CN111815586B - 基于ct图像获取左心房、左心室的连通域的方法和系统 - Google Patents
基于ct图像获取左心房、左心室的连通域的方法和系统 Download PDFInfo
- Publication number
- CN111815586B CN111815586B CN202010606896.3A CN202010606896A CN111815586B CN 111815586 B CN111815586 B CN 111815586B CN 202010606896 A CN202010606896 A CN 202010606896A CN 111815586 B CN111815586 B CN 111815586B
- Authority
- CN
- China
- Prior art keywords
- threshold
- image
- point
- center
- aorta
- 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
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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种基于CT图像获取左心房、左心室的连通域的方法和系统,方法包括:从所述CT图像上去除肺部、降主动脉、脊椎和肋骨,得到新图像;获取所述新图像的主动脉中心线;根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像;从所述新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。本申请是一种获取左心房、左心室的新方法,具有提取快速、精准的优点,计算速度快。
Description
技术领域
本发明涉及冠状动脉医学技术领域,特别是涉及基于CT图像获取左心房、左心室的连通域的方法和系统。
背景技术
心血管疾病是工业化世界中的死亡的首要原因。主要形式的心血管疾病由脂肪物质在供应心脏、大脑、肾脏和下肢的动脉的内组织层中的慢性积聚引起。进行性冠状动脉疾病限制到心脏的血流。由于缺少通过当前的非侵入式测试提供的准确信息,许多患者需要侵入式导管流程来评价冠脉血流。因此,存在对于量化人类冠状动脉中的血流以评价可能的冠状动脉疾病的功能意义的非侵入式方法的需求。对动脉容量的可靠评价因此对于解决患者需求的处置规划将是重要的。最近的研究已经证明,血流动力学特性,诸如血流储备分数(FFR),是确定针对具有动脉疾病的患者的最佳处置的重要指示器。对血流储备分数的常规评价使用侵入式导管插入术来直接测量血流特性,诸如压力和流速。然而,这些侵入式测量技术对患者存在风险,并且对健康护理系统可以导致显著的成本。
计算机断层摄影动脉血管造影是一种用于对动脉血管进行可视化的计算机断层摄影技术。出于该目的,X射线的射束从辐射源穿过患者的身体中的感兴趣区域以获得投影图像。
由于现有技术中的CT数据无法获得获取左心房、左心室或者获得获取左心房、左心室的方法较复杂,导致运算量很大,且存在运算速度慢,运算不准确的问题。
发明内容
本发明提供了一种基于CT图像拾取主动脉中心线上的点的方法和系统,以解决现有技术中的CT数据无法获得心脏、脊椎的重心或者获得心脏、脊椎的重心的方法较复杂的问题。
为实现上述目的,第一方面,本申请提供了一种基于CT图像获取左心房、左心室的连通域的方法,包括:
从所述CT图像上去除肺部、降主动脉、脊椎和肋骨,得到新图像;
获取所述新图像的主动脉中心线;
根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像;
从所述新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,获取所述新图像的主动脉中心线的方法包括:
从所述新图像的顶层开始分层切片,得到二维图像组;
对所述二维图像组进行二值化处理,得到二值化图像组;
从所述二值化图像组中的每层所述切片上获得N≤N阈1,R=R阈1±j,其中, N表示像素点的个数,则检测第k层所述切片内的1个圆,以该圆的圆心为圆心P5k,所述圆心P5k对应的圆的半径为Rk;
将所述圆心P5k依次平滑连接得到主动脉中心线。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,对所述二维图像组进行二值化处理,得到二值化图像组的方法包括:
其中,i为正整数,Qi表示第i个像素点PO对应的灰度值,P(i)表示第i 个像素点PO对应的像素值。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,从所述二值化图像组中的每层所述切片上获得N≤N阈1,R=R阈1±j,其中,N表示像素点的个数,则检测第k层所述切片内的1个圆,以该圆的圆心为圆心P5k,所述圆心P5k对应的圆的半径为Rk的方法包括:
为所述二值化图像组中的每层所述切片建立一张搜索引擎列表;
搜索每层切片的圆,比较每层所述搜索引擎列表中的像素点的个数和圆的半径,找到符合条件的圆心点;
如果无法找到符合条件的圆心点,则搜索下一层的切片的圆心点。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,为所述二值化图像组中的每层所述切片建立一张搜索引擎列表的方法包括:
所述搜索引擎列表包括:点列表和半径列表,将每层所述二值化图像中提取的像素值为1的点对应的填入所述点列表中。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,所述搜索每层切片的圆,比较每层所述搜索引擎列表中的像素点的个数和圆的半径,找到符合条件的圆心点的方法包括:
D)设定每层所述切片的所述点列表中的像素点的个数阈值均为N阈1,以及半径阈值均为R阈1,依次从顶层开始对每层所述切片进行步骤E至步骤I的过程;
E)如果Nk≤N阈1,Rk=R阈1±j,其中,Nk表示第k层所述切片的所述点列表中的像素点的个数,则检测所述第k层切片内的1个圆,以该圆的圆心为圆心Ok,进行步骤I,如果未检测到圆则进行步骤H;
F)如果Nk≤N阈1,Rk≠R阈1±j,则检测所述第k层切片内的3个圆,如果检测到3个圆则进行步骤I,如果未检测到3个圆则进行所述步骤H;
G)如果Nk>N阈1,则重新确定圆心,取所述第k-1层切片内的圆心与所述点列表中的末尾点D距离最近的点为圆心Ok,进行步骤I,如果未检测到圆则进行步骤H;
H)检测Nk与N阈1-1的关系,重复所述步骤E至所述步骤G,如果仍然没有检测到圆,则检测N与N阈1-2的关系,重复所述步骤E至所述步骤G;依次类推,直至找到圆心Ok;
I)以所述圆心Ok为起点,分别沿X轴的正方向、负方向以及Y轴正方向找到3个灰度值为0的点;根据3点确定一个圆找到圆心P5k和半径Rk,得到主动脉中心线上的点。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,还包括:过滤圆心P5k,生成新的点列表,包括:
J)设定每层所述切片的所述半径列表中的像素点的另一半径阈值均为R阈2,如果所述第k层切片的半径Rk<R阈2,则重复所述步骤E至所述步骤I的过程,直至找到半径Rk≥R阈2的圆心P5k;
K)如果所述圆心P5k在所述去除肺部、降主动脉、脊椎和肋骨的新图像上的灰度值小于0,则重复所述步骤E至所述步骤I的过程,直至找到半径R1≥R 阈2,且灰度值大于等于0的圆心P5k;
L)将R1≥R阈2,且灰度值大于等于0的圆心P5k添加进入点列表中,生成新的半径列表,半径Rk添加进入半径列表中,得到符合条件的主动脉中心线上的点。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,还包括:过滤半径Rk,生成新的半径列表,包括:
M)设定每层所述切片的所述点列表中的像素点的另一个数阈值N阈2,如果Nk<N阈2,则比较圆心P5k与所述点列表中的末尾点的距离L,如果L>L阈,则重复所述步骤E至所述步骤N,直至所述点列表中的点的个数Nk≥N阈2,或 L≤L阈;
N)如果Nk≥N阈2,或Nk<N阈2、L≤L阈则将偏离所述圆心P5k远的点的半径值替换为剩余点的平均半径值,作为Rk,将所述半径Rk填入所述半径列表中,生成新的半径列表,得到符合条件的主动脉中心线上的点。
可选地,上述的基于CT图像获取左心房、左心室的连通域的方法,根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像的方法包括:
设定左心室灰度阈值Q左,截取所述点列表中的末尾点D在所述新图像中的YZ平面,获取灰度值Q>Q左的像素点,获得由全部所述像素点构成的圆的圆心O2,将所述圆心O2投影到所述新图像上,获取所述左心室的重心点P6;
拾取所述点列表中的起始点、中点、重心点P6和末尾点D绘制贝塞尔曲线;
假设所述连通域的中心点P4、所述末尾点D位于所述贝塞尔曲线上,拾取所述末尾点D和所述重心点P6之间的所述贝塞尔曲线的曲线段,沿着所述末尾点D至所述P6方向延伸,延伸长度为R阈1,获取延伸段曲线;
如果延伸段曲线内的像素点位于所述新图像内,且所述延伸段曲线内的像素点的灰度值Q>Q降,则提取所述像素点,获得所述主动脉图像。
第二方面,本申请提供了一种基于CT图像获取左心房、左心室的连通域的系统,用于上述的基于CT图像获取左心房、左心室的连通域的方法,包括:依次连接的图像处理器、主动脉中心线提取装置、主动脉图像提取装置和左心房、左心室提取装置;
所述图像处理器,用于获取去除肺部、降主动脉、脊椎和肋骨的新图像;
所述主动脉中心线提取装置,用于获取所述新图像的主动脉中心线;
所述主动脉图像提取装置,用于根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像;
所述左心房、左心室提取装置,用于从所述新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。
第三方面,本申请提供了一种计算机存储介质,计算机程序被处理器执行时实现上述的获取左心房、左心室的连通域的方法。
本申请实施例提供的方案带来的有益效果至少包括:
本申请提供了基于CT图像获取左心房、左心室的连通域的方法,是一种获取获取左心房、左心室的新方法,具有提取快速、精准的优点,计算速度快。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本申请的基于CT图像获取左心房、左心室的连通域的方法的流程图;
图2为本申请的S2000的流程图;
图3为本申请的S2300的流程图;
图4为本申请的S3000的流程图;
图5为本申请的基于CT图像获取左心房、左心室的连通域的系统的结构框图;
图6为本申请的主动脉中心线提取装置200的结构框图;
图7位本申请的圆心点拾取装置230的结构框图;
下面对附图标记进行说明:
图像处理器100,主动脉中心线提取装置200,切片装置210,二值化装置 220,圆心点拾取装置230,搜索单元231,比较单元232,圆心点拾取单元233,主动脉图像提取装置300,左心房、左心室提取装置400。
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,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下将以图式揭露本发明的多个实施方式,为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明的部分实施方式中,这些实务上的细节是非必要的。此外,为简化图式起见,一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
现有技术中的CT数据不做筛选,导致运算量很大,且存在运算速度慢,运算不准确的问题。
实施例1:
为了解决上述问题,本申请提供了一种基于CT图像获取左心房、左心室的连通域的方法,如图1所示,包括:
S1000,从CT图像上去除肺部、降主动脉、脊椎和肋骨,得到新图像,包括:分别设定肺部、降主动脉、脊椎、肋骨的像素点的灰度阈值,从所述 CT图像上去除对应的图像;优选地,肺部灰度阈值等于-150~-50,降主动脉阈值等于180~220,脊椎灰度阈值为正数,肋骨阈值为20~40;肺部灰度阈值等于-100,降主动脉阈值等于200,脊椎灰度阈值为正数,肋骨阈值为30时效果最好。
S2000,获取新图像的主动脉中心线,如图2所示,包括:
S2100,从新图像的顶层开始分层切片,得到二维图像组;
S2200,对二维图像组进行二值化处理,得到二值化图像组;
S2300,从二值化图像组中的每层切片上获得N≤N阈1,R=R阈1±j,其中, N表示像素点的个数,则检测第k层切片内的1个圆,以该圆的圆心为圆心P5k,圆心P5k对应的圆的半径为Rk,包括:如图3所示,包括:
S2310,为二值化图像组中的每层切片建立一张搜索引擎列表,包括:
搜索引擎列表包括:点列表和半径列表,将每层二值化图像中提取的像素值为1的点对应的填入点列表中。
S2320,搜索每层切片的圆,比较每层搜索引擎列表中的像素点的个数和圆的半径,找到符合条件的圆心点,包括:
D)设定每层切片的点列表中的像素点的个数阈值均为N阈1,以及半径阈值均为R阈1,依次从顶层开始对每层切片进行步骤E至步骤I的过程;
E)如果Nk≤N阈1,Rk=R阈1±j,其中,Nk表示第k层切片的点列表中的像素点的个数,则检测第k层切片内的1个圆,以该圆的圆心为圆心Ok,进行步骤I,如果未检测到圆则进行步骤H;优选地,R阈1=15mm;
F)如果Nk≤N阈1,Rk≠R阈1±j,则检测第k层切片内的3个圆,如果检测到3个圆则进行步骤I,如果未检测到3个圆则进行步骤H;优选地,N阈1=4;
G)如果Nk>N阈1,则重新确定圆心,取第k-1层切片内的圆心与点列表中的末尾点D距离最近的点为圆心Ok,进行步骤I,如果未检测到圆则进行步骤H;
H)检测Nk与N阈1-1的关系,重复步骤E至步骤G,如果仍然没有检测到圆,则检测N与N阈1-2的关系,重复步骤E至步骤G;依次类推,直至找到圆心Ok;
I)以圆心Ok为起点,分别沿X轴的正方向、负方向以及Y轴正方向找到 3个灰度值为0的点;根据3点确定一个圆找到圆心P5k和半径Rk,得到主动脉中心线上的点。
S2330,如果无法找到符合条件的圆心点,则搜索下一层的切片的圆心点;
本申请的一个实施例中,还包括:过滤圆心P5k,生成新的点列表,包括:
J)设定每层切片的半径列表中的像素点的另一半径阈值均为R阈2,如果第k层切片的半径Rk<R阈2,则重复步骤E至步骤I的过程,直至找到半径 Rk≥R阈2的圆心P5k;优选地,R阈2=3mm;
K)如果圆心P5k在去除肺部、降主动脉、脊椎和肋骨的新图像上的灰度值小于0,则重复步骤E至步骤I的过程,直至找到半径R1≥R阈2,且灰度值大于等于0的圆心P5k;
L)将R1≥R阈2,且灰度值大于等于0的圆心P5k添加进入点列表中,生成新的半径列表,半径Rk添加进入半径列表中,得到符合条件的主动脉中心线上的点。
本申请的一个实施例中,还包括:过滤半径Rk,生成新的半径列表,包括:
M)设定每层切片的点列表中的像素点的另一个数阈值N阈2,如果Nk<N 阈2,则比较圆心P5k与点列表中的末尾点的距离L,如果L>L阈,则重复步骤 E至步骤N,直至点列表中的点的个数Nk≥N阈2,或L≤L阈;优选地,L阈=8mm。优选地,N阈2=3。
N)如果Nk≥N阈2,或Nk<N阈2、L≤L阈则将偏离圆心P5k远的点的半径值替换为剩余点的平均半径值,作为Rk,将半径Rk填入半径列表中,生成新的半径列表,得到符合条件的主动脉中心线上的点。
S2340,将圆心P5k依次平滑连接得到主动脉中心线。
S3000,根据主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像,如图4所示,包括:
S3100,设定左心室灰度阈值Q左,截取所述点列表中的末尾点D在所述新图像中的YZ平面,获取灰度值Q>Q左的像素点,获得由全部所述像素点构成的圆的圆心O2,将所述圆心O2投影到所述新图像上,获取所述左心室的重心点P6;
S3200,拾取所述点列表中的起始点、中点、重心点P6和末尾点D绘制贝塞尔曲线;
S3300,假设所述连通域的中心点P4、所述末尾点D位于所述贝塞尔曲线上,拾取所述末尾点D和所述重心点P6之间的所述贝塞尔曲线的曲线段,沿着所述末尾点D至所述P6方向延伸,延伸长度为R阈1,获取延伸段曲线;
S3400,如果延伸段曲线内的像素点位于所述新图像内,且所述延伸段曲线内的像素点的灰度值Q>Q降,则提取所述像素点,获得所述主动脉图像。优选地,Q降=180~220,Q降=200效果最佳。
S4000,从新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。
本申请提供了基于CT图像拾取主动脉中心线上的点的方法,是一种获取主动脉中心线上的点的新方法,具有提取快速、精准的优点,计算速度快。
实施例2:
如图5所示,本申请提供了一种基于CT图像获取左心房、左心室的连通域的系统,用于上述的基于CT图像获取左心房、左心室的连通域的方法,包括:包括:依次连接的图像处理器100、主动脉中心线提取装置200、主动脉图像提取装置300和左心房、左心室提取装置400;图像处理器100用于获取去除肺部、降主动脉、脊椎和肋骨的新图像;主动脉中心线提取装置200用于获取所述新图像的主动脉中心线;主动脉图像提取装置300用于根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像;左心房、左心室提取装置400用于从所述新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。
如图6所示,本申请的一个实施例中,所述主动脉中心线提取装置200包括:依次连接的切片装置210、二值化装置220和圆心点拾取装置230;切片装置210用于从新图像的顶层开始分层切片,得到二维图像组;二值化装置220 用于对二维图像组进行二值化处理,得到二值化图像组;圆心点拾取装置230 用于从二值化图像组中的每层切片上获得N≤N阈1,R=R阈1±j,其中,N表示像素点的个数,则检测第k层切片内的1个圆,以该圆的圆心为圆心P5k,圆心P5k对应的圆的半径为Rk。
如图7所示,本申请的一个实施例中,圆心点拾取装置230包括:依次连接的搜索单元231、比较单元232和圆心点拾取单元233;搜索单元231与二值化装置220连接,用于为二值化图像组中的每层切片建立一张搜索引擎列表,搜索每层切片的圆;比较单元232用于比较每层搜索引擎列表中的像素点的个数和圆的半径;圆心点拾取单元233用于从每层切片内找到符合条件的圆心点,如果无法找到符合条件的圆心点,则搜索下一层切片的圆心点。
本申请提供了一种计算机存储介质,计算机程序被处理器执行时实现上述的基于CT图像获取左心房、左心室的连通域的方法。
所属技术领域的技术人员知道,本发明的各个方面可以实现为系统、方法或计算机程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、驻留软件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明的各个方面还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。本发明的实施例的方法和/或系统的实施方式可以涉及到手动地、自动地或以其组合的方式执行或完成所选任务。
例如,可以将用于执行根据本发明的实施例的所选任务的硬件实现为芯片或电路。作为软件,可以将根据本发明的实施例的所选任务实现为由计算机使用任何适当操作系统执行的多个软件指令。在本发明的示例性实施例中,由数据处理器来执行如本文的根据方法和/或系统的示例性实施例的一个或多个任务,诸如用于执行多个指令的计算平台。可选地,该数据处理器包括用于存储指令和/或数据的易失性储存器和/或用于存储指令和/或数据的非易失性储存器,例如,磁硬盘和/或可移动介质。可选地,也提供了一种网络连接。可选地也提供显示器和/或用户输入设备,诸如键盘或鼠标。
可利用一个或多个计算机可读的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举列表)将包括以下各项:
具有一个或多个导线的电连接、便携式计算机盘、硬盘、随机存取存储器 (RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括(但不限于)无线、有线、光缆、RF等等,或者上述的任意合适的组合。
例如,可用一个或多个编程语言的任何组合来编写用于执行用于本发明的各方面的操作的计算机程序代码,包括诸如Java、Smalltalk、C++等面向对象编程语言和常规过程编程语言,诸如"C"编程语言或类似编程语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络--包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些计算机程序指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。
也可以把这些计算机程序指令存储在计算机可读介质中,这些指令使得计算机、其它可编程数据处理装置、或其它设备以特定方式工作,从而,存储在计算机可读介质中的指令就产生出包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的指令的制造品(article of manufacture)。
还可将计算机程序指令加载到计算机(例如,冠状动脉分析系统)或其它可编程数据处理设备上以促使在计算机、其它可编程数据处理设备或其它设备上执行一系列操作步骤以产生计算机实现过程,使得在计算机、其它可编程装置或其它设备上执行的指令提供用于实现在流程图和/或一个或多个框图方框中指定的功能/动作的过程。
本发明的以上的具体实例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于CT图像获取左心房、左心室的连通域的方法,其特征在于,包括:
从所述CT图像上去除肺部、降主动脉、脊椎和肋骨,得到新图像;
获取所述新图像的搜索引擎列表,包括:点列表和半径列表;
搜索每层切片的圆,比较每层所述搜索引擎列表中的像素点的个数和圆的半径,找到符合条件的圆心点,包括:D)设定每层所述切片的所述点列表中的像素点的个数阈值均为N阈1,以及半径阈值均为R阈1,依次从顶层开始对每层所述切片进行步骤E至步骤I的过程;E)如果Nk≤N阈1,Rk=R阈1±j,其中,j表示常数,Nk表示第k层所述切片的所述点列表中的像素点的个数,则检测所述第k层切片内的1个圆,以该圆的圆心为圆心Ok,进行步骤I,如果未检测到圆则进行步骤H;F)如果Nk≤N阈1,Rk≠R阈1±j,则检测所述第k层切片内的3个圆,如果检测到3个圆则进行步骤I,如果未检测到3个圆则进行所述步骤H;G)如果Nk>N阈1,则重新确定圆心,取第k-1层切片内的圆心与所述点列表中的末尾点D距离最近的点为圆心Ok,进行步骤I,如果未检测到圆则进行步骤H;H)检测Nk与N阈1-1的关系,重复所述步骤E至所述步骤G,如果仍然没有检测到圆,则检测N与N阈1-2的关系,重复所述步骤E至所述步骤G;依次类推,直至找到圆心Ok;I)以所述圆心Ok为起点,分别沿X轴的正方向、负方向以及Y轴正方向找到3个灰度值为0的点;根据3点确定一个圆找到圆心P5k和半径Rk,得到主动脉中心线上的点;将所述圆心P5k依次平滑连接得到主动脉中心线;
根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像;
从所述新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。
2.根据权利要求1所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,获取所述新图像的搜索引擎列表的方法包括:
从所述新图像的顶层开始分层切片,得到二维图像组;
对所述二维图像组进行二值化处理,得到二值化图像组;
为所述二值化图像组中的每层所述切片建立一张搜索引擎列表。
4.根据权利要求1所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,还包括:如果无法找到符合条件的圆心点,则搜索下一层的切片的圆心点。
5.根据权利要求3所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,将每层所述二值化图像中提取的像素值为1的点对应的填入所述点列表中。
6.根据权利要求1所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,还包括:过滤圆心P5k,生成新的点列表,包括:
J)设定每层所述切片的所述半径列表中的像素点的另一半径阈值均为R阈2,如果所述第k层切片的半径Rk<R阈2,则重复所述步骤E至所述步骤I的过程,直至找到半径Rk≥R阈2的圆心P5k;
K)如果所述圆心P5k在所述去除肺部、降主动脉、脊椎和肋骨的新图像上的灰度值小于0,则重复所述步骤E至所述步骤I的过程,直至找到半径R1≥R阈2,且灰度值大于等于0的圆心P5k;
L)将R1≥R阈2,且灰度值大于等于0的圆心P5k添加进入点列表中,生成新的半径列表,半径Rk添加进入半径列表中,得到符合条件的主动脉中心线上的点。
7.根据权利要求6所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,还包括:过滤半径Rk,生成新的半径列表,包括:
M)设定每层所述切片的所述点列表中的像素点的另一个数阈值N阈2,如果Nk<N阈2,则比较圆心P5k与所述点列表中的末尾点的距离L,如果L>L阈,则重复所述步骤E至所述步骤N,直至所述点列表中的点的个数Nk≥N阈2,或L≤L阈;
N)如果Nk≥N阈2,或Nk<N阈2、L≤L阈则将偏离所述圆心P5k远的点的半径值替换为剩余点的平均半径值,作为Rk,将所述半径Rk填入所述半径列表中,生成新的半径列表,得到符合条件的主动脉中心线上的点。
8.根据权利要求7所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像的方法包括:
设定左心室灰度阈值Q左,截取所述点列表中的末尾点D在所述新图像中的YZ平面,获取灰度值Q>Q左的像素点,获得由全部所述像素点构成的圆的圆心O2,将所述圆心O2投影到所述新图像上,获取所述左心室的重心点P6;
拾取所述点列表中的起始点、中点、重心点P6和末尾点D绘制贝塞尔曲线;
假设所述连通域的中心点P4、所述末尾点D位于所述贝塞尔曲线上,拾取所述末尾点D和所述重心点P6之间的所述贝塞尔曲线的曲线段,沿着所述末尾点D至所述P6方向延伸,延伸长度为R阈1,获取延伸段曲线;
如果延伸段曲线内的像素点位于所述新图像内,且所述延伸段曲线内的像素点的灰度值Q>Q降,则提取所述像素点,获得所述主动脉图像。
9.一种基于CT图像获取左心房、左心室的连通域的系统,用于权利要求1~8任一项所述的基于CT图像获取左心房、左心室的连通域的方法,其特征在于,包括:依次连接的图像处理器、主动脉中心线提取装置、主动脉图像提取装置和左心房、左心室提取装置;
所述图像处理器,用于获取去除肺部、降主动脉、脊椎和肋骨的新图像;
所述主动脉中心线提取装置,用于获取所述新图像的主动脉中心线;
所述主动脉图像提取装置,用于根据所述主动脉中心线的延伸方向,根据贝塞尔曲线规则,获取主动脉图像;
所述左心房、左心室提取装置,用于从所述新图像上去除所述主动脉图像后,拾取所述左心室的重心点周边的灰度值Q大于降主动脉灰度阈值Q降的像素点,得到左心房和左心室的连通域图像。
10.一种计算机存储介质,其特征在于,计算机程序被处理器执行时实现权利要求1~8任一项所述的基于CT图像获取左心房、左心室的连通域的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010606896.3A CN111815586B (zh) | 2020-06-29 | 2020-06-29 | 基于ct图像获取左心房、左心室的连通域的方法和系统 |
PCT/CN2020/109806 WO2022000726A1 (zh) | 2020-06-29 | 2020-08-18 | 基于ct图像获取左心房、左心室的连通域的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010606896.3A CN111815586B (zh) | 2020-06-29 | 2020-06-29 | 基于ct图像获取左心房、左心室的连通域的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111815586A CN111815586A (zh) | 2020-10-23 |
CN111815586B true CN111815586B (zh) | 2022-08-05 |
Family
ID=72855557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010606896.3A Active CN111815586B (zh) | 2020-06-29 | 2020-06-29 | 基于ct图像获取左心房、左心室的连通域的方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111815586B (zh) |
WO (1) | WO2022000726A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815587A (zh) * | 2020-06-29 | 2020-10-23 | 苏州润心医疗器械有限公司 | 基于ct序列图像拾取主动脉中心线上的点的方法和系统 |
CN115769251A (zh) * | 2020-06-29 | 2023-03-07 | 苏州润迈德医疗科技有限公司 | 基于深度学习获取主动脉图像的系统 |
CN116152253B (zh) * | 2023-04-20 | 2023-06-16 | 四川大学华西医院 | 心脏磁共振mapping量化方法、系统和存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809696B (zh) * | 2016-03-11 | 2018-12-14 | 中国矿业大学(北京) | 序列ct图中肾上腺自动定位分割方法 |
CN105741310B (zh) * | 2016-03-21 | 2018-05-04 | 东北大学 | 一种心脏左心室图像分割系统及方法 |
CN105913432B (zh) * | 2016-04-12 | 2018-08-28 | 妙智科技(深圳)有限公司 | 基于ct序列图像的主动脉提取方法及装置 |
CN106023202B (zh) * | 2016-05-20 | 2017-06-09 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
US10685438B2 (en) * | 2017-07-17 | 2020-06-16 | Siemens Healthcare Gmbh | Automated measurement based on deep learning |
CN111227821B (zh) * | 2018-11-28 | 2022-02-11 | 苏州润迈德医疗科技有限公司 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
CN111227822B (zh) * | 2018-11-28 | 2022-02-11 | 苏州润迈德医疗科技有限公司 | 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法 |
CN109658406A (zh) * | 2018-12-25 | 2019-04-19 | 广州天鹏计算机科技有限公司 | 血管图像的识别方法、装置、计算机设备和存储介质 |
CN109801277B (zh) * | 2019-01-18 | 2021-04-20 | 浙江大学 | 一种图像处理方法及装置、存储介质 |
CN110458847B (zh) * | 2019-07-05 | 2022-05-13 | 心医国际数字医疗系统(大连)有限公司 | 基于cta影像的自动冠脉分割及中心线提取方法 |
CN111227930B (zh) * | 2020-01-08 | 2022-11-11 | 西安马克医疗科技有限公司 | 一种针对二尖瓣反流及钙化狭窄的3d模型构建及制备方法 |
CN111815585B (zh) * | 2020-06-29 | 2022-08-05 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统 |
CN111815589B (zh) * | 2020-06-29 | 2022-08-05 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取无干扰冠脉树图像的方法和系统 |
-
2020
- 2020-06-29 CN CN202010606896.3A patent/CN111815586B/zh active Active
- 2020-08-18 WO PCT/CN2020/109806 patent/WO2022000726A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN111815586A (zh) | 2020-10-23 |
WO2022000726A1 (zh) | 2022-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815586B (zh) | 基于ct图像获取左心房、左心室的连通域的方法和系统 | |
CN111815583B (zh) | 基于ct序列图像获取主动脉中心线的方法和系统 | |
CN111815585B (zh) | 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统 | |
CN111815589B (zh) | 基于ct序列图像获取无干扰冠脉树图像的方法和系统 | |
CN110889896A (zh) | 获取血管狭窄病变区间及三维合成方法、装置和系统 | |
EP4064181A1 (en) | Method and apparatus for acquiring contour lines of blood vessel according to center line of blood vessel | |
CN112132949B (zh) | 具有狭窄病变区间的血管三维建模方法、装置和系统 | |
CN112419484B (zh) | 三维血管合成方法、系统及冠状动脉分析系统和存储介质 | |
WO2022000734A1 (zh) | 基于ct序列图像拾取主动脉中心线上的点的方法和系统 | |
CN112419276A (zh) | 调节血管轮廓及中心线的方法及存储介质 | |
WO2022000728A1 (zh) | 基于ct序列图像获取降主动脉的方法和系统 | |
CN112132882A (zh) | 从冠状动脉二维造影图像中提取血管中心线的方法和装置 | |
Maklad et al. | Blood vessel‐based liver segmentation using the portal phase of an abdominal CT dataset | |
CN112419277B (zh) | 三维血管中心线合成方法、系统及存储介质 | |
US20230260133A1 (en) | Methods for acquiring aorta based on deep learning and storage media | |
CN111815584B (zh) | 基于ct序列图像获取心脏重心的方法和系统 | |
WO2022000731A1 (zh) | 基于ct序列图像获取心脏重心和脊椎重心的方法和系统 | |
WO2022047173A1 (en) | Explainable deep learning camera-agnostic diagnosis of obstructive coronary artery disease |
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: 20210429 Address after: 215000 room NW-05-502, North West District, Suzhou Nancheng, 99 Jinji Hu Avenue, Suzhou Industrial Park, Jiangsu. Applicant after: SUZHOU RAINMED MEDICAL TECHNOLOGY Co.,Ltd. Address before: 215000 Suzhou, Jiangsu Province, Suzhou Industrial Park, Jinji Lake Avenue, No. 99, Suzhou Nancheng Northwest District, 5 house 502 Applicant before: SUZHOU RUNXIN MEDICAL INSTRUMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |