CN112419280A - 精确获取狭窄病变区间的方法及存储介质 - Google Patents
精确获取狭窄病变区间的方法及存储介质 Download PDFInfo
- Publication number
- CN112419280A CN112419280A CN202011342207.9A CN202011342207A CN112419280A CN 112419280 A CN112419280 A CN 112419280A CN 202011342207 A CN202011342207 A CN 202011342207A CN 112419280 A CN112419280 A CN 112419280A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- narrow
- stenosis
- pipe diameter
- curve
- 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.)
- Granted
Links
- 230000003902 lesion Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 61
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 68
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 76
- 208000037804 stenosis Diseases 0.000 claims description 76
- 230000036262 stenosis Effects 0.000 claims description 76
- 230000002966 stenotic effect Effects 0.000 claims description 26
- 239000002356 single layer Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 239000010410 layer Substances 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 230000036285 pathological change Effects 0.000 claims description 6
- 231100000915 pathological change Toxicity 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 2
- 206010057469 Vascular stenosis Diseases 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 210000004351 coronary vessel Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 201000000057 Coronary Stenosis Diseases 0.000 description 2
- 241000282414 Homo sapiens Species 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
- 238000013517 stratification Methods 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010011089 Coronary artery stenosis Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 150000002632 lipids Chemical group 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002792 vascular Effects 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
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种精确获取狭窄病变区间的方法及存储介质，包括：根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的数学模型；初步判断，获得第一狭窄病变区间；从第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间。本申请提供一种精确获取狭窄病变区间的方法及存储介质，通过对血管壁重新拟合后的三维建模，对粗精度的血管狭窄进一步修正，保证狭窄病变区间精度。
Description
技术领域
本发明涉及冠状动脉医学技术领域，特别是涉及一种精确获取狭窄病变区间的方法及存储介质。
背景技术
人体血液中的脂类及糖类物质在血管壁上的沉积将在血管壁上形成斑块，继而导致血管狭窄；特别是发生在心脏冠脉附近的血管狭窄将导致心肌供血不足，诱发冠心病、心绞痛等病症，对人类的健康造成严重威胁。据统计，我国现有冠心病患者约1100万人，心血管介入手术治疗患者数量每年增长大于10％。
冠脉造影CAG、计算机断层扫描CT等常规医用检测手段虽然可以显示心脏冠脉血管狭窄的严重程度，但是并不能准确评价冠脉的缺血情况。为提高冠脉血管功能评价的准确性，1993年Pijls提出了通过压力测定推算冠脉血管功能的新指标——血流储备分数(Fractional Flow Reserve，FFR)，经过长期的基础与临床研究，FFR已成为冠脉狭窄功能性评价的金标准。
FFR是冠状动脉血管评定参数的一种，微循环阻力指数IMR等属于冠状动脉血管评定参数。
现有技术虽然能通过不同方法获取狭窄病变区间，但均是通过定义狭窄位置，从狭窄位置向两端扩展，扩展到预设参数为止，得到狭窄病变起始位置与结束位置，从而得到狭窄病变区间。而在实际情况中，固定的预设参数是无法应对血管的多样性，导致狭窄病变区间精读不足的问题。
发明内容
本发明提供了一种精确获取狭窄病变区间的方法及存储介质，以解决现有由于固定的预设参数是无法应对血管的多样性，导致狭窄病变区间精度不足的问题。
为实现上述目的，第一方面，本申请提供了一种精确获取狭窄病变区间的方法，包括：
根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的数学模型；
初步判断，获得第一狭窄病变区间；
从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间。
可选地是，上述的精确获取狭窄病变区间的方法，所述初步判断，获得第一狭窄病变区间的方法，包括：
拟合正常血管管径，获取拟合管径曲线；
根据所述数学模型获取真实管径曲线；
根据所述拟合管径曲线和真实管径曲线，获取第一狭窄病变区间。
可选地是，上述的精确获取狭窄病变区间的方法，所述拟合正常血管管径，获取拟合管径曲线的方法包括：
根据拟合代价函数，获取拟合管径，具体公式为
其中，i表示第i个管径的曲线采样点；n表示管径曲线采样数量的总和；xi表示第i个管径的曲线采样点的长度；yi表示在xi处的管径；
将每个所述拟合管径对应到坐标系中获得相应的管径点，将所述管径点依次平滑连接，获取所述拟合管径曲线。
可选地是，上述的精确获取狭窄病变区间的方法，所述根据所述拟合管径曲线和真实管径曲线，获取第一狭窄位置的方法包括：
获取所述血管的真实管径；
将所述真实管径对应到拟合管径曲线的坐标系中；
获取所述真实管径曲线，以及所述真实管径曲线与所述拟合管径曲线的交叉点；
如果交叉点前一点的所述真实管径大于所述拟合管径，则所述交叉点为所述狭窄区域的第一入口点，反之，所述交叉点为所述狭窄区域的第一出口点；
所述第一入口点和所述第一出口点之间的曲线为初步判定的狭窄位置，即所述第一狭窄病变区间。
可选地是，上述的精确获取狭窄病变区间的方法，所述从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间的方法包括；
计算狭窄度；
计算所述第一狭窄病变区间的血管中心线长度L；
根据所述狭窄度和血管中心线长度从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间。
可选地是，上述的精确获取狭窄病变区间的方法，所述计算狭窄度的方法包括：
其中，A表示血管的狭窄度，Dmin表示第一入口点与第一出口点之间的血管的最小管径，D入、D出分别表示第一入口点的血管管径和第一出口点的血管管径。
可选地是，上述的精确获取狭窄病变区间的方法，所述根据所述狭窄度和血管中心线长度从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间的方法包括：
如果A＜0.2，则判断为误判区域，采用本区域的拟合管径曲线替代所述误判区域内的真实管径曲线；
如果L＜5mm，则判断为误判区域，采用本区域的拟合管径曲线替代所述误判区域内的真实管径曲线；
去除误判区域后重新获得的狭窄区域，即为所述第二狭窄病变区间。
可选地是，上述的精确获取狭窄病变区间的方法，还包括：
取所述第一入口点前1～3cm，所述第一出口点后1～3cm之间的区域，根据所述拟合代价函数重新拟合管径区间曲线；
获取所述重新拟合管径区间曲线中管径最小的点为狭窄点；
在所述狭窄点两侧，所述拟合管径区间曲线与所述真实管径曲线交叉的两个点为第二入口点和第二出口点，所述第二入口点和所述第二出口点之间的区间为第三狭窄病变区间。
可选地是，上述的精确获取狭窄病变区间的方法，所述根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的数学模型的方法，包括：
根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的三维血管模型；
沿着具有狭窄病变区间的所述三维血管模型的圆周面进行N边型网格划分，形成单层网格模型，其中N≥6；
对所述单层网格模型进行表面分层化处理，形成双层网格模型，即血管数学模型。
可选地是，上述的精确获取狭窄病变区间的方法，所述沿着具有狭窄病变区间的所述三维血管模型的圆周面进行N边型网格划分，形成单层网格模型，其中N≥6的方法包括：
沿着所述具有狭窄病变区间的所述三维血管模型的圆周面，以三角形为最小单元进行网格划分；
按照顺序，每N个三角形组合转换成1个N边形，形成N边形初始网格；
删除所述N边形初始网格中每个N边形内部的连接线，形成单层N边形网格模型，其中N≥6。
可选地是，上述的精确获取狭窄病变区间的方法，所述沿着所述具有狭窄病变区间的所述三维血管模型的圆周面，以三角形为最小单元进行网格划分的方法包括：
将具有狭窄病变区间的所述三维血管模型分割成K段，
在每分段所述三维血管模型的圆周面上，以三角形为最小单元进行网格划分。
可选地是，上述的精确获取狭窄病变区间的方法，所述对所述单层网格模型进行表面分层化处理，形成双层网格模型，即血管数学模型的方法包括：
获取血管壁厚h；
根据所述血管壁厚h、血管起始直径D起、血管结束直径D末和血管中心线长度L进行三维建模，在所述单层网格模型内表面或者外表面形成圆台三维模型；
根据所述单层网格模型的获取方法，沿着所述圆台三维模型的圆周面进行N边型网格划分，形成另一单层网格模型；
两层所述单层网格模型与所述血管壁厚h，形成所述双层网格模型，即所述血管数学模型。
第二方面，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精确获取狭窄病变区间的方法。
本申请实施例提供的方案带来的有益效果至少包括：
本申请提供了提供一种精确获取狭窄病变区间的方法及存储介质，通过对血管壁重新拟合后的三维建模，对粗精度的血管狭窄进一步修正，保证狭窄病变区间精度。
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为本申请的精确获取狭窄病变区间的方法的一个实施例的流程图；
图2为本申请的S100的流程图；
图3为本申请的S120的流程图；
图4为本申请的S130的流程图；
图5为本申请的S200的流程图；
图6为本申请的S210的流程图；
图7为本申请的S230的流程图；
图8为本申请的S300的流程图；
图9为本申请的S330的流程图；
图10为本申请的精确获取狭窄病变区间的方法的另一实施例的流程图。
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。
实施例1：
如图1所示，本申请提供了一种精确获取狭窄病变区间的方法，包括：
S100，如图2所示，根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的数学模型，包括：
S110，根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的三维血管模型；
S120，如图3所示，沿着具有狭窄病变区间的三维血管模型的圆周面进行N边型网格划分，形成单层网格模型，其中N≥6，包括：
S121，沿着具有狭窄病变区间的三维血管模型的圆周面，以三角形为最小单元进行网格划分，包括：将具有狭窄病变区间的三维血管模型分割成K段，在每分段三维血管模型的圆周面上，以三角形为最小单元进行网格划分。
S122，按照顺序，每N个三角形组合转换成1个N边形，形成N边形初始网格；
S123，删除N边形初始网格中每个N边形内部的连接线，形成单层N边形网格模型，其中N≥6。
S130，如图4所示，对单层网格模型进行表面分层化处理，形成双层网格模型，即血管数学模型，包括：
S131，获取血管壁厚h；
S132，根据血管壁厚h、血管起始直径D起、血管结束直径D末和血管中心线长度L进行三维建模，在单层网格模型内表面或者外表面形成圆台三维模型；
S133，根据单层网格模型的获取方法，沿着圆台三维模型的圆周面进行N边型网格划分，形成另一单层网格模型；
S134，两层单层网格模型与血管壁厚h，形成双层网格模型，即血管数学模型。
S200，如图5所示，初步判断，获得第一狭窄病变区间，包括：
S210，如图6所示，拟合正常血管管径，获取拟合管径曲线，包括：
S211，根据拟合代价函数，获取拟合管径，具体公式为
其中，i表示第i个管径的曲线采样点；n表示管径曲线采样数量的总和；xi表示第i个管径的曲线采样点的长度；yi表示在xi处的管径；
S212，将每个拟合管径对应到坐标系中获得相应的管径点，将管径点依次平滑连接，获取拟合管径曲线。
S220，根据数学模型获取真实管径曲线；
S230，如图7所示，根据拟合管径曲线和真实管径曲线，获取第一狭窄病变区间，包括：
S231，获取血管的真实管径；
S232，将真实管径对应到拟合管径曲线的坐标系中；
S233，获取真实管径曲线，以及真实管径曲线与拟合管径曲线的交叉点；
S234，如果交叉点前一点的真实管径大于拟合管径，则交叉点为狭窄区域的第一入口点，反之，交叉点为狭窄区域的第一出口点；
S235，第一入口点和第一出口点之间的曲线为初步判定的狭窄位置，即第一狭窄病变区间。
S300，如图8所示，从第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间，包括：
S310，计算狭窄度，具体公式为：
其中，A表示血管的狭窄度，Dmin表示第一入口点与第一出口点之间的血管的最小管径，D入、D出分别表示第一入口点的血管管径和第一出口点的血管管径。
S320，计算第一狭窄病变区间的血管中心线长度L；
S330，如图9所示，根据狭窄度和血管中心线长度从第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间，包括：
S331，如果A＜0.2，则判断为误判区域，采用本区域的拟合管径曲线替代误判区域内的真实管径曲线；
S332，如果L＜5mm，则判断为误判区域，采用本区域的拟合管径曲线替代误判区域内的真实管径曲线；
S333，去除误判区域后重新获得的狭窄区域，即为第二狭窄病变区间。
实施例2：
如图10所示，在实施例1的基础上，本申请提供的一种精确获取狭窄病变区间的方法，还包括：
S400，取第一入口点前1～3cm，第一出口点后1～3cm之间的区域，根据拟合代价函数重新拟合管径区间曲线；
S500，获取重新拟合管径区间曲线中管径最小的点为狭窄点；
S600，在狭窄点两侧，拟合管径区间曲线与真实管径曲线交叉的两个点为第二入口点和第二出口点，第二入口点和第二出口点之间的区间为第三狭窄病变区间。
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精确获取狭窄病变区间的方法。
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 (13)
1.一种精确获取狭窄病变区间的方法，其特征在于，包括：
根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的数学模型；
初步判断，获得第一狭窄病变区间；
从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间。
2.根据权利要求1所述的精确获取狭窄病变区间的方法，其特征在于，所述初步判断，获得第一狭窄病变区间的方法，包括：
拟合正常血管管径，获取拟合管径曲线；
根据所述数学模型获取真实管径曲线；
根据所述拟合管径曲线和真实管径曲线，获取第一狭窄病变区间。
3.根据权利要求2所述的精确获取狭窄病变区间的方法，其特征在于，所述拟合正常血管管径，获取拟合管径曲线的方法包括：
根据拟合代价函数，获取拟合管径，具体公式为
其中，i表示第i个管径的曲线采样点；n表示管径曲线采样数量的总和；xi表示第i个管径的曲线采样点的长度；yi表示在xi处的管径；
将每个所述拟合管径对应到坐标系中获得相应的管径点，将所述管径点依次平滑连接，获取所述拟合管径曲线。
4.根据权利要求3所述的精确获取狭窄病变区间的方法，其特征在于，所述根据所述拟合管径曲线和真实管径曲线，获取第一狭窄位置的方法包括：
获取所述血管的真实管径；
将所述真实管径对应到拟合管径曲线的坐标系中；
获取所述真实管径曲线，以及所述真实管径曲线与所述拟合管径曲线的交叉点；
如果交叉点前一点的所述真实管径大于所述拟合管径，则所述交叉点为所述狭窄区域的第一入口点，反之，所述交叉点为所述狭窄区域的第一出口点；
所述第一入口点和所述第一出口点之间的曲线为初步判定的狭窄位置，即所述第一狭窄病变区间。
5.根据权利要求4所述的精确获取狭窄病变区间的方法，其特征在于，所述从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间的方法包括；
计算狭窄度；
计算所述第一狭窄病变区间的血管中心线长度L；
根据所述狭窄度和血管中心线长度从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间。
6.根据权利要求5所述的精确获取狭窄病变区间的方法，其特征在于，所述计算狭窄度的方法包括：
其中，A表示血管的狭窄度，Dmin表示第一入口点与第一出口点之间的血管的最小管径，D入、D出分别表示第一入口点的血管管径和第一出口点的血管管径。
7.根据权利要求6所述的精确获取狭窄病变区间的方法，其特征在于，所述根据所述狭窄度和血管中心线长度从所述第一狭窄病变区间去除误判的狭窄区域，获得第二狭窄病变区间的方法包括：
如果A＜0.2，则判断为误判区域，采用本区域的拟合管径曲线替代所述误判区域内的真实管径曲线；
如果L＜5mm，则判断为误判区域，采用本区域的拟合管径曲线替代所述误判区域内的真实管径曲线；
去除误判区域后重新获得的狭窄区域，即为所述第二狭窄病变区间。
8.根据权利要求4所述的精确获取狭窄病变区间的方法，其特征在于，还包括：
取所述第一入口点前1～3cm，所述第一出口点后1～3cm之间的区域，根据所述拟合代价函数重新拟合管径区间曲线；
获取所述重新拟合管径区间曲线中管径最小的点为狭窄点；
在所述狭窄点两侧，所述拟合管径区间曲线与所述真实管径曲线交叉的两个点为第二入口点和第二出口点，所述第二入口点和所述第二出口点之间的区间为第三狭窄病变区间。
9.根据权利要求1所述的精确获取狭窄病变区间的方法，其特征在于，所述根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的数学模型的方法，包括：
根据血管实时直径Dt、血管中心线长度L和狭窄区间进行三维建模，形成具有狭窄病变区间的三维血管模型；
沿着具有狭窄病变区间的所述三维血管模型的圆周面进行N边型网格划分，形成单层网格模型，其中N≥6；
对所述单层网格模型进行表面分层化处理，形成双层网格模型，即血管数学模型。
10.根据权利要求9所述的精确获取狭窄病变区间的方法，其特征在于，所述沿着具有狭窄病变区间的所述三维血管模型的圆周面进行N边型网格划分，形成单层网格模型，其中N≥6的方法包括：
沿着所述具有狭窄病变区间的所述三维血管模型的圆周面，以三角形为最小单元进行网格划分；
按照顺序，每N个三角形组合转换成1个N边形，形成N边形初始网格；
删除所述N边形初始网格中每个N边形内部的连接线，形成单层N边形网格模型，其中N≥6。
11.根据权利要求10所述的精确获取狭窄病变区间的方法，其特征在于，所述沿着所述具有狭窄病变区间的所述三维血管模型的圆周面，以三角形为最小单元进行网格划分的方法包括：
将具有狭窄病变区间的所述三维血管模型分割成K段，
在每分段所述三维血管模型的圆周面上，以三角形为最小单元进行网格划分。
12.根据权利要求11所述的精确获取狭窄病变区间的方法，其特征在于，所述对所述单层网格模型进行表面分层化处理，形成双层网格模型，即血管数学模型的方法包括：
获取血管壁厚h；
根据所述血管壁厚h、血管起始直径D起、血管结束直径D末和血管中心线长度L进行三维建模，在所述单层网格模型内表面或者外表面形成圆台三维模型；
根据所述单层网格模型的获取方法，沿着所述圆台三维模型的圆周面进行N边型网格划分，形成另一单层网格模型；
两层所述单层网格模型与所述血管壁厚h，形成所述双层网格模型，即所述血管数学模型。
13.一种计算机存储介质，其特征在于，计算机程序被处理器执行时实现权利要求1～12任一项所述的精确获取狭窄病变区间的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011342207.9A CN112419280B (zh) | 2020-11-25 | 精确获取狭窄病变区间的方法及存储介质 | |
| PCT/CN2020/131703 WO2022109907A1 (zh) | 2020-11-25 | 2020-11-26 | 精确获取狭窄病变区间的方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011342207.9A CN112419280B (zh) | 2020-11-25 | 精确获取狭窄病变区间的方法及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419280A true CN112419280A (zh) | 2021-02-26 |
| CN112419280B CN112419280B (zh) | 2024-05-31 |
Family
ID=
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150087956A1 (en) * | 2012-09-25 | 2015-03-26 | Toshiba Medical Systems Corporation | X-ray diagnostic apparatus and medical image processing apparatus |
| CN109872321A (zh) * | 2019-02-26 | 2019-06-11 | 数坤（北京）网络科技有限公司 | 一种血管狭窄检测方法及设备 |
| CN110584639A (zh) * | 2019-09-04 | 2019-12-20 | 北京工业大学 | 一种对cta冠状动脉图像进行数据处理预测ffr的方法 |
| CN110889896A (zh) * | 2019-11-11 | 2020-03-17 | 苏州润迈德医疗科技有限公司 | 获取血管狭窄病变区间及三维合成方法、装置和系统 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150087956A1 (en) * | 2012-09-25 | 2015-03-26 | Toshiba Medical Systems Corporation | X-ray diagnostic apparatus and medical image processing apparatus |
| CN109872321A (zh) * | 2019-02-26 | 2019-06-11 | 数坤（北京）网络科技有限公司 | 一种血管狭窄检测方法及设备 |
| CN110584639A (zh) * | 2019-09-04 | 2019-12-20 | 北京工业大学 | 一种对cta冠状动脉图像进行数据处理预测ffr的方法 |
| CN110889896A (zh) * | 2019-11-11 | 2020-03-17 | 苏州润迈德医疗科技有限公司 | 获取血管狭窄病变区间及三维合成方法、装置和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022109907A1 (zh) | 2022-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210272030A1 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| US20240099591A1 (en) | Lumen Morphology And Vascular Resistance Measurements Data Collection Systems Apparatus And Methods | |
| JP6283399B2 (ja) | ステントの配置を計画するためのユーザインターフェースベースの医療システムの作動方法、及びステントの配置を計画する装置 | |
| CN112132949B (zh) | 具有狭窄病变区间的血管三维建模方法、装置和系统 | |
| US20220277447A1 (en) | Method and apparatus for acquiring contour line of blood vessel according to centerline of blood vessel | |
| CN112164020A (zh) | 精确提取血管中心线的方法、装置、分析系统和存储介质 | |
| 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 | |
| CN110786842B (zh) | 测量舒张期血流速度的方法、装置、系统及存储介质 | |
| US20220319116A1 (en) | Method and device for synthesizing mathematical model of blood vessel having stenotic lesion | |
| CN116090364A (zh) | 基于cta影像的获取冠脉血流储备分数的方法和可读存储介质 | |
| CN113902690A (zh) | 基于血管腔内影像计算血流储备分数的方法、装置、计算设备以及存储介质 | |
| CN112419462A (zh) | 三维血管的渲染合成方法、系统及存储介质 | |
| CN112494020A (zh) | 获取感兴趣的主动脉压力曲线的方法及存储介质 | |
| US10354349B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| WO2022109907A1 (zh) | 精确获取狭窄病变区间的方法及存储介质 | |
| CN112472112B (zh) | 调节血管狭窄区间的方法、系统及存储介质 | |
| CN112419280B (zh) | 精确获取狭窄病变区间的方法及存储介质 | |
| CN112116711B (zh) | 用于流体力学分析的圆台血管数学模型的合成方法和装置 | |
| CN112487342A (zh) | 精确获取狭窄病变区间的方法、系统及存储介质 | |
| 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 | |
| WO2015153332A1 (en) | Systems and methods for using geometry sensitivity information for guiding workflow |
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 |