CN112508954A - 一种管状结构狭窄度的计算方法、计算装置和电子设备 - Google Patents

一种管状结构狭窄度的计算方法、计算装置和电子设备 Download PDF

Info

Publication number
CN112508954A
CN112508954A CN202110167477.9A CN202110167477A CN112508954A CN 112508954 A CN112508954 A CN 112508954A CN 202110167477 A CN202110167477 A CN 202110167477A CN 112508954 A CN112508954 A CN 112508954A
Authority
CN
China
Prior art keywords
image
tubular structure
vector
calculating
stenosis
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
Application number
CN202110167477.9A
Other languages
English (en)
Other versions
CN112508954B (zh
Inventor
张玲玲
滕忠照
沈金花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Jingsan Medical Technology Co ltd
Original Assignee
Nanjing Jingsan Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Jingsan Medical Technology Co ltd filed Critical Nanjing Jingsan Medical Technology Co ltd
Priority to CN202110167477.9A priority Critical patent/CN112508954B/zh
Publication of CN112508954A publication Critical patent/CN112508954A/zh
Application granted granted Critical
Publication of CN112508954B publication Critical patent/CN112508954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Geometry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提出了一种管状结构狭窄度的计算方法、计算装置和电子设备，所述方法包括如下步骤：获取目标部位的原始扫描图像；对所述原始扫描图像进行分割，获取管状结构的掩模图像；根据所述掩模图像，采用骨架方法获取管状结构的中心线路径；根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像；在所述拉直图像上计算管状结构的狭窄度。本发明能够克服医生目测的主观性以及手动测量所带来的人为误差，对临床诊断有重大的辅助意义。

Description

一种管状结构狭窄度的计算方法、计算装置和电子设备
技术领域
本发明涉及医学技术领域，具体而言，涉及一种管状结构狭窄度的计算方法、计算装置和电子设备。
背景技术
心脑血管疾病是全球头号死因，每年死于心脑血管疾病的人数多于任何其他死因。其中，85%死于心脏病和中风。而脉粥样硬化是引起中风和心肌梗死最主要的原因，约占到30%。目前，在临床上，狭窄度是一项最主要的评价指标。通常以70%作为分界线：狭窄度高于该数值的，手术治疗有助于降低病人中风的风险；而低于该数值而高于50%的，临床试验结果显示手术的益处不大；狭窄度在50%以下的，手术无益处。由此可见，准确地评估狭窄度具有很重要的临床意义。
目前，狭窄度的计算方式在多数情况下以医生目测或者手动测量为主，而狭窄度计算的“金标准”DSA是有创的，会对病人造成一定伤害，在多数情况不建议使用。
发明内容
鉴于上述问题，本发明提供了一种管状结构狭窄度的计算方法、计算装置和电子设备，能够克服医生目测的主观性以及手动测量所带来的人为误差，对临床诊断有重大的辅助意义。
为解决上述技术问题，本发明采用的技术方案是：
第一方面，本发明提供了一种管状结构狭窄度的计算方法，包括如下步骤：获取目标部位的原始扫描图像；对所述原始扫描图像进行分割，获取管状结构的掩模图像；根据所述掩模图像，采用骨架方法获取管状结构的中心线路径；根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像；在所述拉直图像上计算管状结构的狭窄度。
作为优选方案，根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像，包括：计算所述中心线路径上的每个中心点的局部坐标系；根据每个中心点的局部坐标系和原始输入的掩模图像，定义重采样线；将与所述重采样线接触的三维体素纳入到拉直图像中。
作为优选方案，所述每个中心点的局部坐标系为
Figure DEST_PATH_IMAGE001
，
Figure 83704DEST_PATH_IMAGE001
的计算过程包括：
步骤1，确定
Figure 292968DEST_PATH_IMAGE002
，假设
Figure DEST_PATH_IMAGE003
，
Figure 101393DEST_PATH_IMAGE004
选取和
Figure DEST_PATH_IMAGE005
垂直的任意单位向 量，设为
Figure 689500DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
由
Figure 410332DEST_PATH_IMAGE008
和
Figure DEST_PATH_IMAGE009
确定:
Figure 841313DEST_PATH_IMAGE010
步骤2，依次确定
Figure DEST_PATH_IMAGE011
，当前处理的中心点为
Figure 187850DEST_PATH_IMAGE012
，则：
Figure DEST_PATH_IMAGE013
其中，
Figure 20676DEST_PATH_IMAGE014
为切向量，
Figure DEST_PATH_IMAGE015
为法向量，
Figure 115671DEST_PATH_IMAGE016
为
Figure 299528DEST_PATH_IMAGE014
和
Figure 403750DEST_PATH_IMAGE015
叉乘的结果，
Figure 91083DEST_PATH_IMAGE012
为当前处理的中心点，
Figure DEST_PATH_IMAGE017
表示单位化操作，
Figure 622559DEST_PATH_IMAGE018
代表叉积操作。
作为优选方案，所述定义重采样线的公式为:
Figure DEST_PATH_IMAGE019
其中，
Figure 513286DEST_PATH_IMAGE020
为当前角度，
Figure DEST_PATH_IMAGE021
为每个中心点的局部坐标系，
Figure 483516DEST_PATH_IMAGE014
为切向量，
Figure 228618DEST_PATH_IMAGE015
为法向量，
Figure 993312DEST_PATH_IMAGE016
为
Figure 823864DEST_PATH_IMAGE014
和
Figure 332206DEST_PATH_IMAGE015
叉乘的结果。
作为优选方案，在所述拉直图像上计算管状结构的狭窄度，包括：遍历所述拉直图像上的非全零的每一行，找到最左边和最右边的像素坐标；记录所有非全零行的管状结构直径，并将最小的管状结构直径作为最狭窄处；除去最狭窄处附近的区域后，进行线性插值获得最狭窄处的正常直径；重复上述步骤，遍历所有的角度得到每个不同角度下的狭窄度，取所有狭窄度集合中最小的狭窄度作为最终的计算结果。
作为优选方案，所述线性插值的方法采用最小二乘法。
第二方面，本发明提供了一种管状结构狭窄度的计算装置，包括：原始图像获取模块，用于获取目标部位的原始扫描图像；掩模图像获取模块，用于对所述原始扫描图像进行分割，获取管状结构的掩模图像；中心线路径获取模块，用于根据所述掩模图像，采用骨架方法获取管状结构的中心线路径；拉直图像获取模块，用于根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像；狭窄度计算模块，用于在所述拉直图像上计算管状结构的狭窄度。
作为优选方案，所述拉直图像获取模块包括：坐标系计算单元，用于计算所述中心线路径上的每个中心点的局部坐标系；重采样线定义单元，用于根据每个中心点的局部坐标系和原始输入的掩模图像，定义重采样线；拉直图像生成单元，用于将与所述重采样线接触的三维体素纳入到拉直图像中。
作为优选方案，所述狭窄度计算模块包括：坐标获取单元，用于遍历所述拉直图像上的非全零的每一行，找到最左边和最右边的像素坐标；直径记录单元，用于记录所有非全零行的管状结构直径，并将最小的管状结构直径作为最狭窄处；直经处理单元，用于除去最狭窄处附近的区域后，进行线性插值获得最狭窄处的正常直径；重复单元，用于重复上述步骤，遍历所有的角度得到每个不同角度下的狭窄度，取所有狭窄度集合中最小的狭窄度作为最终的计算结果。
第三方面，本发明提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
与现有技术相比，本发明的有益效果包括：通过对获取到的原始扫描图像进行分割，获得掩模图像，再根据掩模图像获取中心线路径，结合中心线路径和掩模图像，获得拉直图像，最后在拉直图像上计算管状结构的狭窄度。该方法可以沿着管状结构的走向将管状结构及周边组织展示在一张二维图像上，能够更加直观的看到狭窄位置，而且通过旋转能够得到不同角度下的拉直图像，便于定位斑块的位置。本发明能够克服医生目测的主观性以及手动测量所带来的人为误差，对临床诊断有重大的辅助意义。
附图说明
参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
图1为本发明实施例管状结构狭窄度的计算方法的流程示意图；
图2为本发明实施例获取拉直图像的流程示意图；
图3为本发明实施例在拉直图像上计算管状结构的狭窄度的流程示意图；
图4为本发明实施例管状结构的拉直图像；
图5为本发明实施例管状结构狭窄度的计算装置的结构示意图；
图6为本发明实施例拉直图像获取模块的结构示意图；
图7为本发明实施例狭窄度计算模块的结构示意图；
图8为本发明实施例电子设备的结构示意图。
具体实施方式
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
根据本发明的一实施方式结合图1示出。一种管状结构狭窄度的计算方法，包括如下步骤：
S101，获取目标部位的原始扫描图像。具体的，目标部位指的是研究部位，比如头、颈、心脏、肺、肝等，可以通过核磁、CT、OCT等方式获取病人目标部位的原始扫描图像。定义原始扫描图像为
Figure 197394DEST_PATH_IMAGE022
其中，origImg指的是原始扫描图像序列对应的3维矩阵，i、j、k是指各个维度上的索引下标,M、N、D指的是各个维度上的大小。
S102，对所述原始扫描图像进行分割，获取管状结构的掩模图像。
上述掩模图像可以采用自动分割或者手动逐层勾画得到，其中，自动分割可以采用阈值分割、区域增长、水平集等方式，也可以采用机器学习方法比如U-net等；手动逐层勾画则可以用标注软件，比如ITK-Snap、3D slicer进行逐层标注。定义掩模图像为：
Figure DEST_PATH_IMAGE023
该掩模图像中 像素值为1的地方代表待计算的管状结构。
S103，根据所述掩模图像，采用骨架方法获取管状结构的中心线路径。
具体的，骨架方法是基于图形学的一种方法，主要是将分割得到的掩模图像mask处理成单像素连通的，即每个切片中的任意像素在x和y方向的连通像素不超过2。
定义中心线路径为：
Figure 140115DEST_PATH_IMAGE024
该路径由一系列经过管状结构中心的 坐标点组成。
S104，根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像。重建拉直图像可以沿着管状结构的走向将管状结构及周边组织展示在一张二维图像上，能够更加直观的看到狭窄位置，而且通过旋转能够得到不同角度下的拉直图像，便于定位斑块的位置。
参见图2，某个角度
Figure 457964DEST_PATH_IMAGE020
下拉直图像的计算过程可以分为以下几个步骤：
S1041，计算上述中心线路径上的每个中心点的局部坐标系。
定义每个中心点
Figure 504417DEST_PATH_IMAGE012
的局部坐标系为
Figure DEST_PATH_IMAGE025
，该局部坐标系由三 个相互正交的单位向量
Figure 20849DEST_PATH_IMAGE026
、
Figure DEST_PATH_IMAGE027
和
Figure 861766DEST_PATH_IMAGE028
以及当前经过的中心点
Figure 666911DEST_PATH_IMAGE012
所确定。不妨假设
Figure DEST_PATH_IMAGE029
为切向 量，
Figure 267788DEST_PATH_IMAGE030
为法向量，
Figure DEST_PATH_IMAGE031
为
Figure 638726DEST_PATH_IMAGE029
和
Figure 119386DEST_PATH_IMAGE030
叉乘的结果。具体计算方式如下：
（1）确定
Figure 146248DEST_PATH_IMAGE032
，不妨假设
Figure DEST_PATH_IMAGE033
（用局部割线近似切线），
Figure 534504DEST_PATH_IMAGE004
选取 和
Figure 228790DEST_PATH_IMAGE005
垂直的任意单位向量，可以设为
Figure 677089DEST_PATH_IMAGE034
，
Figure 456827DEST_PATH_IMAGE007
由
Figure 898041DEST_PATH_IMAGE008
和
Figure 181255DEST_PATH_IMAGE009
确定，则
Figure DEST_PATH_IMAGE035
其中，
Figure 66034DEST_PATH_IMAGE017
表示单位化操作，
Figure 67488DEST_PATH_IMAGE018
代表叉积操作。那么
Figure 63126DEST_PATH_IMAGE036
。
（2）依次确定
Figure DEST_PATH_IMAGE037
，当前处理的中心点为
Figure 997584DEST_PATH_IMAGE012
，那么：
Figure 990948DEST_PATH_IMAGE038
S1042，根据每个中心点的局部坐标系和原始输入的掩模图像，定义重采样线。
假设输出的二维拉直图像
Figure DEST_PATH_IMAGE039
的大小为
Figure 27168DEST_PATH_IMAGE040
，分辨 率为
Figure DEST_PATH_IMAGE041
，当前角度为
Figure 560918DEST_PATH_IMAGE020
。
其中
Figure 818724DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE043
表示中心线坐标点集合的大小。
定义重采样线:
Figure 45306DEST_PATH_IMAGE044
S1043，将与上述重采样线接触的三维体素纳入到拉直图像中。
需要说明的是，医学扫描图像序列一般是三维的，在计算机中用三维矩阵进行表示，三维体素指的是某个图像坐标（i,j,k）处的像素值。
二维拉直图像
Figure DEST_PATH_IMAGE045
坐标为
Figure 552510DEST_PATH_IMAGE046
位置处的像素值
Figure DEST_PATH_IMAGE047
可由下式确定：
Figure 827634DEST_PATH_IMAGE048
其中，
Figure DEST_PATH_IMAGE049
代表插值操作，可以采用最近邻、线性插值等。原始扫描图像 空间坐标
Figure 251531DEST_PATH_IMAGE050
按照如下方式进行计算：
Figure DEST_PATH_IMAGE051
其中，
Figure 383435DEST_PATH_IMAGE052
是掩模图像
Figure DEST_PATH_IMAGE053
的分辨率，即原始扫描图像的分辨率。
S105，在拉直图像上计算管状结构的狭窄度。
参见图3，计算狭窄度具体包括步骤S1051至 S1054。
S1051，遍历所述拉直图像上的非全零的每一行，找到最左边和最右边的像素坐 标。定义最左边和最右边的像素坐标分别为
Figure 643515DEST_PATH_IMAGE054
和
Figure DEST_PATH_IMAGE055
，一共m个 非零像素。该行像素的物理长度为
Figure 253488DEST_PATH_IMAGE056
，代表该行的管腔直径
Figure DEST_PATH_IMAGE057
。
S1052，记录所有非全零行的管状结构直径，并将最小的管状结构直径作为最狭窄 处。最小的管状结构直径记为
Figure 33356DEST_PATH_IMAGE058
，所有非全零行的管腔直径记为
Figure DEST_PATH_IMAGE059
。
S1053，除去最狭窄处附近的区域后，进行线性插值获得最狭窄处的正常直径。正 常直径记为
Figure 273845DEST_PATH_IMAGE060
。
具体的线性插值的方法可以采用最小二乘法。即：
已知样本集为
Figure DEST_PATH_IMAGE061
，最狭窄处发生的列坐标为
Figure 21221DEST_PATH_IMAGE062
，即
Figure DEST_PATH_IMAGE063
。假设最小二乘法计算的表达式为
Figure 231622DEST_PATH_IMAGE064
，那么插值出的正常管腔直径为:
Figure DEST_PATH_IMAGE065
那么根据直径法计算的狭窄度为:
Figure 190963DEST_PATH_IMAGE066
S1054，重复上述步骤，遍历所有的角度得到每个不同角度
Figure 415403DEST_PATH_IMAGE020
下的狭窄度，取所有 狭窄度集合
Figure DEST_PATH_IMAGE067
中最小的狭窄度作为最终的计算结果。
图4为本发明实施例管状结构的拉直图像。图中拉直的管状结构为冠脉dLAD段，标注的横线为最狭窄位置。
参见图5，本发明公开了一种管状结构狭窄度的计算装置，包括：
原始图像获取模块101，用于获取目标部位的原始扫描图像。
掩模图像获取模块102，用于对原始扫描图像进行分割，获取管状结构的掩模图像。
中心线路径获取模块103，用于根据掩模图像，采用骨架方法获取管状结构的中心线路径。
拉直图像获取模块104，用于根据掩模图像和中心线路径对管状结构进行拉直，获取拉直图像。
狭窄度计算模块105，用于在拉直图像上计算管状结构的狭窄度。
参见图6，上述拉直图像获取模块104包括：
坐标系计算单元1041，用于计算中心线路径上的每个中心点的局部坐标系；
重采样线定义单元1042，用于根据每个中心点的局部坐标系和原始输入的掩模图像，定义重采样线；
拉直图像生成单元1043，用于将与重采样线接触的三维体素纳入到拉直图像中。
参见图7，上述狭窄度计算模块105包括：
坐标获取单元1051，用于遍历拉直图像上的非全零的每一行，找到最左边和最右边的像素坐标；
直径记录单元1052，用于记录所有非全零行的管状结构直径，并将最小的管状结构直径作为最狭窄处；
直经处理单元1053，用于除去最狭窄处附近的区域后，进行线性插值获得最狭窄处的正常直径；
重复单元1054，用于重复上述步骤，遍历所有的角度得到每个不同角度下的狭窄度，取所有狭窄度集合中最小的狭窄度作为最终的计算结果。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
参见图8，本发明还公开了一种电子设备，该电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中上述任一项方法的步骤，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240，例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。

Claims (10)

1.一种管状结构狭窄度的计算方法，其特征在于，包括如下步骤：
获取目标部位的原始扫描图像；
对所述原始扫描图像进行分割，获取管状结构的掩模图像；
根据所述掩模图像，采用骨架方法获取管状结构的中心线路径；
根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像；
在所述拉直图像上计算管状结构的狭窄度。
2.根据权利要求1所述的管状结构狭窄度的计算方法，其特征在于，根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像，包括：
计算所述中心线路径上的每个中心点的局部坐标系；
根据每个中心点的局部坐标系和原始输入的掩模图像，定义重采样线；
将与所述重采样线接触的三维体素纳入到拉直图像中。
3.根据权利要求2所述的管状结构狭窄度的计算方法，其特征在于，所述每个中心点的局部坐标系为
Figure DEST_PATH_IMAGE002
，
Figure 449185DEST_PATH_IMAGE002
的计算过程包括：
步骤1，确定
Figure DEST_PATH_IMAGE004
，假设
Figure DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE008
选取和
Figure DEST_PATH_IMAGE010
垂直的任意单位向量，设为
Figure DEST_PATH_IMAGE012
，
Figure DEST_PATH_IMAGE014
由
Figure 976112DEST_PATH_IMAGE010
和
Figure 21428DEST_PATH_IMAGE008
确定:
Figure DEST_PATH_IMAGE016
步骤2，依次确定
Figure DEST_PATH_IMAGE018
，当前处理的中心点为
Figure DEST_PATH_IMAGE020
，则：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE024
为切向量，
Figure DEST_PATH_IMAGE026
为法向量，
Figure DEST_PATH_IMAGE028
为
Figure 23495DEST_PATH_IMAGE024
和
Figure 306709DEST_PATH_IMAGE026
叉乘的结果，
Figure DEST_PATH_IMAGE030
为当前处理的中心点，
Figure DEST_PATH_IMAGE032
表示单位化操作，
Figure DEST_PATH_IMAGE034
代表叉积操作。
4.根据权利要求2所述的管状结构狭窄度的计算方法，其特征在于，所述定义重采样线的公式为:
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE038
为当前角度，
Figure DEST_PATH_IMAGE040
为每个中心点的局部坐标系，
Figure 270117DEST_PATH_IMAGE024
为切向量，
Figure 599467DEST_PATH_IMAGE026
为法向量，
Figure 798367DEST_PATH_IMAGE028
为
Figure 327567DEST_PATH_IMAGE024
和
Figure 320931DEST_PATH_IMAGE026
叉乘的结果。
5.根据权利要求1所述的管状结构狭窄度的计算方法，其特征在于，在所述拉直图像上计算管状结构的狭窄度，包括：
遍历所述拉直图像上的非全零的每一行，找到最左边和最右边的像素坐标；
记录所有非全零行的管状结构直径，并将最小的管状结构直径作为最狭窄处；
除去最狭窄处附近的区域后，进行线性插值获得最狭窄处的正常直径；
重复上述步骤，遍历所有的角度得到每个不同角度
Figure 278522DEST_PATH_IMAGE038
下的狭窄度，取所有狭窄度集合中最小的狭窄度作为最终的计算结果。
6.根据权利要求5所述的管状结构狭窄度的计算方法，其特征在于，所述线性插值的方法采用最小二乘法。
7.一种管状结构狭窄度的计算装置，其特征在于，包括：
原始图像获取模块，用于获取目标部位的原始扫描图像；
掩模图像获取模块，用于对所述原始扫描图像进行分割，获取管状结构的掩模图像；
中心线路径获取模块，用于根据所述掩模图像，采用骨架方法获取管状结构的中心线路径；
拉直图像获取模块，用于根据所述掩模图像和中心线路径对管状结构进行拉直，获取拉直图像；
狭窄度计算模块，用于在所述拉直图像上计算管状结构的狭窄度。
8.根据权利要求7所述的管状结构狭窄度的计算装置，其特征在于，所述拉直图像获取模块包括：
坐标系计算单元，用于计算所述中心线路径上的每个中心点的局部坐标系；
重采样线定义单元，用于根据每个中心点的局部坐标系和原始输入的掩模图像，定义重采样线；
拉直图像生成单元，用于将与所述重采样线接触的三维体素纳入到拉直图像中。
9.根据权利要求7所述的管状结构狭窄度的计算装置，其特征在于，所述狭窄度计算模块包括：
坐标获取单元，用于遍历所述拉直图像上的非全零的每一行，找到最左边和最右边的像素坐标；
直径记录单元，用于记录所有非全零行的管状结构直径，并将最小的管状结构直径作为最狭窄处；
直经处理单元，用于除去最狭窄处附近的区域后，进行线性插值获得最狭窄处的正常直径；
重复单元，用于重复上述步骤，遍历所有的角度得到每个不同角度下的狭窄度，取所有狭窄度集合中最小的狭窄度作为最终的计算结果。
10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述方法的步骤。
CN202110167477.9A 2021-02-07 2021-02-07 一种管状结构狭窄度的计算方法、计算装置和电子设备 Active CN112508954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110167477.9A CN112508954B (zh) 2021-02-07 2021-02-07 一种管状结构狭窄度的计算方法、计算装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110167477.9A CN112508954B (zh) 2021-02-07 2021-02-07 一种管状结构狭窄度的计算方法、计算装置和电子设备

Publications (2)

Publication Number Publication Date
CN112508954A true CN112508954A (zh) 2021-03-16
CN112508954B CN112508954B (zh) 2021-05-14

Family

ID=74952747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110167477.9A Active CN112508954B (zh) 2021-02-07 2021-02-07 一种管状结构狭窄度的计算方法、计算装置和电子设备

Country Status (1)

Country Link
CN (1) CN112508954B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170134A (zh) * 2021-11-03 2022-03-11 杭州脉流科技有限公司 基于颅内dsa影像的狭窄评估方法及装置
CN114419137A (zh) * 2022-03-30 2022-04-29 中国科学院自动化研究所 用于对管状物进行拉直的方法、装置、设备及存储介质
CN114926700A (zh) * 2022-07-22 2022-08-19 浙江大学 冠状动脉类别确定方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2433566A2 (en) * 2010-09-27 2012-03-28 General Electric Company System and method for blood vessel stenosis visualization and quantification using spectral CT analysis
CN110349143A (zh) * 2019-07-08 2019-10-18 上海联影医疗科技有限公司 一种确定管状组织感兴趣区的方法、装置、设备及介质
CN112288731A (zh) * 2020-11-05 2021-01-29 杭州深睿博联科技有限公司 一种血管狭窄分析方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2433566A2 (en) * 2010-09-27 2012-03-28 General Electric Company System and method for blood vessel stenosis visualization and quantification using spectral CT analysis
CN110349143A (zh) * 2019-07-08 2019-10-18 上海联影医疗科技有限公司 一种确定管状组织感兴趣区的方法、装置、设备及介质
CN112288731A (zh) * 2020-11-05 2021-01-29 杭州深睿博联科技有限公司 一种血管狭窄分析方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘佳: "冠状动脉造影图像中血管中心线跟踪算法的研究", 《万方学位论文数据库》 *
刘砚菊等: "基于图像中物体骨架形状特征的目标匹配", 《沈阳理工大学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114170134A (zh) * 2021-11-03 2022-03-11 杭州脉流科技有限公司 基于颅内dsa影像的狭窄评估方法及装置
CN114170134B (zh) * 2021-11-03 2023-03-10 杭州脉流科技有限公司 基于颅内dsa影像的狭窄评估方法及装置
CN114419137A (zh) * 2022-03-30 2022-04-29 中国科学院自动化研究所 用于对管状物进行拉直的方法、装置、设备及存储介质
CN114419137B (zh) * 2022-03-30 2022-06-24 中国科学院自动化研究所 用于对管状物进行拉直的方法、装置、设备及存储介质
CN114926700A (zh) * 2022-07-22 2022-08-19 浙江大学 冠状动脉类别确定方法、装置、电子设备及存储介质
CN114926700B (zh) * 2022-07-22 2022-10-25 浙江大学 冠状动脉类别确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112508954B (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112508954B (zh) 一种管状结构狭窄度的计算方法、计算装置和电子设备
Çimen et al. Reconstruction of coronary arteries from X-ray angiography: A review
Saint-Felix et al. In vivo evaluation of a new system for 3D computerized angiography
JP6912168B2 (ja) ３ｄ＋時間再構成を改良する方法および装置
JP6396468B2 (ja) 機能性狭窄解析を向上させる局所ｆｆｒ推定及び視覚化
JP5584006B2 (ja) 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法
CN109389655B (zh) 时变数据的重建
JP2022517581A (ja) 冠動脈の動的ロードマップを提供するための方法およびシステム
US7684602B2 (en) Method and system for local visualization for tubular structures
US20080118117A1 (en) Virtual endoscopy
Wagner et al. 4D interventional device reconstruction from biplane fluoroscopy
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
JP2010528750A (ja) 管状構造の検査
CN112862833A (zh) 血管分段方法、电子装置和存储介质
US20240193764A1 (en) Systems and methods for reconstruction of 3d images from ultrasound and camera images
WO2012061452A1 (en) Automatic image-based calculation of a geometric feature
CN111166332B (zh) 一种基于磁共振波谱和磁共振影像的放疗靶区勾画方法
JP2008541982A (ja) コーンビームｃｔ用高速再構成アルゴリズム
Lotjonen et al. Reconstruction of 3-D geometry using 2-D profiles and a geometric prior model
CN112508880A (zh) 颅内血管图像配准方法、电子设备和计算机可读存储介质
CN112669449A (zh) 基于3d重建技术的cag和ivus精准联动分析方法及系统
EP4033964A1 (en) Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device
WO2006055031A2 (en) Method and system for local visualization for tubular structures
US20230095242A1 (en) Method and system for multi-modality joint analysis of vascular images
EP3828836B1 (en) Method and data processing system for providing a two-dimensional unfolded image of at least one tubular structure

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