CN112037169A - 一种血管钙化检出方法、装置以及计算机存储介质 - Google Patents
一种血管钙化检出方法、装置以及计算机存储介质 Download PDFInfo
- Publication number
- CN112037169A CN112037169A CN202010715525.9A CN202010715525A CN112037169A CN 112037169 A CN112037169 A CN 112037169A CN 202010715525 A CN202010715525 A CN 202010715525A CN 112037169 A CN112037169 A CN 112037169A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- stenosis
- vessel image
- region
- value
- 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.)
- Pending
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
- G06T7/11—Region-based segmentation
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (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
本发明公开了一种血管钙化检出方法、装置以及计算机存储介质,该检出方法的一实施例包括:首先获取血管狭窄区域对应的原始血管图像,并对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理得到狭窄体块;之后根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域;最后利用分类器模型对所述钙化候选区域进行处理,得到血管钙化区域。如此,本发明通过对原始血管图像狭窄区域处狭窄体块的CT值进行分析从而生成钙化候选区域,并利用分类器模型对钙化候选区域进行识别,从而提高了血管钙化区域识别的准确度。
Description
技术领域
本发明属于医学成像技术领域,尤其涉及一种血管钙化检出方法、装置以及计算机存储介质。
背景技术
电子计算机断层扫描(Computed Tomography,缩写CT)扫描有两种,一种是CT平扫,一种是CT增强扫描。CT平扫指的是单纯的扫描,不使用增强剂;而CT增强扫描是在扫描的同时,静脉注射碘造影剂。平扫和增强扫描的最主要区别,就是增强扫描注射了造影剂,可以清晰地看到血管,比平扫CT能提供更多的信息。
然而,在脑血管疾病的检测中,头颈关注的血管通常是跟骨相对纠缠在一起的,去掉骨头的干扰非常困难。虽然现有的一些CT扫描设备在做CT平扫和CT增强扫描后能够将两种扫描图像做剪影,由此很容易将骨头去掉,但是由于CT图像中骨头和钙化的CT值均很高,因此设备在做剪影的时候很难区分被剪掉的是骨头还是钙化,为此,现有的一些CT扫描设备经常会出现漏检钙化的情形。
发明内容
有鉴于此,本发明实施例提供一种血管钙化检出方法、装置以及计算机存储介质,能够有效提高血管钙化检出的准确率。
为实现上述目的,根据本发明实施例第一方面,提供一种血管钙化检出方法,该方法包括:获取血管狭窄区域对应的原始血管图像,其中,所述原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域;对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块;根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域;利用分类器模型对所述钙化候选区域进行处理,得到血管钙化区域。
可选的,所述对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块,包括:针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像;将所述准血管图像与所述原始血管图像做差值,得到狭窄体块。
可选的,所述根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域,包括:获取所述狭窄体块的所有CT值;对获取的所有CT值求平均值,得到狭窄体块平均CT值;判断所述狭窄体块平均CT值是否大于预设阈值,得判断结果;若所述判断结果表征所述狭窄体块平均CT值大于预设阈值,则确定所述狭窄体块为钙化候选区域。
可选的,所述方法还包括:若所述判断结果表征所述狭窄体块平均CT值不大于预设阈值,则确定所述狭窄体块为血管狭窄。
可选的,所述血管理论直径通过如下方法获得:确定所述原始血管图像的狭窄区域;分别从所述狭窄区域两端的非狭窄区域选取第一血管直径和第二血管直径;对所述第一血管直径和第二血管直径求平均值,得到血管理论直径。
可选的,所述预设阈值为非狭窄区域血管CT值,所述非狭窄区域血管CT值通过如下方法获得:获取所述血管原始图像中非狭窄区域的所有CT值;对所有CT值求平均值,得到非狭窄区域血管CT值。
为实现上述目的,根据本发明实施例第二方面,还提供一种血管钙化检出装置,该装置包括:获取模块,用于获取血管狭窄区域对应的原始血管图像,其中所述原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域;处理模块,用于对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块;确定模块,用于根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域;模型识别模块,用于利用分类器模型对所述钙化候选区域进行处理,得到血管钙化区域。
可选的,所述处理膜块包括:拟合单元,用于针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像;计算单元,用于将所述准血管图像与所述原始血管图像做差值,得到狭窄体块。
可选的,所述确定模块包括:获取单元,用于获取所述狭窄体块的所有CT值;计算单元,用于对获取的所有CT值求平均值,得到狭窄体块平均CT值;判断单元,用于判断所述狭窄体块平均CT值是否大于预设阈值,得判断结果;确定单元,用于若所述判断结果表征所述狭窄体块平均CT值大于预设阈值,则确定所述狭窄体块为钙化候选区域。
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钙化检出方法。
本发明实施例针对一种血管钙化检出方法、装置以及计算机存储介质,首先获取血管狭窄区域对应的原始血管图像,并对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理得到狭窄体块;之后根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域;最后利用分类器模型对所述钙化候选区域进行处理,得到血管钙化区域。如此,本发明通过对原始血管图像狭窄区域处狭窄体块的CT值进行分析从而生成钙化候选区域,并利用分类器模型对钙化候选区域进行识别,从而提高了血管钙化区域识别的准确度。
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为本发明一实施例的血管钙化检出方法的流程图;
图2为本发明再一实施例的血管钙化检出方法的流程图;
图3为本发明一实施例的血管钙化检出装置的示意图;
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血管狭窄体块的示意图;
图6为本发明一实施例的血管理论直径的示意图。
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。
本发明实施例的目的在于利用血管理论直径对原始血管图像的狭窄区域周围图像进行拟合,生成狭窄体块,而后判断血管狭窄体块的CT值是否高出预设阈值从而确定狭窄体块为钙化候选区域,之后利用分类器模型对钙化候选区域进行识别,解决了现有技术由于钙化和骨的CT值均很高而导致剪影时出现漏钙化的问题,提高了血管钙化检出的准确率。
如图1所示,为本发明一实施例的血管钙化检出方法的流程图,该方法至少包括如下操作流程:
S101,获取血管狭窄区域对应的原始血管图像,其中,原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域。
示例性的,确定血管剪影图像的狭窄位置,基于狭窄位置,在原始血管图像中确定与狭窄位置对应的血管狭窄区域。
在这里,血管剪影图像用于指示增强扫描的血管造影数据减去平扫描的血管造影数据。原始血管图像用于指示增强扫描的血管造影数据。
需要说明的是,可以在血管拉直图像上通过血管半径的变化检出血管狭窄位置,或者在血管分割结果图像上通过半径变化检出血管狭窄位置。
S102,对原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块。
如图5所示,示例性的,针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像;将准血管图像与原始血管图像做差值,得到狭窄体块。
如图6所示,血管理论直径通过如下方法获得:确定原始血管图像的狭窄区域;分别从狭窄区域两端的非狭窄区域选取第一血管直径和第二血管直径;对第一血管直径和第二血管直径求平均值,得到血管理论直径。
具体地,第一血管直径是对狭窄区域一端的非狭窄区域血管直径求平均值获得的。第二血管直径是对狭窄区域另一端的非狭窄区域血管直径求平均值获得的。
在这里,准血管图像是指不具有狭窄的血管图像,即正常血管图像。原始血管图像是指具有狭窄的血管图像,即非正常血管图像。
S103,根据狭窄体块平均CT值确定狭窄体块为钙化候选区域。
示例性的,获取狭窄体块的所有CT值;对获取的所有CT值求平均值,得到狭窄体块平均CT值;判断狭窄体块平均CT值是否大于预设阈值,得判断结果;若判断结果表征狭窄体块平均CT值大于预设阈值,则确定狭窄体块为钙化候选区域。
预设阈值为非狭窄区域血管CT值,非狭窄区域血管CT值通过如下方法获得:获取血管原始图像中非狭窄区域的所有CT值;对所有CT值求平均值,得到非狭窄区域血管CT值。
S104,利用分类器模型对钙化候选区域进行处理,得到血管钙化区域。
示例性的,利用分类器模型对血管钙化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血管钙化候选区域通过测试,则确定血管钙化候选区域为血管钙化区域。
在这里,分类器模型是预先训练好的,例如将多个血管钙化区域作为正例训练样本,并将多个血管非钙化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。
本发明实施例首先获取血管狭窄区域对应的原始血管图像,并对原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理得到狭窄体块;之后根据狭窄体块平均CT值确定狭窄体块为钙化候选区域;最后利用分类器模型对钙化候选区域进行处理,得到血管钙化区域。如此,本发明通过对原始血管图像狭窄区域处狭窄体块的CT值进行分析从而生成钙化候选区域,并利用分类器模型对钙化候选区域进行识别,从而提高了血管钙化区域识别的准确度。
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2所示,为本发明再一实施例的血管钙化检出方法的流程图,该方法至少包括如下操作流程:
S201,获取血管狭窄区域对应的原始血管图像。
S202,针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像。
S203,将准血管图像与原始血管图像做差值,得到狭窄体块。
S204,获取狭窄体块的所有CT值。
S205,对获取的所有CT值求平均值,得到狭窄体块平均CT值。
S206,判断狭窄体块平均CT值是否大于预设阈值。
S207,若是,则确定狭窄体块为钙化候选区域,之后执行S209。
S208,若否,则确定狭窄体块为血管狭窄。
S209,利用分类器模型对钙化候选区域进行处理,得到血管钙化区域。
本实施例通过判断血管狭窄体块平均CT值是否大于预设阈值来确定狭窄体块是否为钙化候选区域,之后再结合分类器模型对钙化候选区域进行判别,提高了血管钙化区域识别的准确性。
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3所示,为本发明一种血管钙化检出装置一实施例的示意图;该检出装置300,包括:获取模块301,用于获取血管狭窄区域对应的原始血管图像,其中原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域;处理模块302,用于对原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块;确定模块303,用于根据狭窄体块平均CT值确定狭窄体块为钙化候选区域;模型识别模块304,用于利用分类器模型对钙化候选区域进行处理,得到血管钙化区域。
在可选的实施例中,处理膜块302包括:拟合单元,用于针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像;计算单元,用于将准血管图像与原始血管图像做差值,得到狭窄体块。
在可选的实施例中,确定模块303包括:获取单元,用于获取狭窄体块的所有CT值;计算单元,用于对获取的所有CT值求平均值,得到狭窄体块平均CT值;判断单元,用于判断狭窄体块平均CT值是否大于预设阈值,得判断结果;确定单元,用于若判断结果表征所述狭窄体块平均CT值大于预设阈值,则确定狭窄体块为钙化候选区域。
在可选的实施例中,确定单元还用于,若判断结果表征狭窄体块平均CT值不大于预设阈值,则确定狭窄体块为血管狭窄。
在可选的实施例中,血管理论直径通过如下模块获得:确定模块,用于确定原始血管图像的狭窄区域;选取模块,用于分别从狭窄区域两端的非狭窄区域选取第一血管直径和第二血管直径;计算模块,用于对第一血管直径和第二血管直径求平均值,得到血管理论直径。
在可选的实施例中,预设阈值为非狭窄区域血管CT值,非狭窄区域血管CT值通过如下模块获得:获取模块,用于获取血管原始图像中非狭窄区域的所有CT值;生成模块,用于对所有CT值求平均值,得到非狭窄区域血管CT值。
上述检出装置可执行本发明实施例所提供的血管钙化检出方法,具备执行血管钙化检出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钙化检出方法。
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,获取血管狭窄区域对应的原始血管图像,其中,原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域;S102,对原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块;S103,根据狭窄体块平均CT值确定狭窄体块为钙化候选区域;S104,利用模型对钙化候选区域进行处理,得到血管钙化区域。
本发明实施例针对一种血管钙化检出方法、装置以及计算机存储介质,首先获取血管狭窄区域对应的原始血管图像,并对原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理得到狭窄体块;之后根据狭窄体块平均CT值确定狭窄体块为钙化候选区域;最后利用分类器模型对钙化候选区域进行处理,得到血管钙化区域。如此,本发明通过对原始血管图像狭窄区域处狭窄体块的CT值进行分析从而生成钙化候选区域,并利用分类器模型对钙化候选区域进行识别,从而提高了血管钙化区域识别的准确度。
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 (10)
1.一种血管钙化检出方法,其特征在于,包括:
获取血管狭窄区域对应的原始血管图像,其中,所述原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域;
对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块;
根据狭窄体块平均电子计算机断层扫描CT值确定所述狭窄体块为钙化候选区域;
利用分类器模型对所述钙化候选区域进行处理,得到血管钙化区域。
2.根据权利要求1所述的方法,其特征在于,所述对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块,包括:
针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像;
将所述准血管图像与所述原始血管图像做差值,得到狭窄体块。
3.根据权利要求1所述的方法,其特征在于,所述根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域,包括:
获取所述狭窄体块的所有CT值;
对获取的所有CT值求平均值,得到狭窄体块平均CT值;
判断所述狭窄体块平均CT值是否大于预设阈值,得判断结果;
若所述判断结果表征所述狭窄体块平均CT值大于预设阈值,则确定所述狭窄体块为钙化候选区域。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若所述判断结果表征所述狭窄体块平均CT值不大于预设阈值,则确定所述狭窄体块为血管狭窄。
5.根据权利要求2所述的方法,其特征在于,所述血管理论直径通过如下方法获得:
确定所述原始血管图像的狭窄区域;
分别从所述狭窄区域两端的非狭窄区域选取第一血管直径和第二血管直径;
对所述第一血管直径和第二血管直径求平均值,得到血管理论直径。
6.根据权利要求3所述的方法,其特征在于,所述预设阈值为非狭窄区域血管CT值,所述非狭窄区域血管CT值通过如下方法获得:
获取所述血管原始图像中非狭窄区域的所有CT值;
对所有CT值求平均值,得到非狭窄区域血管CT值。
7.一种血管钙化检出装置,其特征在于,包括:
获取模块,用于获取血管狭窄区域对应的原始血管图像,其中所述原始血管图像包括狭窄区域以及位于该狭窄区域两端的部分非狭窄区域;
处理模块,用于对所述原始血管图像的狭窄区域周围非狭窄区域血管图像进行处理,得到狭窄体块;
确定模块,用于根据狭窄体块平均CT值确定所述狭窄体块为钙化候选区域;
模型识别模块,用于利用分类器模型对所述钙化候选区域进行处理,得到血管钙化区域。
8.根据权利要求7所述的装置,其特征在于,所述处理膜块包括:
拟合单元,用于针对所述原始血管图像的狭窄区域周围非狭窄区域血管图像,利用理论直径进行拟合,得到准血管图像;
计算单元,用于将所述准血管图像与所述原始血管图像做差值,得到狭窄体块。
9.根据权利要求7所述的装置,其特征在于,所述确定模块包括:
获取单元,用于获取所述狭窄体块的所有CT值;
计算单元,用于对获取的所有CT值求平均值,得到狭窄体块平均CT值;
判断单元,用于判断所述狭窄体块平均CT值是否大于预设阈值,得判断结果;
确定单元,用于若所述判断结果表征所述狭窄体块平均CT值大于预设阈值,则确定所述狭窄体块为钙化候选区域。
10.一种计算机存储介质,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1-6中任一项所述的血管钙化检出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010715525.9A CN112037169A (zh) | 2020-07-23 | 2020-07-23 | 一种血管钙化检出方法、装置以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010715525.9A CN112037169A (zh) | 2020-07-23 | 2020-07-23 | 一种血管钙化检出方法、装置以及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112037169A true CN112037169A (zh) | 2020-12-04 |
Family
ID=73582962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010715525.9A Pending CN112037169A (zh) | 2020-07-23 | 2020-07-23 | 一种血管钙化检出方法、装置以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037169A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337096A (zh) * | 2013-07-19 | 2013-10-02 | 东南大学 | 一种冠状动脉ct造影图像钙化点检测方法 |
CN104091346A (zh) * | 2014-07-24 | 2014-10-08 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
US20190138694A1 (en) * | 2017-11-06 | 2019-05-09 | International Business Machines Corporation | Automatic characterization of agatston score from coronary computed tomography |
CN110910370A (zh) * | 2019-11-21 | 2020-03-24 | 北京理工大学 | 一种cta图像冠脉狭窄检测的方法及装置 |
-
2020
- 2020-07-23 CN CN202010715525.9A patent/CN112037169A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337096A (zh) * | 2013-07-19 | 2013-10-02 | 东南大学 | 一种冠状动脉ct造影图像钙化点检测方法 |
CN104091346A (zh) * | 2014-07-24 | 2014-10-08 | 东南大学 | 一种全自动ct图像冠状动脉钙化分数计算方法 |
CN106539622A (zh) * | 2017-01-28 | 2017-03-29 | 北京欣方悦医疗科技有限公司 | 基于血流动力学分析的冠脉虚拟支架植入方法和系统 |
US20190138694A1 (en) * | 2017-11-06 | 2019-05-09 | International Business Machines Corporation | Automatic characterization of agatston score from coronary computed tomography |
CN110910370A (zh) * | 2019-11-21 | 2020-03-24 | 北京理工大学 | 一种cta图像冠脉狭窄检测的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037170B (zh) | 一种血管狭窄的检出方法、装置以及计算机存储介质 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
JP6243763B2 (ja) | 画像処理装置、画像処理装置の作動方法、及びプログラム | |
US20150117740A1 (en) | Method and apparatus for metal artifact elimination in a medical image | |
CN113066061B (zh) | 一种基于mra的动脉瘤检测方法、系统、终端及介质 | |
US8781187B2 (en) | Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image | |
JPH06121792A (ja) | ディジタル胸部レントゲン写真の肺小結節自動検出における正常例の誤診を分析する方法およびそのシステム | |
CN110910441A (zh) | 一种中心线提取的方法及装置 | |
JP2010088795A (ja) | 医用画像処理装置及び医用画像診断装置 | |
KR101926015B1 (ko) | 영상 처리 장치 및 방법 | |
CN111932497B (zh) | 一种冠状动脉识别方法及装置 | |
US6744911B1 (en) | Tomographic segmentation | |
JP2022538361A (ja) | 画像分割信頼度決定 | |
CN111640124A (zh) | 一种血管提取方法、装置、设备及存储介质 | |
CN113781477A (zh) | 基于人工智能的结石图像识别方法、装置及设备 | |
WO2008036372A2 (en) | Method and system for lymph node segmentation in computed tomography images | |
CN115049807A (zh) | 肺部血管模型的建立方法、装置及服务器 | |
CN110766682A (zh) | 肺结核定位筛查装置及计算机设备 | |
JP2007159934A (ja) | 比較読影支援装置 | |
CN112037168B (zh) | 一种血管检测方法、装置以及计算机存储介质 | |
CN113284160A (zh) | 一种手术导航标记珠体识别的方法、装置和设备 | |
WO2007033228A2 (en) | Reducing false positives for automatic computerized detection of objects | |
CN112037169A (zh) | 一种血管钙化检出方法、装置以及计算机存储介质 | |
CN109767468B (zh) | 脏器体积检测方法及装置 | |
JP2008079682A (ja) | 画像解析装置及び画像解析プログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |
|
RJ01 | Rejection of invention patent application after publication |