CN112037168B - 一种血管检测方法、装置以及计算机存储介质 - Google Patents
一种血管检测方法、装置以及计算机存储介质 Download PDFInfo
- Publication number
- CN112037168B CN112037168B CN202010715515.5A CN202010715515A CN112037168B CN 112037168 B CN112037168 B CN 112037168B CN 202010715515 A CN202010715515 A CN 202010715515A CN 112037168 B CN112037168 B CN 112037168B
- Authority
- CN
- China
- Prior art keywords
- region
- blood vessel
- point
- determining
- investigation
- 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 86
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 239000000779 smoke Substances 0.000 claims abstract description 77
- 230000011218 segmentation Effects 0.000 claims abstract description 47
- 238000013145 classification model Methods 0.000 claims abstract description 9
- 238000011835 investigation Methods 0.000 claims description 90
- 238000005452 bending Methods 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 230000002792 vascular Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 abstract description 13
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005311 nuclear magnetism Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000003625 skull Anatomy 0.000 description 4
- 206010008118 cerebral infarction Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 201000006474 Brain Ischemia Diseases 0.000 description 2
- 206010008120 Cerebral ischaemia Diseases 0.000 description 2
- 206010018985 Haemorrhage intracranial Diseases 0.000 description 2
- 208000008574 Intracranial Hemorrhages Diseases 0.000 description 2
- 208000032109 Transient ischaemic attack Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009251 neurologic dysfunction Effects 0.000 description 2
- 208000015015 neurological dysfunction Diseases 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 201000010875 transient cerebral ischemia Diseases 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 208000034059 Basal Ganglia Hemorrhage Diseases 0.000 description 1
- 206010053942 Cerebral haematoma Diseases 0.000 description 1
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 206010069729 Collateral circulation Diseases 0.000 description 1
- 206010011469 Crying Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000015592 Involuntary movements Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 1
- 210000002551 anterior cerebral artery Anatomy 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 210000004227 basal ganglia Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004004 carotid artery internal Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 235000021268 hot food Nutrition 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017311 musculoskeletal movement, spinal reflex action Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 210000001154 skull base Anatomy 0.000 description 1
- 235000021259 spicy food Nutrition 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002861 ventricular Effects 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
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
本发明公开了一种血管检测方法、装置以及计算机存储介质，该检出方法的一实施例包括：将血管分割图像与血管模板图像做中心线配准，得到配准结果；根据配准结果确定血管分割图像的烟雾候选区域；利用分类模型对烟雾候选区域进行判别，得到准烟雾区域。本发明实施例通过将血管分割图像与血管模板图像做中心线配准，并基于配准结果确定血管分割图像的烟雾侯选区域，最后利用分类器模型对烟雾候选区域进行判别，以确定烟雾候选区域是否为准烟雾区域。由此，提高了烟雾病检测的准确性。
Description
技术领域
本发明属于医学成像技术领域，尤其涉及一种血管检测方法、装置以及计算机存储介质。
背景技术
烟雾病是一种病因不明的、以双侧颈内动脉末端及大脑前动脉、大脑中动脉起始部慢性进行性狭窄或闭塞为特征，并继发颅底异常血管网形成的一种脑血管疾病。由于这种颅底异常血管网在脑血管造影图像上形似“烟雾”，故称为“烟雾病”。烟雾状血管是扩张的穿通动脉，起着侧支循环的代偿作用。患者的临床表现复杂多样，包括认知功能障碍、癫痫、不随意运动或头痛，其中最常见的是脑缺血，可表现为短暂性脑缺血发作、可逆性缺血性神经功能障碍或脑梗死，其中短暂性脑缺血发作常由情绪紧张、哭泣、剧烈运动或进食热辣食物等诱发。自发性颅内出血多见于成年患者，主要原因是烟雾状血管或合并的微动脉瘤破裂出血，以脑室内出血或脑实质出血破入脑室最为常见，也可见基底节区或脑叶血肿，单纯蛛网膜下腔出血较少见。神经功能障碍与脑缺血或颅内出血部位等相关。
近年来，烟雾病在我国的发病率和患病率有逐渐上升的趋势，但在诊断和治疗上仍存在一些争议。烟雾病的主要诊断手段：1、血管超声检查：当怀疑烟雾病时，首先进行无创检查，即头部的血管超声检查；2、头颅核磁和头颅血管核磁检查：当血管超声检查发现脑血管有问题时，可行头颅核磁和头颅血管核磁检查，以明确烟雾病的诊断，然而整个诊断过程中获得的电子计算机断层扫描(Computed Tomography，缩写CT)影像依赖医生的判断。由此可见，在现有技术中，烟雾病的定位是依据医生的个人经验来完成的，这有可能出现由于医生经验不足降低了烟雾病的定位速度和精度。
发明内容
有鉴于此，本发明实施例提供一种血管检测方法、装置以及计算机存储介质，能够有效提高血管烟雾病检出的准确率。
为实现上述目的，根据本发明实施例第一方面，提供一种血管检测方法，该方法包括：将血管分割图像与血管模板图像做中心线配准，得到配准结果；根据所述配准结果确定所述血管分割图像的烟雾候选区域；利用分类模型对所述烟雾候选区域进行判别，得到准烟雾区域。
可选的，所述根据所述配准结果确定所述血管分割图像的烟雾候选区域，包括：根据所述血管模板图像中每个区域位置，在所述血管分割图像上进行对应区域标记，得到多个考察区域；针对所述血管分割图像上任一考察区域，统计所述考察区域内探测点数量，并基于所述探测点数量确定该考察区域为烟雾候选区域。
可选的，所述探测点包括中心线节点和弯曲角度；所述统计所述考察区域内探测点数量，并基于所述探测点数量确定该考察区域为烟雾候选区域，包括：分别统计所述考察区域内中心线节点数量和弯曲角度数量；判断所述中心线节点数量和弯曲角度数量是否满足数量阈值，得到第一判断结果；若所述第一判断结果表征所述中心线节点数量和所述弯曲角度数量中任意一个不满足数量阈值，则确定该考察区域为血管烟雾候选区。
可选的，所述中心线节点包括中心线的原始点、端点和交叉点，所述弯曲角度通过如下方法判断：确定所述考察区域内中心线的原始点；计算所述考察区域内原始点到任一端点的变化角度；判断所述变化角度是否超过角度阈值，得到第二判断结果；若所述第二判断结果表征所述变化角度超过角度阈值，则确定所述变化角度为弯曲角度。
可选的，所述确定所述考察区域内中心线的原始点包括：将血管分割图像上所有探测点建立路径图；在路径图起始点到终点的路径上对所有探测点按照先后顺序进行从小到大排序；将所述考察区域边界上的探测点作为原始候选点，得到原始点候选集；从所述原始点候选集中选取探测点序值大于相邻非考察区域内探测点序值，得到原始点集；并将所述原始点集中的探测点确定为所述考察区域内中心线的原始点。
可选的，所述计算所述考察区域内原始点到任一端点的变化角度，包括：确定所述考察区域内中心线的原始点、端点以及中间点的向量；其中，所述中间点是指在所述中心线上且位于所述原始点和端点之间的点；将所述中间点和端点分别与所述原始点做差值，得到第一向量和第二向量；确定所述第一向量和所述第二向量之间的角度，并将所述角度确定为所述考察区域内原始点到端点的变化角度。
为实现上述目的，根据本发明实施例第二方面，还提供一种血管检测装置，该装置包括：配准模块，用于将血管分割图像与血管模板图像做中心线配准，得到配准结果；确定模块，用于根据所述配准结果确定所述血管分割图像的烟雾候选区域；判别模块，用于利用分类模型对所述烟雾候选区域进行判别，得到准烟雾区域。
可选的，所述确定模块包括：标记单元，用于根据所述血管模板图像中每个区域位置，在所述血管分割图像上进行对应区域标记，得到多个考察区域；确定单元，用于针对所述血管分割图像上任一考察区域，统计所述考察区域内探测点数量，并基于所述探测点数量确定该考察区域为烟雾候选区域。
可选的，所述探测点包括中心线节点和弯曲角度；所述确定单元包括：统计子单元，用于分别统计所述考察区域内中心线节点数量和弯曲角度数量；判断子单元，用于判断所述中心线节点数量和弯曲角度数量是否满足数量阈值，得到第一判断结果；确定子单元，用于若所述第一判断结果表征所述中心线节点数量和所述弯曲角度数量中任意一个不满足数量阈值，则确定该考察区域为血管烟雾候选区域。
为实现上述目的，根据本发明实施例第三方面，还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述的血管检测方法。
本发明实施例通过将血管分割图像与血管模板图像做中心线配准，并基于配准结果确定血管分割图像的烟雾侯选区域，最后利用分类器模型对烟雾候选区域进行判别，以确定烟雾候选区域是否为准烟雾区域。由此，提高了烟雾病检测的准确性。
上述的非惯用的可选方式所具有的进一步的效果将在下文结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中在附图中，相同或对应的标号表示相同或对应的部分。
图1为本发明一实施例血管检测方法的流程图；
图2为本发明一实施例血管检测方法中确定弯曲角度的流程图；
图3为本发明一实施例血管检测装置的示意图；
图4是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图；
图5为本发明一实施例的考察区域路径图的示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，为本发明一实施例血管检测方法的流程图，该方法至少包括如下操作流程：
S101，将血管分割图像与血管模板图像做中心线配准，得到配准结果。
示例性的，对血管分割图像进行中心线提取，基于所提取的血管分割图像中心线与血管模板图像中心线，将血管分割图像和血管模板图像进行配准。
S102，根据配准结果确定血管分割图像的烟雾候选区域。
示例性的，根据血管模板图像中每个区域位置，在血管分割图像上进行对应区域标记，得到多个考察区域。针对血管分割图像上任一考察区域，统计考察区域内探测点数量，并基于探测点数量确定该考察区域为烟雾候选区域。
具体地，探测点包括中心线节点和弯曲角度，针对血管分割图像上任一考察区域，分别统计考察区域内中心线节点数量和弯曲角度数量，并判断中心线节点数量和弯曲角度数量是否满足数量阈值，得到第一判断结果；若第一判断结果表征中心线节点数量和弯曲角度数量中任意一个不满足数量阈值，则确定该考察区域为血管烟雾候选区；若第一判断结果表征中心线节点数量和弯曲角度数量均满足预设阈值，则确定该考察区域不为血管烟雾候选区域。中心线节点包括中心线的原始点、端点和交叉点。
例如，血管模板图像具有第一区域、第二区域和第三区域，血管模板图像任一区域内均具有特定数量的中心节点和弯曲角度。根据配准结果，基于第一区域、第二区域和第三区域的位置信息在血管分割图像对应位置处分别标记与第一区域对应的第一考察区域、与第二区域对应的第二考察区域，以及与第三区域对应的第三考察区域。以第一考察区域为例，判断第一考察区域内中心线节点数量是否满足第一区域内中心线节点数量，并判断第一考察区域内弯曲角度数量是否满足第一区域内弯曲角度数量，生成判断结果，若判断结果表征第一考察区域内中心线节点数量和弯曲角度数量中任意一个不满足上述判断条件，则确定第一考察区域为血管烟雾候选区。判断其他考察区域是否为血管烟雾候选区，方法同第一考察区域相似，唯一不同的是当判断第二考察区域是否为血管烟雾区域时，判断条件中的数量阈值分别对应为第二区域的中心线节点数量和第二区域的弯曲角度数量。判断第三考察区域是否为血管烟雾区域时，判断条件中的数量阈值分别对应为第三区域的中心线节点数量和第三区域的弯曲角度数量。
S103，利用分类模型对烟雾候选区域进行判别，得到准烟雾区域。
示例性的，利用分类器模型对烟雾候选区域进行测试训练，得到测试训练结果；若测试训练结果表征烟雾候选区域通过测试，则确定该烟雾候选区域为准烟雾区域。
在这里，分类器模型是预先训练好的，例如将多个血管烟雾区域作为正例训练样本，并将多个血管非烟雾区域作为负例训练样本，从而得到训练样本数据；之后利用算法对训练样本数据进行模型训练，得到分类器模型。
本发明实施例通过将血管分割图像和血管模板图像做中心线配准，并基于配准结果确定血管分割图像的考察区域，通过判断考察区域内中心线节点数量和弯曲角度数量是否满足对应区域内相应数量阈值，从而确定考察区域是否为烟雾候选区域。最后利用分类模型对烟雾候选区域进行判别，以确定烟雾候选区域是否为准烟雾区域。由此，提高烟雾病检测的准确性。
应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在的逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
如图2所示，为本发明一实施例血管检测方法中确定弯曲角度的流程图，该方法至少包括如下操作流程：
S201，确定考察区域内中心线的原始点。
示例性的，将血管分割图像上所有探测点建立路径图；在路径图起始点到终点的路径上对所有探测点按照先后顺序进行从小到大排序；将考察区域边界上的探测点作为原始候选点，得到原始点候选集；从原始点候选集中选取探测点序值大于相邻非考察区域内探测点序值，得到原始点集；并将原始点集中的探测点确定为考察区域内中心线的原始点。
例如，如图5所示，为本发明一实施例的考察区域路径图的示意图。路径图中起始点的点序为0，该考察区域具有3条路径，分别为a路径、b路径和c路径，该考察区域原始点为点序98、99和点序100。
S202，确定考察区域内中心线的原始点、端点以及中间点的向量；其中，中间点是指在中心线上且位于原始点和端点之间的点。
S203，将中间点和端点分别与原始点做差值，得到第一向量和第二向量。
例如，a路径的端点为点序200，原始点为点序100，中间点位于点序100和点序200之间(图中没有示出中间点)，分别获取a路径中原始点、中间点和端点的空间向量，通过三个点的向量能够确定路径a的弯曲角度。
S204，确定第一向量和第二向量之间的角度，并将该角度确定为考察区域内原始点到端点的变化角度。
S205，判断变化角度是否超过角度阈值，得到第二判断结果。
S206，若第二判断结果表征变化角度超过角度阈值，则确定该变化角度为弯曲角度。
应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在的逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
如图3所示，为本发明一实施例血管检测装置的示意图；该检测装置300，包括：配准模块301，用于将血管分割图像与血管模板图像做中心线配准，得到配准结果；确定模块302，用于根据配准结果确定血管分割图像的烟雾候选区域；判别模块303，用于利用分类模型对烟雾候选区域进行判别，得到准烟雾区域。
在可选的实施例中，确定模块302包括：标记单元，用于根据血管模板图像中每个区域位置，在血管分割图像上进行对应区域标记，得到多个考察区域；确定单元，用于针对血管分割图像上任一考察区域，统计考察区域内探测点数量，并基于探测点数量确定该考察区域为烟雾候选区域。
在可选的实施例中，探测点包括中心线节点和弯曲角度；确定单元包括：统计子单元，用于分别统计考察区域内中心线节点数量和弯曲角度数量；判断子单元，用于判断中心线节点数量和弯曲角度数量是否满足数量阈值，得到第一判断结果；确定子单元，用于若第一判断结果表征所述中心线节点数量和弯曲角度数量中任意一个不满足数量阈值，则确定该考察区域为血管烟雾候选区域。
在可选的实施例中，确定单元还包括：原始点子单元，用于确定考察区域内中心线的原始点；计算子单元，用于计算考察区域内原始点到任一端点的变化角度；判断子单元进一步用于，判断变化角度是否超过角度阈值，得到第二判断结果；确定子单元进一步用于，若第二判断结果表征变化角度超过角度阈值，则确定该变化角度为弯曲角度。
在可选的实施例中，原始点子单元包括：建立路径图单元，用于将血管分割图像上所有探测点建立路径图；排序单元，用于在路径图起始点到终点的路径上对所有探测点按照先后顺序进行从小到大排序；原始点候选单元，用于将考察区域边界上的探测点作为原始候选点，得到原始点候选集；选取原始点单元，用于从原始点候选集中选取探测点序值大于相邻非考察区域内探测点序值，得到原始点集；确定单元，用于并将原始点集中的探测点确定为考察区域内中心线的原始点。
在可选的实施例中，计算子单元包括：向量确定单元，用于确定考察区域内中心线的原始点、端点以及中间点的向量；其中，中间点是指在中心线上且位于原始点和端点之间的点；计算单元，用于将中间点和端点分别与原始点做差值，得到第一向量和第二向量；角度确定单元，用于确定第一向量和第二向量之间的角度，并将该角度确定为考察区域内原始点到端点的变化角度。
上述检出装置可执行本发明实施例所提供的血管检测方法，具备执行血管检测方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的血管检测方法。
下面参考图4，其示出了适于用来实现实施例的终端设备或服务器的计算机系统的结构示意图。图4示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有系统400操作所需的各种程序和数据。CPU401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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、系统或器件，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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。而在本发明中，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、系统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、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该单元本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：S101，将血管分割图像与血管模板图像做中心线配准，得到配准结果；S102，根据配准结果确定血管分割图像的烟雾候选区域；S103，利用分类模型对烟雾候选区域进行判别，得到准烟雾区域。
本发明实施例通过将血管分割图像与血管模板图像做中心线配准，并基于配准结果确定血管分割图像的烟雾侯选区域，最后利用分类器模型对烟雾候选区域进行判别，以确定烟雾候选区域是否为准烟雾区域。由此，提高了烟雾病检测的准确性。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种血管检测方法，其特征在于，包括：
将血管分割图像与血管模板图像做中心线配准，得到配准结果；
根据所述配准结果确定所述血管分割图像的烟雾候选区域；
利用分类模型对所述烟雾候选区域进行判别，得到准烟雾区域；
所述根据所述配准结果确定所述血管分割图像的烟雾候选区域，包括：根据所述血管模板图像中每个区域位置，在所述血管分割图像上进行对应区域标记，得到多个考察区域；针对所述血管分割图像上任一考察区域，统计所述考察区域内探测点数量，并基于所述探测点数量确定所述考察区域为烟雾候选区域；
所述探测点包括中心线节点和弯曲角度；所述统计所述考察区域内探测点数量，并基于所述探测点数量确定所述考察区域为烟雾候选区域，包括：分别统计所述考察区域内中心线节点数量和弯曲角度数量；判断所述中心线节点数量和弯曲角度数量是否满足数量阈值，得到第一判断结果；若所述第一判断结果表征所述中心线节点数量和所述弯曲角度数量中任意一个不满足数量阈值，则确定所述考察区域为血管烟雾候选区；
所述中心线节点包括中心线的原始点、端点和交叉点，所述弯曲角度通过如下方法判断：确定所述考察区域内中心线的原始点；计算所述考察区域内原始点到任一端点的变化角度；判断所述变化角度是否超过角度阈值，得到第二判断结果；若所述第二判断结果表征所述变化角度超过角度阈值，则确定所述变化角度为弯曲角度。
2.根据权利要求1所述的方法，其特征在于，所述确定所述考察区域内中心线的原始点包括：
将血管分割图像上所有探测点建立路径图；
在路径图起始点到终点的路径上对所有探测点按照先后顺序进行从小到大排序；
将所述考察区域边界上的探测点作为原始候选点，得到原始点候选集；
从所述原始点候选集中选取探测点序值大于相邻非考察区域内探测点序值，得到原始点集；并将所述原始点集中的探测点确定为所述考察区域内中心线的原始点。
3.根据权利要求1所述的方法，其特征在于，所述计算所述考察区域内原始点到任一端点的变化角度，包括：
确定所述考察区域内中心线的原始点、端点以及中间点的向量；其中，所述中间点是指在所述中心线上且位于所述原始点和端点之间的点；
将所述中间点和端点分别与所述原始点做差值，得到第一向量和第二向量；
确定所述第一向量和所述第二向量之间的角度，并将所述角度确定为所述考察区域内原始点到端点的变化角度。
4.一种血管检测装置，其特征在于，包括：
配准模块，用于将血管分割图像与血管模板图像做中心线配准，得到配准结果；
确定模块，用于根据所述配准结果确定所述血管分割图像的烟雾候选区域；
判别模块，用于利用分类模型对所述烟雾候选区域进行判别，得到准烟雾区域；
所述确定模块包括：标记单元，用于根据所述血管模板图像中每个区域位置，在所述血管分割图像上进行对应区域标记，得到多个考察区域；确定单元，用于针对所述血管分割图像上任一考察区域，统计所述考察区域内探测点数量，并基于所述探测点数量确定所述考察区域为烟雾候选区域；
所述探测点包括中心线节点和弯曲角度；所述确定单元还包括：统计子单元，用于分别统计所述考察区域内中心线节点数量和弯曲角度数量；判断子单元，用于判断所述中心线节点数量和弯曲角度数量是否满足数量阈值，得到第一判断结果；确定子单元，用于若所述第一判断结果表征所述中心线节点数量和所述弯曲角度数量中任意一个不满足数量阈值，则确定所述考察区域为血管烟雾候选区域；
所述中心线节点包括中心线的原始点、端点和交叉点；所述确定单元还包括：原始点子单元，用于确定所述考察区域内中心线的原始点；计算子单元，用于计算所述考察区域内原始点到任一端点的变化角度；
所述判断子单元，还用于判断所述变化角度是否超过角度阈值，得到第二判断结果；
所述确定子单元，还用于若所述第二判断结果表征所述变化角度超过角度阈值，则确定所述变化角度为弯曲角度。
5.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010715515.5A CN112037168B (zh) | 2020-07-23 | 2020-07-23 | 一种血管检测方法、装置以及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010715515.5A CN112037168B (zh) | 2020-07-23 | 2020-07-23 | 一种血管检测方法、装置以及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112037168A CN112037168A (zh) | 2020-12-04 |
| CN112037168B true CN112037168B (zh) | 2024-04-16 |
Family
ID=73582985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010715515.5A Active CN112037168B (zh) | 2020-07-23 | 2020-07-23 | 一种血管检测方法、装置以及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112037168B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115578554B (zh) * | 2021-06-21 | 2024-02-02 | 数坤(上海)医疗科技有限公司 | 一种血管病灶识别方法、装置、电子设备和可读存储介质 |
| CN114648514B (zh) * | 2022-03-30 | 2022-11-29 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107203741A (zh) * | 2017-05-03 | 2017-09-26 | 上海联影医疗科技有限公司 | 血管提取方法、装置及其系统 |
| CN107545584A (zh) * | 2017-04-28 | 2018-01-05 | 上海联影医疗科技有限公司 | 医学图像中定位感兴趣区域的方法、装置及其系统 |
| CN108899075A (zh) * | 2018-06-28 | 2018-11-27 | 众安信息技术服务有限公司 | 一种基于深度学习的dsa图像检测方法、装置及设备 |
| CN109886933A (zh) * | 2019-01-25 | 2019-06-14 | 腾讯科技（深圳）有限公司 | 一种医学图像识别方法、装置和存储介质 |
| CN110910441A (zh) * | 2019-11-15 | 2020-03-24 | 首都医科大学附属北京友谊医院 | 一种中心线提取的方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10083504B2 (en) * | 2016-09-07 | 2018-09-25 | International Business Machines Corporation | Multi-step vessel segmentation and analysis |
-
2020
- 2020-07-23 CN CN202010715515.5A patent/CN112037168B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107545584A (zh) * | 2017-04-28 | 2018-01-05 | 上海联影医疗科技有限公司 | 医学图像中定位感兴趣区域的方法、装置及其系统 |
| CN107203741A (zh) * | 2017-05-03 | 2017-09-26 | 上海联影医疗科技有限公司 | 血管提取方法、装置及其系统 |
| CN108899075A (zh) * | 2018-06-28 | 2018-11-27 | 众安信息技术服务有限公司 | 一种基于深度学习的dsa图像检测方法、装置及设备 |
| CN109886933A (zh) * | 2019-01-25 | 2019-06-14 | 腾讯科技（深圳）有限公司 | 一种医学图像识别方法、装置和存储介质 |
| CN110910441A (zh) * | 2019-11-15 | 2020-03-24 | 首都医科大学附属北京友谊医院 | 一种中心线提取的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 螺旋CT血管生长技术及脑血管造影在烟雾病诊断中的价值;胡海菁 等;《临床神经外科杂志》;正文第205-207页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112037168A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Barrett et al. | PI-RADS version 2.1: one small step for prostate MRI | |
| Tuuli et al. | Validation of placental vascular sonobiopsy for obtaining representative placental vascular indices by three-dimensional power Doppler ultrasonography | |
| Chen et al. | Artificial intelligence in obstetric ultrasound: an update and future applications | |
| CN113066061B (zh) | 一种基于mra的动脉瘤检测方法、系统、终端及介质 | |
| CN112037168B (zh) | 一种血管检测方法、装置以及计算机存储介质 | |
| EP3963506A1 (en) | Analysis of intracranial blood vessels | |
| CN112037170B (zh) | 一种血管狭窄的检出方法、装置以及计算机存储介质 | |
| JP6713690B2 (ja) | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム | |
| Brugnara et al. | Automated volumetric assessment with artificial neural networks might enable a more accurate assessment of disease burden in patients with multiple sclerosis | |
| Drouin et al. | Transverse technique: complementary approach to measurement of first‐trimester uterine artery Doppler | |
| Deutch et al. | Automated assessment of ovarian follicles using a novel three-dimensional ultrasound software | |
| CN112446866A (zh) | 血流参数的计算方法、装置、设备及存储介质 | |
| Huhta | First-trimester screening for congenital heart disease | |
| Zhang et al. | Learning-based structurally-guided construction of resting-state functional correlation tensors | |
| Kaposi et al. | Interobserver agreement and diagnostic accuracy of shearwave elastography for the staging of hepatitis C virus‐associated liver fibrosis | |
| Hu et al. | Deep learning-based automatic endometrium segmentation and thickness measurement for 2D transvaginal ultrasound | |
| Liu et al. | [Retracted] Doppler Ultrasound Imaging Combined with Fetal Heart Detection in Predicting Fetal Distress in Pregnancy‐Induced Hypertension under the Guidance of Artificial Intelligence Algorithm | |
| Wozniak et al. | Usefulness of elastography in predicting the outcome of Foley catheter labour induction | |
| Figueira et al. | Fetal hemodynamic parameters in low risk pregnancies: Doppler velocimetry of uterine, umbilical, and middle cerebral artery | |
| Yu et al. | Diagnosis of idiopathic premature ovarian failure by color Doppler ultrasound under the intelligent segmentation algorithm | |
| Angeli et al. | Automatic measurement of head-perineum distance during intrapartum ultrasound: description of the technique and preliminary results | |
| Carlin et al. | The use of magnetic resonance imaging in the prediction of birthweight | |
| Hwuang et al. | Cross‐modality and in‐vivo validation of 4D flow MRI evaluation of uterine artery blood flow in human pregnancy | |
| CN104936505A (zh) | 使用预先采集的图像进行的导航 | |
| Casciaro et al. | Automatic evaluation of progression angle and fetal head station through intrapartum echographic monitoring |
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 |