CN111815590A - 基于ct序列图像获取心脏重心和脊椎重心的方法和系统 - Google Patents
基于ct序列图像获取心脏重心和脊椎重心的方法和系统 Download PDFInfo
- Publication number
- CN111815590A CN111815590A CN202010607317.7A CN202010607317A CN111815590A CN 111815590 A CN111815590 A CN 111815590A CN 202010607317 A CN202010607317 A CN 202010607317A CN 111815590 A CN111815590 A CN 111815590A
- Authority
- CN
- China
- Prior art keywords
- gravity
- center
- acquiring
- heart
- point
- 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.)
- Withdrawn
Links
- 230000005484 gravity Effects 0.000 title claims abstract description 158
- 210000002216 heart Anatomy 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013075 data extraction Methods 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 210000000988 bone and bone Anatomy 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000017531 blood circulation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000004351 coronary vessel Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 200000000007 Arterial disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种基于CT序列图像获取心脏重心和脊椎重心的方法和系统,方法包括:获取CT序列图像的三维数据;根据所述三维数据和设定的灰度值体积占比阈值,获取心脏重心和脊椎重心。本申请是一种获取心脏、脊椎重心的新方法,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序列图像获取心脏重心和脊椎重心的方法和系统。
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数据无法获得心脏、脊椎的重心或者获得心脏、脊椎的重心的方法较复杂,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序列图像获取心脏重心和脊椎重心的方法和系统,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序列图像获取心脏重心和脊椎重心的方法,包括:
获取CT序列图像的三维数据;
根据所述三维数据和设定的灰度值体积占比阈值,获取心脏重心和脊椎重心。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的方法,获取CT序列图像的三维数据的方法包括:
获取多幅CT二维图片;
获取所述CT二维图片的二维数据;
根据所述二维数据获得CT三维数据。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的方法,所述根据所述三维数据和设定的灰度值体积占比阈值,获取心脏重心和脊椎重心的方法包括:
根据所述CT二维数据,绘制所述CT图像的灰度直方图;
计算灰度直方图各区域与总区域的体积比,与所述灰度值体积占比阈值进行比较,获得心脏重心和脊椎重心。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的方法,所述计算灰度直方图各区域与总区域的体积比,与所述灰度值体积占比阈值进行比较,获得心脏重心和脊椎重心的方法包括:
沿着所述灰度直方图的终点M至原点O方向,依次获取M点至M-1点,M点至M-2点,直至获取到M点至O点的各灰度值区域的体积;
获取各灰度值区域的体积与M点至O点的总区域的体积占比V;
如果V=b,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取心脏区域三维图像,拾取所述心脏区域三维图像的物理重心,即为心脏重心P2;
其中,b表示常数,0.4<b<1;
如果V=a,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取骨头区域三维图像,拾取所述骨头区域三维图像的物理重心,即为脊椎重心P1;
其中,a表示常数,0<a<0.1。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的方法,所述b=0.6;a=0.005。
第二方面,本申请提供了一种基于CT序列图像获取心脏重心和脊椎重心的系统,用于上述的基于CT序列图像获取心脏重心和脊椎重心的方法,包括:相互连接的CT数据获取装置和重心提取装置;
所述CT数据获取装置,用于获取CT序列图像的三维数据;
所述重心提取装置,与所述CT数据获取装置连接,用于根据所述三维数据获取心脏重心和脊椎重心。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的系统,所述CT数据获取装置包括:依次连接的图片采集器、二维数据提取装置、三维数据合成装置;
所述图片采集器用于获取多幅CT二维图片;
所述二维数据提取装置用于获取所述CT二维图片的二维数据;
所述三维数据合成装置用于根据所述二维数据获得CT三维数据。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的系统,所述重心提取装置包括:依次连接的灰度直方图单元和重心提取单元;
所述灰度直方图单元,与所述二维数据提取装置连接,用于根据所述CT二维数据,绘制所述CT图像的灰度直方图;
所述重心提取单元,用于根据灰度直方图各区域与总区域的体积比获得心脏重心。
可选地,上述的基于CT序列图像获取心脏重心和脊椎重心的系统,所述重心提取单元包括:依次连接的各区域灰度值体积提取结构、灰度值体积计算结构和重心提取结构;
所述各区域灰度值体积提取结构,与所述灰度直方图单元连接,用于沿着所述灰度直方图的终点M至原点O方向,依次获取M点至M-1点,M点至M-2点,直至获取到M点至O点的各灰度值区域的体积;
所述灰度值体积计算结构,用于获取各灰度值区域的体积与M点至O点的总区域的体积占比V;
所述重心提取结构,用于根据如果V=b,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取心脏区域三维图像,拾取所述心脏区域三维图像的物理重心,即为心脏重心P2;如果V=a,则为脊椎重心,其中,b表示常数,0.4<b<1,0<a<0.1。
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基于CT序列图像获取心脏重心和脊椎重心的方法。
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序列图像获取心脏重心和脊椎重心的方法,是一种获取心脏、脊椎重心的新方法,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序列图像获取心脏重心和脊椎重心的方法的流程图;
图2为本申请的S1000的流程图;
图3为本申请的S2000的流程图;
图4为本申请的S2200的流程图;
图5为本申请的基于CT序列图像获取心脏重心和脊椎重心的系统的结构框图;
图6为本申请的基于CT序列图像获取心脏重心脊椎重心的系统的另一结构框图;
下面对附图标记进行说明:
CT数据获取装置100,图片采集器110,二维数据提取装置120,三维数据合成装置130,重心提取装置200,灰度直方图单元210,重心提取单元220,各区域灰度值体积提取结构221,灰度值体积计算结构222,重心提取结构223。
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序列图像获取心脏重心和脊椎重心的方法,如图1所示,包括:
S1000,获取CT序列图像的三维数据,如图2所示,包括:
S1100,获取多幅CT二维图片;
S1120,获取所述CT二维图片的二维数据;
S1130,根据所述二维数据获得CT三维数据。
S2000,根据所述三维数据和设定的灰度值体积占比阈值,获取心脏重心和脊椎重心,如图3所示,包括:
S2100,绘制CT图像的灰度直方图;
S2200,计算灰度直方图各区域与总区域的体积比,与所述灰度值体积占比阈值进行比较,获得心脏重心和脊椎重心,如图4所示,包括:
S2210,沿着灰度直方图的终点M至原点O方向,依次获取M点至M-1点,M点至M-2点,直至获取到M点至O点的各灰度值区域的体积;
S2220,获取各灰度值区域的体积与M点至O点的总区域的体积占比V;
S2230,如果V=b,则拾取灰度值区域对应的起始点,将起始点投射到CT三维图像上,获取心脏区域三维图像,拾取心脏区域三维图像的物理重心,即为心脏重心P2;其中,b表示常数,0.4<b<1。优选地,b=0.6。
S2240,如果V=a,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取骨头区域三维图像,拾取所述骨头区域三维图像的物理重心,即为脊椎重心P1;其中,a表示常数,0<a<0.1。优选地,a=0.005。
本申请提供了基于CT序列图像获取心脏重心和脊椎重心的方法,是一种获取心脏和脊椎重心的新方法,具有提取快速、精准的优点,计算速度快。
a=0.005,b=0.6是根据医学知识,以及经过大量的实验计算获得的,是一种创造性的劳动,具有突出的实质性特点。
实施例2:
如图5所示,本申请提供了一种基于CT序列图像获取心脏重心和脊椎重心的系统,用于上述的基于CT序列图像获取心脏重心和脊椎重心的方法,包括:相互连接的CT数据获取装置100和重心提取装置200;CT数据获取装置100用于获取CT序列图像的三维数据;重心提取装置200与CT数据获取装置100连接,用于根据三维数据获取心脏重心和脊椎重心。
如图6所示,本申请的一个实施例中,CT数据获取装置100包括:依次连接的图片采集器110、二维数据提取装置120、三维数据合成装置130;图片采集器110用于获取多幅CT二维图片;二维数据提取装置120用于获取所述CT二维图片的二维数据;三维数据合成装置130用于根据所述二维数据获得CT三维数据。
如图6所示,本申请的一个实施例中,重心提取装置200包括:依次连接的灰度直方图单元210和重心提取单元220;灰度直方图单元210,与二维数据提取装置120连接,用于根据CT二维数据,绘制所述CT图像的灰度直方图;重心提取单元220,用于根据灰度直方图各区域与总区域的体积比获得心脏重心和脊椎重心。
如图6所示,本申请的一个实施例中,重心提取单元220包括:依次连接的各区域灰度值体积提取结构221、灰度值体积计算结构222和重心提取结构223;各区域灰度值体积提取结构221与灰度直方图单元210连接,用于沿着所述灰度直方图的终点M至原点O方向,依次获取M点至M-1点,M点至M-2点,直至获取到M点至O点的各灰度值区域的体积;灰度值体积计算结构222用于获取各灰度值区域的体积与M点至O点的总区域的体积占比V;重心提取结构223用于根据如果V=b,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取心脏区域三维图像,拾取所述心脏区域三维图像的物理重心,即为心脏重心P2;如果V=a,则为脊椎重心,其中,b表示常数,0.4<b<1,0<a<0.1。
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序列图像获取心脏重心和脊椎重心的方法。
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序列图像获取心脏重心和脊椎重心的方法,其特征在于,包括:
获取CT序列图像的三维数据;
根据所述三维数据和设定的灰度值体积占比阈值,获取心脏重心和脊椎重心。
2.根据权利要求1所述的基于CT序列图像获取心脏重心和脊椎重心的方法,其特征在于,获取CT序列图像的三维数据的方法包括:
获取多幅CT二维图片;
获取所述CT二维图片的二维数据;
根据所述二维数据获得CT三维数据。
3.根据权利要求1所述的基于CT序列图像获取心脏重心和脊椎重心的方法,其特征在于,所述根据所述三维数据和设定的灰度值体积占比阈值,获取心脏重心和脊椎重心的方法包括:
根据所述CT二维数据,绘制所述CT图像的灰度直方图;
计算灰度直方图各区域与总区域的体积比,与所述灰度值体积占比阈值进行比较,获得心脏重心和脊椎重心。
4.根据权利要求3所述的基于CT序列图像获取心脏重心和脊椎重心的方法,其特征在于,所述计算灰度直方图各区域与总区域的体积比,与所述灰度值体积占比阈值进行比较,获得心脏重心和脊椎重心的方法包括:
沿着所述灰度直方图的终点M至原点O方向,依次获取M点至M-1点,M点至M-2点,直至获取到M点至O点的各灰度值区域的体积;
获取各灰度值区域的体积与M点至O点的总区域的体积占比V;
如果V=b,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取心脏区域三维图像,拾取所述心脏区域三维图像的物理重心,即为心脏重心P2;
其中,b表示常数,0.4<b<1;
如果V=a,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取骨头区域三维图像,拾取所述骨头区域三维图像的物理重心,即为脊椎重心P1;
其中,a表示常数,0<a<0.1。
5.根据权利要求4所述的基于CT序列图像获取心脏重心和脊椎重心的方法,其特征在于,所述b=0.6;所述a=0.005。
6.一种基于CT序列图像获取心脏重心和脊椎重心的系统,用于权利要求1~5任一项所述的基于CT序列图像获取心脏重心和脊椎重心的方法,其特征在于,包括:相互连接的CT数据获取装置和重心提取装置;
所述CT数据获取装置,用于获取CT序列图像的三维数据;
所述重心提取装置,与所述CT数据获取装置连接,用于根据所述三维数据获取心脏重心和脊椎重心。
7.根据权利要求6所述的基于CT序列图像获取心脏重心和脊椎重心的系统,其特征在于,所述CT数据获取装置包括:依次连接的图片采集器、二维数据提取装置、三维数据合成装置;
所述图片采集器用于获取多幅CT二维图片;
所述二维数据提取装置用于获取所述CT二维图片的二维数据;
所述三维数据合成装置用于根据所述二维数据获得CT三维数据。
8.根据权利要求7所述的基于CT序列图像获取心脏重心和脊椎重心的系统,其特征在于,所述重心提取装置包括:依次连接的灰度直方图单元和重心提取单元;
所述灰度直方图单元,与所述二维数据提取装置连接,用于根据所述CT二维数据,绘制所述CT图像的灰度直方图;
所述重心提取单元,用于根据灰度直方图各区域与总区域的体积比获得心脏重心。
9.根据权利要求8所述的基于CT序列图像获取心脏重心和脊椎重心的系统,其特征在于,所述重心提取单元包括:依次连接的各区域灰度值体积提取结构、灰度值体积计算结构和重心提取结构;
所述各区域灰度值体积提取结构,与所述灰度直方图单元连接,用于沿着所述灰度直方图的终点M至原点O方向,依次获取M点至M-1点,M点至M-2点,直至获取到M点至O点的各灰度值区域的体积;
所述灰度值体积计算结构,用于获取各灰度值区域的体积与M点至O点的总区域的体积占比V;
所述重心提取结构,用于根据如果V=b,则拾取所述灰度值区域对应的起始点,将所述起始点投射到所述CT三维图像上,获取心脏区域三维图像,拾取所述心脏区域三维图像的物理重心,即为心脏重心P2;如果V=a,则为脊椎重心,其中,b表示常数,0.4<b<1,0<a<0.1。
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1~5任一项所述的基于CT序列图像获取心脏重心和脊椎重心的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607317.7A CN111815590A (zh) | 2020-06-29 | 2020-06-29 | 基于ct序列图像获取心脏重心和脊椎重心的方法和系统 |
PCT/CN2020/110019 WO2022000731A1 (zh) | 2020-06-29 | 2020-08-19 | 基于ct序列图像获取心脏重心和脊椎重心的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607317.7A CN111815590A (zh) | 2020-06-29 | 2020-06-29 | 基于ct序列图像获取心脏重心和脊椎重心的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815590A true CN111815590A (zh) | 2020-10-23 |
Family
ID=72855585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010607317.7A Withdrawn CN111815590A (zh) | 2020-06-29 | 2020-06-29 | 基于ct序列图像获取心脏重心和脊椎重心的方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111815590A (zh) |
WO (1) | WO2022000731A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741293A (zh) * | 2016-01-30 | 2016-07-06 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
CN109035203A (zh) * | 2018-06-25 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 医学图像处理方法、装置、设备及存储介质 |
WO2019178432A1 (en) * | 2018-03-15 | 2019-09-19 | The Penn State Research Foundation | Method for improved recovery in ultra-tight reservoirs based on diffusion |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678746B (zh) * | 2015-12-30 | 2018-04-03 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
CN111815583B (zh) * | 2020-06-29 | 2022-08-05 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取主动脉中心线的方法和系统 |
CN111815588B (zh) * | 2020-06-29 | 2022-07-26 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取降主动脉的方法和系统 |
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 CN202010607317.7A patent/CN111815590A/zh not_active Withdrawn
- 2020-08-19 WO PCT/CN2020/110019 patent/WO2022000731A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741293A (zh) * | 2016-01-30 | 2016-07-06 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
WO2019178432A1 (en) * | 2018-03-15 | 2019-09-19 | The Penn State Research Foundation | Method for improved recovery in ultra-tight reservoirs based on diffusion |
CN109035203A (zh) * | 2018-06-25 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 医学图像处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022000731A1 (zh) | 2022-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889896B (zh) | 获取血管狭窄病变区间及三维合成方法、装置和系统 | |
JP6685319B2 (ja) | 定量的フロー分析のための方法および装置 | |
AU2016242999B2 (en) | Systems and methods for predicting perfusion deficits from physiological, anatomical, and patient characteristics | |
US20230144795A1 (en) | Methods and systems for acquiring centerline of aorta based on ct sequence images | |
WO2022000727A1 (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 | |
JP2021528137A (ja) | 定量的血行動態フロー分析のための方法および装置 | |
EP4064181A1 (en) | Method and apparatus for acquiring contour lines of blood vessel according to center line of blood vessel | |
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 | |
WO2022000729A1 (zh) | 基于ct序列图像获取无干扰冠脉树图像的方法和系统 | |
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 | |
JP7049402B2 (ja) | プロセッサ装置の作動方法 | |
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 | |
WO2022000728A1 (zh) | 基于ct序列图像获取降主动脉的方法和系统 | |
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 | |
CN111815584B (zh) | 基于ct序列图像获取心脏重心的方法和系统 | |
US20230153998A1 (en) | Systems for acquiring image of aorta based on deep learning | |
CN111815590A (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 | |
CN110929604B (zh) | 基于造影图像的流速的筛选方法、装置、系统和存储介质 |
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: 20210507 Address after: Room nw-05-502, Northwest District, Suzhou nano City, 99 Jinjihu Avenue, Suzhou Industrial Park, 215000, Jiangsu Province Applicant after: SUZHOU RAINMED MEDICAL TECHNOLOGY Co.,Ltd. Address before: Room 502, building 5, northwest Suzhou nano City, 99 Jinjihu Avenue, Suzhou Industrial Park, 215000, Jiangsu Province Applicant before: SUZHOU RUNXIN MEDICAL EQUIPMENT Co.,Ltd. |
|
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201023 |