前颅内动脉瘤介入支架的模拟，存在模拟效果差，准确率低，仿真计算耗时久等缺点，影响了密网支架在颅内动脉瘤治疗中的应用，因此需要一种新的支架模拟方法。
发明内容
本说明书实施例提供一种支架模拟方法、装置以及设备，用于解决以下技术问题：颅内动脉瘤介入支架的模拟，存在模拟效果差，准确率低，仿真计算耗时久等缺点，影响了支架在颅内动脉瘤治疗中的应用。
为解决上述技术问题，本说明书实施例是这样实现的：
本说明书实施例提供的一种支架模拟方法，包括：
获取待处理的颅脑影像数据的载瘤动脉中心线数据；
以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
基于所述交点，获得所述待介入支架的支架模拟表面。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
本说明书实施例还提供一种支架模拟装置，包括：
获取模块，获取待处理的颅脑影像数据的载瘤动脉中心线数据；
半径确定模块，以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
建模模块，以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
模拟模块，基于所述交点，获得所述待介入支架的支架模拟表面。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
本说明书实施例还提供一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
获取待处理的颅脑影像数据的载瘤动脉中心线数据；
以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
基于所述交点，获得所述待介入支架的支架模拟表面。
本说明书实施例获取待处理的颅脑影像数据的载瘤动脉中心线数据；以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；基于所述交点，获得所述待介入支架的支架模拟表面，从而能够实现待介入的支架进行模拟，观察支架的植入情况，以选取最佳的介入支架，为临床应用提供参考。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的一种支架模拟方法的示意图；
图2为本说明书实施例提供的近端释放点及远端释放点的示意图；
图3为本说明书实施例提供的一种支架模拟装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
图1为本说明书实施例提供的一种支架模拟方法的示意图，该模拟方法包括：
步骤S101：获取待处理的颅脑影像数据的载瘤动脉中心线数据。
在本说明书实施例中，待处理的颅脑影像数据为CTA(CT angiography，CT血管成像)，MRA(magnetic resonance angiography,磁共振血管造影)，DSA(Digitalsubtraction angiography，数字减影血管造影)中的任意一种；待处理的颅脑影像数据可以为二维影像数据，也可以为三维影像数据；待处理的颅脑影像数据需要转换为DICOM格式，以便于后续进行处理。
在本说明书实施例中，载瘤动脉中心线数据的获取是将待处理的影像数据通过阈值分割的方法提取血管数据，对提取的血管数据进行表面重建，进一步分割动脉瘤，获取载瘤动脉中心线数据。载瘤动脉中心线数据的获取的具体方法，并不构成对本申请的限定。
步骤S103：以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径。
步骤S105：以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点。
在本说明书实施例中，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
在本说明书实施例中，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
在本说明书实施例中，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
在本说明书实施例中，所述载瘤动脉参数包括：载瘤动脉中心线，载瘤动脉中心线上的点的半径、载瘤动脉的近端点及载瘤动脉的远端点。
在本说明书实施例中，动脉瘤参数及载瘤动脉参数的获取是将待处理的影像数据通过阈值分割的方法提取血管数据，对提取的血管数据进行表面重建，进一步分割动脉瘤，获取动脉瘤参数及载瘤动脉参数。动脉瘤参数及载瘤动脉参数的获取的具体方法，并不构成对本申请的限定。
在本说明书实施例中，待介入支架优选为为所有课用于血流导向装置的支架，待介入支架的参数是基于待介入支架的型号确定的，待介入支架的型号的选取可以手动选取，也可以基于所述动脉瘤参数及所述载瘤动脉参数，从耗材数据库中自动匹配。在具体实施例中，耗材数据库中包含有主要的密网支架的相关数据，并可以根据市场上的密网支架的具体型号进行更新。耗材数据库的具体构成并不构成对本申请的限定。
在本说明书实施例中，待介入支架的支架模拟表面的获取，是从载瘤动脉的近端释放点作为释放起点，沿着近端释放点向远端释放点进行释放，模拟不同点的释放效果。
为便于理解远端及近端，图2为本说明书实施例提供的近端及远端的示意图，在本说明书实施例中，将载瘤动脉片段的中心线的端点中，距离心脏远的一端作为远端，距离心脏近的一端作为近端。以获取的瘤颈中心点开始，以瘤颈半径作为距离，获得瘤颈点。进一步，从瘤颈点开始选取待介入支架的释放点。在具体实施过程中，待介入支架的释放点位于瘤颈点的5-12mm，优选为8mm。其中，距离远端的是释放点为远端释放点，距离近端的释放点为近端释放点。
步骤S107：基于所述交点，获得所述待介入支架的支架模拟表面。
本说明书实施例提供的模拟方法，能够模拟待介入支架的释放状态。从而为临床应用提供参考。
上述内容详细说明了一种支架模拟方法，与之相应的，本说明书还提供了一种支架模拟装置，如图3所示。图3为本说明书实施例提供的一种支架模拟装置的示意图，该模拟装置包括：
获取模块301，获取待处理的颅脑影像数据的载瘤动脉中心线数据；
半径确定模块303，以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
建模模块305，以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
模拟模块307，基于所述交点，获得所述待介入支架的支架模拟表面。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
本说明书实施例还提供一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
获取待处理的颅脑影像数据的载瘤动脉中心线数据；
以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
基于所述交点，获得所述待介入支架的支架模拟表面。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
进一步地，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书实施例提供的装置、电子设备、非易失性计算机存储介质与方法是对应的，因此，装置、电子设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、电子设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种支架模拟方法，其特征在于，所述方法包括：
获取待处理的颅脑影像数据的载瘤动脉中心线数据；
以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
基于所述交点，获得所述待介入支架的支架模拟表面；所述支架模拟表面是按照以所述载瘤动脉的近端释放点为释放起点，沿着近端释放点向远端释放点进行释放，通过模拟不同释放点的释放效果而得到的支架模拟表面；所述支架模拟表面用于模拟所述待介入支架的释放状态。
2.如权利要求1所述的方法，其特征在于，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
3.如权利要求1所述的方法，其特征在于，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
4.如权利要求1所述的方法，其特征在于，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
5.一种支架模拟装置，其特征在于，所述装置包括：
获取模块，获取待处理的颅脑影像数据的载瘤动脉中心线数据；
半径确定模块，以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
建模模块，以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
模拟模块，基于所述交点，获得所述待介入支架的支架模拟表面；所述支架模拟表面是按照以所述载瘤动脉的近端释放点为释放起点，沿着近端释放点向远端释放点进行释放，通过模拟不同释放点的释放效果而得到的支架模拟表面；所述支架模拟表面用于模拟所述待介入支架的释放状态。
6.如权利要求5所述的装置，其特征在于，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
7.如权利要求5所述的装置，其特征在于，所述以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取所述待介入支架与所述载瘤动脉的交点，具体包括：
以所述载瘤动脉中心线数据上的每个点为源点，以所述载瘤动脉中心线数据近端向远端方向为初始方向，所述初始方向以9°的间隔进行方向调整，以所述最大内切球的半径为半径，获取所述待介入支架与所述载瘤动脉的交点。
8.如权利要求5所述的装置，其特征在于，所述待介入支架是基于所述待处理的颅脑影像数据的动脉瘤参数及所述载瘤动脉参数确定的。
9.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
获取待处理的颅脑影像数据的载瘤动脉中心线数据；
以所述载瘤动脉中心线数据上的每个点为圆心，确定所述圆心对应的最大内切球的半径；
以所述载瘤动脉中心线数据上的每个点为源点，基于所述最大内切球的半径，获取待介入支架与所述载瘤动脉的交点；
基于所述交点，获得所述待介入支架的支架模拟表面；所述支架模拟表面是按照以所述载瘤动脉的近端释放点为释放起点，沿着近端释放点向远端释放点进行释放，通过模拟不同释放点的释放效果而得到的支架模拟表面；所述支架模拟表面用于模拟所述待介入支架的释放状态。
CN202010734223.6A 2020-07-27 2020-07-27 一种支架模拟方法、装置以及设备 Active CN111785381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010734223.6A CN111785381B (zh) 2020-07-27 2020-07-27 一种支架模拟方法、装置以及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010734223.6A CN111785381B (zh) 2020-07-27 2020-07-27 一种支架模拟方法、装置以及设备

Publications (2)

Publication Number Publication Date
CN111785381A CN111785381A (zh) 2020-10-16
CN111785381B true CN111785381B (zh) 2024-03-29

Family

ID=72765083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010734223.6A Active CN111785381B (zh) 2020-07-27 2020-07-27 一种支架模拟方法、装置以及设备

Country Status (1)

Country Link
CN (1) CN111785381B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083612A (zh) * 2022-06-22 2022-09-20 北京市神经外科研究所 一种用于手术规划的弹簧圈模拟方法、装置及设备
CN116172645B (zh) * 2023-05-04 2023-07-25 杭州脉流科技有限公司 编织支架的型号推荐方法和计算机设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011156083A (ja) * 2010-01-29 2011-08-18 Nippon Zeon Co Ltd 消化器系ステント
CN103198202A (zh) * 2012-12-19 2013-07-10 首都医科大学 颅内动脉瘤介入治疗支架植入图像仿真方法
CN107049487A (zh) * 2017-03-30 2017-08-18 向建平 颅内动脉瘤治疗的模拟方法及控制装置
CN107530523A (zh) * 2015-02-25 2018-01-02 盖乐西医疗有限责任公司 治疗动脉瘤的系统和方法
CN109447967A (zh) * 2018-10-26 2019-03-08 强联智创（北京）科技有限公司 一种颅内动脉瘤图像的分割方法及系统
CN109925056A (zh) * 2019-04-09 2019-06-25 广州新脉科技有限公司 一种颅内动脉瘤虚拟支架的植入方法及装置
CN110782988A (zh) * 2019-11-04 2020-02-11 北京理工大学 颅内动脉瘤虚拟支架诊疗系统及其诊疗方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2459244B1 (es) * 2013-10-31 2014-11-14 Galgo Medical, S.L. Procedimiento para la determinación de la longitud final de stents antes de su colocación

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011156083A (ja) * 2010-01-29 2011-08-18 Nippon Zeon Co Ltd 消化器系ステント
CN103198202A (zh) * 2012-12-19 2013-07-10 首都医科大学 颅内动脉瘤介入治疗支架植入图像仿真方法
CN107530523A (zh) * 2015-02-25 2018-01-02 盖乐西医疗有限责任公司 治疗动脉瘤的系统和方法
CN107049487A (zh) * 2017-03-30 2017-08-18 向建平 颅内动脉瘤治疗的模拟方法及控制装置
CN109447967A (zh) * 2018-10-26 2019-03-08 强联智创（北京）科技有限公司 一种颅内动脉瘤图像的分割方法及系统
CN109925056A (zh) * 2019-04-09 2019-06-25 广州新脉科技有限公司 一种颅内动脉瘤虚拟支架的植入方法及装置
CN110782988A (zh) * 2019-11-04 2020-02-11 北京理工大学 颅内动脉瘤虚拟支架诊疗系统及其诊疗方法

Also Published As

Publication number Publication date
CN111785381A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN109493348B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及系统
CN109345585B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及系统
CN111785381B (zh) 一种支架模拟方法、装置以及设备
CN111863263B (zh) 一种模拟方法、装置以及设备
CN109584997B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及系统
CN109472823B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及系统
CN111081378B (zh) 一种动脉瘤破裂风险评估方法及系统
CN113129301A (zh) 一种颅内动脉瘤手术规划的预测方法、装置以及设备
CN109389637B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及系统
CN109584169A (zh) 一种基于中心线的颅内血管图像的截取方法及系统
CN115083612A (zh) 一种用于手术规划的弹簧圈模拟方法、装置及设备
Berg et al. Virtual stenting for intracranial aneurysms: A risk-free, patient-specific treatment planning support for neuroradiologists and neurosurgeons
CN111105404B (zh) 一种基于颅脑影像数据的目标位置的提取方法及系统
CN109447967B (zh) 一种颅内动脉瘤图像的分割方法及系统
CN113160165A (zh) 一种血管分割方法、装置以及设备
CN114692390B (zh) 一种体内装置植入仿真方法、装置以及设备
CN111863262B (zh) 一种模拟方法、装置以及设备
CN111862062B (zh) 一种中心线优化的方法、装置以及设备
CN109584261B (zh) 一种颅内动脉瘤图像的分割方法及系统
CN111815622B (zh) 一种支架模拟中心线的优化方法、装置以及设备
CN112927815B (zh) 一种预测颅内动脉瘤信息的方法、装置以及设备
CN111863265B (zh) 一种模拟方法、装置以及设备
CN112734726B (zh) 一种血管造影的分型方法、装置以及设备
CN113538463A (zh) 一种动脉瘤分割方法、装置以及设备
CN110517244B (zh) 一种基于dsa图像的定位方法及系统

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