CN112509020B - 血管外部影像与腔内影像的配准方法、装置及计算设备 - Google Patents
血管外部影像与腔内影像的配准方法、装置及计算设备 Download PDFInfo
- Publication number
- CN112509020B CN112509020B CN202011418428.XA CN202011418428A CN112509020B CN 112509020 B CN112509020 B CN 112509020B CN 202011418428 A CN202011418428 A CN 202011418428A CN 112509020 B CN112509020 B CN 112509020B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- image
- external
- contour
- point set
- 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 854
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000005070 sampling Methods 0.000 claims description 52
- 238000002608 intravascular ultrasound Methods 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000012014 optical coherence tomography Methods 0.000 description 31
- 239000013598 vector Substances 0.000 description 29
- 230000008569 process Effects 0.000 description 21
- 238000002586 coronary angiography Methods 0.000 description 13
- 239000000523 sample Substances 0.000 description 12
- 210000004351 coronary vessel Anatomy 0.000 description 11
- 238000002583 angiography Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000005373 Panax quinquefolius Species 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 241000392907 Prunus buergeriana Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002073 fluorescence micrograph Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000013045 mu dan Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography 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
- G06T7/30—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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Geometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Image Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种血管外部影像与腔内影像的配准方法,包括以下步骤:在血管腔内影像中获取感兴趣血管段的第一特征信息;在血管外部影像中获取参考血管的第二特征信息,参考血管为感兴趣血管段所在的整根血管;对第一特征信息和第二特征信息进行一级配准,获得第三特征信息,第三特征信息包括血管外部影像中的与感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息;对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。本方法可以实现外部影像与腔内影像的快速、精确配准。本发明还提供了一种血管外部影像与腔内影像的配准装置、计算设备及存储介质。
Description
技术领域
本发明涉及医疗领域,尤其涉及血管外部影像与腔内影像的配准方法、装置及计算设备。
背景技术
临床用于诊疗冠心病的主要影像手段有冠状动脉造影术等腔外成像技术以及光学相干断层成像(Optic Coherence Tomography,OCT)、血管内超声(IntravenousUltrasound,IVUS)等血管腔内影像。冠状动脉造影术能够反映冠状动脉的二维解剖形态,从而可以判断冠心病的具体位置和狭窄程度,但它难以清晰显示血管壁中的异常位置,无法提供斑块的形态和性质等信息。血管腔内影像能清晰显示血管的横截面,反映血管壁的组织结构和微细的几何解剖形态,但血管腔内影像不能很好地体现血管的拓扑结构信息。基于冠状动脉造影术与血管腔内影像功能上的互补性,将冠状动脉造影图像与腔内影像进行配准融合,不仅可以观察到冠脉血管的空间位置,而且还可以获得感兴趣血管段的内外膜及斑块量化数据,从而可以更好地辅助临床医生对冠心病进行临床评估。
目前,对冠状动脉造影图像与腔内影像的配准主要是通过对冠脉造影图像进行三维重建的方法实现的。如Rotger D、Radeva P以及Canero C等人于2001年发表在Computersin Cardiology上的题目为“Corresponding IVUS and angiogram image data”的论文中提出了利用双平面血管造影设备,采用在导管回撤路径的起止点拍摄两对造影图像的方法重建血管三维模型,然后根据导管回撤速度将IVUS与其融合得到冠状动脉三维模型。TuS、HolmNR以及Koning G等人于2011年发表于《International Journal of CardiovascularImaging》上的题目为“Fusion of 3D QCA and IVUS/OCT”的论文中提出了一种在两个不同体位的造影图中选出感兴趣的血管段进行三维重建,并在三维重建的基础上,基于距离匹配算法(主要涉及血管长度和曲率)将其与OCT/IVUS序列进行配准的方法。但上述方法均需要人工标记OCT/IVUS图像平面在冠脉造影图上的起止点,而手动查找血管造影和OCT/IVUS数据之间要求操作人员具有专业知识,且三维重建需要两个造影体位暴露血管异常位置,对造影体位要求较高,且算法总耗时较长。为克服前面两种方法重建对造影体位要求较高、耗时较长的问题,Wang P、Chen T、Ecabert O及PrummerS等人于2011年在Med ImageComput Assist Interv上发表了一篇“Image-based device tracking for the co-registration of angiography and intravascular ultrasound images”的论文,提出了一种通过在造影图像上自动检测和跟踪IVUS传感器尖端的方法连续识别IVUS图像在造影图像上的位置,并实现血管造影图像与IVUS图像的无约束配准。但该方法虽然解决了重建过程对造影体位要求较高、耗时较长的问题,但是却需要额外获取荧光影像,且IVUS传感器尖端的检测和跟踪的准确率也会对配准精度有较大的影响。
发明内容
本发明的目的在于提供一种血管外部影像与腔内影像的配准方法,以解决现有技术中无法兼顾配准的便捷性和准确性的问题。
为解决上述技术问题,本发明的实施方式公开了一种血管外部影像与腔内影像的配准方法,包括以下步骤:
第一获取步骤:在血管腔内影像中获取感兴趣血管段的第一特征信息,第一特征信息包括感兴趣血管段的内部轮廓信息和内部分支信息;
第二获取步骤:在血管外部影像中获取参考血管的第二特征信息,参考血管为感兴趣血管段所在的整根血管,第二特征信息包括参考血管的外部轮廓信息和外部分支信息;
一级配准步骤:对第一特征信息和第二特征信息进行一级配准,获得第三特征信息,第三特征信息包括血管外部影像中的与感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息;
二级配准步骤:对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
采用上述方案中的血管外部影像与腔内影像的配准方法,可以充分利用血管的直径和分支信息,通过多级配准的方法直接实现全自动的冠脉造影图像与腔内影像的配准。该方法只需对一帧冠脉造影图像进行检测分割,无需手工标记和三维重建,具有快速简便、准确性高、鲁棒性高等优点。
可选地,一级配准步骤包括:
在血管外部影像中,对参考血管的外部轮廓进行均匀采样,根据参考血管的外部轮廓信息获得参考血管轮廓特征点集,参考血管轮廓特征点集包括血管外部影像中获取的参考血管外部轮廓上各点的外血管直径和各点距离参考血管近端的外血管长度;
在血管腔内影像中,对感兴趣血管段的血管腔内影像进行均匀采样,根据感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集,感兴趣血管轮廓特征点集包括感兴趣血管段腔内影像中各帧图像对应的血管位置点处的内血管直径和内血管长度,其中,各血管位置点处的内血管长度为该点与起点之间的距离,起点为血管腔内影像中采集到的靠近感兴趣血管段近端的端点;
根据参考血管轮廓特征点集和感兴趣血管轮廓特征点集获得第三特征信息。
可选地,根据参考血管轮廓特征点集和感兴趣血管轮廓特征点集获得第三特征信息包括:
根据参考血管轮廓特征点集构建参考区域,根据感兴趣血管轮廓特征点集构建滑动窗口;
使滑动窗口在参考区域滑动,根据参考血管轮廓特征点集、感兴趣血管轮廓特征点集、参考血管的外部分支信息和感兴趣血管段的内部分支信息计算获得参考区域中的各区域与滑动窗口之间的匹配度;
比较各匹配度,获得第三特征信息。
可选地,参考血管的外部分支信息包括在血管外部影像中获取的参考血管的各分支血管的编号和各分支血管分叉点距离参考血管近端的外分支血管长度;感兴趣血管段的内部分支信息包括在血管腔内影像中获取的感兴趣血管段的各分支血管的编号和各分支血管距离起点的内分支血管长度。
可选地,参考区域中各区域与滑动窗口之间的匹配度的计算方法包括:
根据参考血管轮廓特征点集中的外血管直径和感兴趣血管轮廓特征点集中的内血管直径,计算直径匹配分数;
根据参考血管的外部分支信息和感兴趣血管段的内部分支信息,计算分支匹配分数;
根据直径匹配分数和分支匹配分数,构建匹配函数,利用匹配函数计算匹配度。
可选地,直径匹配分数为
其中,Sd代表直径匹配分数,N代表滑动窗口特征点总数;dsi代表滑动窗口中第i个特征点对应的内血管直径,dti代表参考区域中第i个特征点对应的外血管直径。
可选地,分支匹配分数为
其中,Sb代表分支匹配分数,M代表滑动窗口分支总数;disti代表滑动窗口中的第i个分支血管与参考区域中距该分支血管最近的分支血管之间的距离。
可选地,匹配函数为
其中,S代表匹配函数,Sd代表直径匹配分数,Sb代表分支匹配分数,β代表权重因子,0<β<1。
可选地,β的取值范围为0.3~0.7。
可选地,参考区域中与滑动窗口匹配度最大的区域所对应的血管段为目标血管段。
可选地,在血管外部影像中,对参考血管的外部轮廓进行均匀采样,根据参考血管的外部轮廓信息获得参考血管轮廓特征点集包括:
对血管外部影像中的参考血管的外部轮廓曲线进行均匀采样,将参考血管外部轮廓离散为各个点;
以每点距离参考血管近端的外血管长度为一维特征,以该点的外血管直径为二维特征,构建各点的外部轮廓特征点;
根据所有外部轮廓特征点,获得参考血管轮廓特征点集。
可选地,在血管腔内影像中,对感兴趣血管段的血管腔内影像进行均匀采样,根据感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集包括:
将血管腔内影像序列图像中的每一帧作为一个检测点,对血管腔内影像进行检测;
以各帧图像对应的血管位置点与起点之间的内血管长度为一维特征,以血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;
根据所有内部轮廓特征点,获得感兴趣血管轮廓特征点集。
可选地,在构建参考区域和滑动窗口之前,一级配准步骤还包括:
根据感兴趣血管轮廓特征点集中任相邻两点之间的距离,在血管外部影像中参考血管的外部轮廓进行均匀采样。
可选地,一级配准步骤还包括:
根据第三特征信息,确定血管外部影像中目标血管段外部轮廓曲线上各点对应的外血管直径和外血管长度,以及,确定目标血管段的外部分支信息;
以外血管长度为一维特征,以外血管直径为二维特征,构建目标血管段上各点对应的外部轮廓特征点;
根据所有外部轮廓特征点,获得目标血管轮廓特征点集。
可选地,目标配准结果为感兴趣血管轮廓特征点集与目标血管轮廓特征点集之间的目标配准关系。
可选地,二级配准步骤包括依次执行的以下步骤:
a)对感兴趣血管轮廓特征点集S和目标血管轮廓特征点集T分别进行归一化处理,得到归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’;
b)计算感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;
c)判断特征误差是否小于预设值,若是,则确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的目标血管轮廓特征点集T’计算目标配准关系;否则,执行下一步;
d)计算获得感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的配准变换关系,并利用配准变换关系获得感兴趣血管轮廓特征点集S’配准变换后的新感兴趣血管轮廓特征点集S";
e)将感兴趣血管轮廓特征点集S’更新为新感兴趣血管轮廓特征点集S",返回执行步骤b)。
可选地,在步骤c)之后,在步骤d)之前还包括:
当特征误差大于或者等于预设值时,判断迭代次数是否大于预设次数,若是,则确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的目标血管轮廓特征点集T’计算目标配准关系;否则,将迭代次数加一,并执行下一步。
可选地,在步骤b)之前还包括:设置迭代次数为零。
可选地,二级配准步骤为:利用迭代最近点算法或一致性点漂移算法或鲁棒性点匹配算法,对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
可选地,血管腔内影像为OCT影像或IVUS影像。
相应地,本发明还提供了一种血管外部影像与腔内影像的配准装置,包括:
第一获取模块,用于在血管腔内影像中获取感兴趣血管段的第一特征信息,第一特征信息包括感兴趣血管段的内部轮廓信息和内部分支信息;
第二获取模块,用于在血管外部影像中获取参考血管的第二特征信息,参考血管为感兴趣血管段所在的整根血管,第二特征信息包括参考血管的外部轮廓信息和外部分支信息;
一级配准模块,用于对第一特征信息和第二特征信息进行一级配准,获得第三特征信息,第三特征信息包括血管外部影像中的与感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息;
二级配准模块,用于对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
可选地,一级配准模块包括:
第一采样单元,用于在血管外部影像中,对参考血管的外部轮廓进行均匀采样,根据参考血管的外部轮廓信息获得参考血管轮廓特征点集,参考血管轮廓特征点集包括血管外部影像中获取的参考血管外部轮廓上各点对应的外血管直径和外血管长度;
第二采样单元,用于在血管腔内影像中,对感兴趣血管段的血管腔内影像进行采样,根据感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集;感兴趣血管轮廓特征点集包括感兴趣血管段腔内影像中各帧图像对应的血管位置点处的内血管直径和内血管长度,其中,各血管位置点处的内血管长度为该点与起点之间的距离,起点为血管腔内影像中采集到的靠近参考血管近端的端点;
获取单元,用于根据参考血管轮廓特征点集和感兴趣血管轮廓特征点集获得第三特征信息。
可选地,获取单元包括:
窗口构建单元,用于根据参考血管轮廓特征点集构建参考区域,根据感兴趣血管轮廓特征点集构建滑动窗口;
匹配度计算单元,用于使滑动窗口在参考区域滑动,根据参考血管轮廓特征点集、感兴趣血管轮廓特征点集、参考血管的外部分支信息和感兴趣血管段的内部分支信息计算获得参考区域中的各区域与滑动窗口之间的匹配度;
比较单元,用于比较各匹配度,获得第三特征信息。
可选地,参考血管的外部分支信息包括在血管外部影像中获取的参考血管的各分支血管的编号和各分支血管分叉点距离参考血管近端的外血管长度;感兴趣血管段的内部分支信息包括在血管腔内影像中获取的感兴趣血管段的各分支血管的编号和各分支血管距离起点的内血管长度。
可选地,匹配度计算单元对于参考区域中各区域与滑动窗口之间的匹配度的计算方法包括:
根据参考血管轮廓特征点集中的外血管直径和感兴趣血管轮廓特征点集中的内血管直径,计算直径匹配分数;
根据参考血管的外部分支信息和感兴趣血管段的内部分支信息,计算分支匹配分数;
根据直径匹配分数和分支匹配分数,构建匹配函数,利用匹配函数计算匹配度。
可选地,直径匹配分数为
其中,Sd代表直径匹配分数,N代表滑动窗口特征点总数,dsi代表滑动窗口中第i个特征点对应的内血管直径,dti代表参考区域中第i个特征点对应的外血管直径。
可选地,分支匹配分数为
其中,Sb代表分支匹配分数,M代表滑动窗口分支总数,disti代表滑动窗口中的第i个分支血管与参考区域中距该分支血管最近的分支血管之间的距离。
可选地,匹配函数为
其中,S代表匹配函数,Sd代表直径匹配分数,Sb代表分支匹配分数,β代表权重因子,0<β<1。
可选地,β的取值范围为0.3~0.7。
可选地,参考区域中与滑动窗口匹配度最大的区域所对应的血管段为目标血管段。
可选地,第一采样单元包括:
第一离散子单元,用于对血管外部影像中的参考血管的外部轮廓曲线进行均匀采样,将参考血管外部轮廓离散为各个点;
第一构建子单元,用于以每点距离参考血管近端的外血管长度为一维特征,以该点外血管直径为二维特征,构建各点的外部轮廓特征点;以及,根据所有外部轮廓特征点,获得参考血管轮廓特征点集。
可选地,第二采样单元包括:
第二分帧子单元,用于将血管腔内影像序列图像中的每一帧作为一个检测点,对血管腔内影像进行检测;
第二构建子单元,用于以各帧图像对应的血管位置点与起点之间的内血管长度为一维特征,以血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;以及,根据所有内部轮廓特征点,获得感兴趣血管轮廓特征点集。
可选地,一级配准模块还包括:
距离计算单元,用于在窗口构建单元构建参考区域和滑动窗口之前,计算感兴趣血管轮廓特征点集中相邻两点之间的距离;
第一采样单元还用于在血管外部影像中,根据距离重新对参考血管的外部轮廓进行均匀采样。
可选地,第一采样单元还用于根据第三特征信息,确定血管外部影像中目标血管段的外部轮廓曲线上各点对应的外血管直径和外血管长度,以及,确定目标血管段的外部分支信息;以外血管长度为一维特征,以外血管直径为二维特征,构建目标血管段上各点对应的外部轮廓特征点;根据所有外部轮廓特征点,获得目标血管轮廓特征点集。
可选地,目标配准结果为感兴趣血管轮廓特征点集与目标血管轮廓特征点集之间的目标配准关系。
可选地,二级配准模块包括:
归一化单元,用于对感兴趣血管轮廓特征点集S和目标血管轮廓特征点集T分别进行归一化处理,得到归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’;
误差计算单元,用于接收归一化单元输出的归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’并计算感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;以及,用于当归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差大于或者等于预设值时,接收更新单元输出的更新后的感兴趣血管轮廓特征点集S’,计算更新后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;
误差判断单元,用于判断误差计算单元计算的特征误差是否小于预设值;
配准关系计算单元,用于当误差判断单元判断特征误差小于预设值时,确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的目标血管轮廓特征点集T’计算目标配准关系;
变换关系计算单元,用于当误差判断单元判断特征误差大于或等于预设值时,获得感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的配准变换关系,并利用配准变换关系获得感兴趣血管轮廓特征点集S’配准变换后的新感兴趣血管轮廓特征点集S";
更新单元,用于将感兴趣血管轮廓特征点集S’更新为变换关系计算单元获得的新感兴趣血管轮廓特征点集S"。
可选地,二级配准模块还包括:
迭代次数判断单元,用于当误差判断单元判断特征误差大于或者小于预设值时,判断迭代次数是否大于预设次数;
累加单元,用于当将迭代次数判断单元判断迭代次数小于预设次数时,对迭代次数加一;
配准关系计算单元,还用于当迭代次数判断单元判断迭代次数大于预设次数时,确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的所述目标血管轮廓特征点集T’计算目标配准关系。
可选地,二级配准模块还包括:
初始单元,用于在误差计算单元计算归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差之前,将迭代次数设置为零。
可选地,二级配准模块利用迭代最近点算法或一致性点漂移算法或鲁棒性点匹配算法对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
可选地,血管腔内影像为OCT影像或IVUS影像。
相应地,本发明还提供了一种计算设备,包括:
处理器,适于实现各种指令;
存储器,适于存储多条指令,指令适于由处理器加载并执行上述血管外部影像与腔内影像的配准方法。
采用上述技术方案的计算设备,可实现血管外部影像与腔内影像的快速、准确配准。
相应地,本发明还提供了一种存储介质,存储介质存储有多条指令,指令适于由处理器加载并执行上述血管外部影像与腔内影像的配准方法。
采用上述技术方案的存储介质,可实现血管外部影像与腔内影像的快速、准确配准。
附图说明
图1示出本发明的血管外部影像与腔内影像的配准方法的流程图;
图2示出本发明的血管外部影像与腔内影像的配准方法中一级配准步骤的流程图;
图3示出本发明的血管外部影像与腔内影像的配准方法中二级配准步骤的流程图;
图4示出本发明的血管外部影像与腔内影像的配准装置的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。虽然本发明的描述将结合较佳实施例一起介绍,但这并不代表此发明的特征仅限于该实施方式。恰恰相反,结合实施方式作发明介绍的目的是为了覆盖基于本发明的权利要求而有可能延伸出的其它选择或改造。为了提供对本发明的深度了解,以下描述中将包含许多具体的细节。本发明也可以不使用这些细节实施。此外,为了避免混乱或模糊本发明的重点,有些具体细节将在描述中被省略。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
应注意的是,在本说明书中,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
术语“近端”、“远端”是个相对位置,是根据血管离主动脉远近来说的,离主动脉近的那端就是近端,远离主动脉那端就是远端。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
参照图1所示,本发明公开了一种血管外部影像与腔内影像的配准方法,包括以下步骤:
第一获取步骤S1:在血管腔内影像中获取感兴趣血管段的第一特征信息,第一特征信息包括感兴趣血管段的内部轮廓信息和内部分支信息。
具体地,感兴趣血管段可以是相对于正常血管出现异常的某段血管。在本发明的实施例中,血管腔内影像可以为OCT影像,也可以是IVUS影像。即内部轮廓信息和内部分支信息是从OCT/IVUS等腔内影像中获取的。内部轮廓信息可以包括血管内各处的内血管直径和内血管长度。其中,内血管直径是指根据腔内影像获得的血管直径;内血管长度为血管内某一处到起点的沿着血管轴线的长度。具体地,起点为血管腔内影像中采集到的靠近感兴趣血管段近端的端点。又因为OCT是从远端向近端回撤并成像的,因此该起点也可以说是OCT回撤的终点。内部分支信息可以包括内部分支的编号(该编号包含了该分支属于血管上的第几个分支的信息)及该分支相对于感兴趣血管段的位置信息。
对于获取血管腔内影像中获取感兴趣血管段的第一特征信息,该腔内影像既可以是直接获取已经分离出的仅包括感兴趣血管段的影像,也可以是从一段血管的腔内影像中选取出的与感兴趣血管段对应的影像,本发明对此不作限制。腔内影像的来源既可以是直接导入的相关数据,也可以是从其他资源库实时配置连接获取,还可以是从已存储的影像数据库中根据用户的名字等信息搜索后获取,本发明对此也不作限制。可选地,腔内影像数据可以为DICOM(医学数字成像和通信)格式。DICOM具有以下优势:涵盖了医学数字图像的采集、归档、通信、显示及查询等几乎所有信息交换的协议;以开放互联的架构和面向对象的方法定义了一套包含各种类型的医学诊断图像及其相关的分析、报告等信息的对象集;定义了用于信息传递、交换的服务类与命令集,以及消息的标准响应;详述了标识各类信息对象的技术;提供了应用于网络环境(OSI或TCP/IP)的服务支持;结构化地定义了制造厂商的兼容性声明(Conformance Statement)。采用DICOM格式能够大大简化医学影像信息交换的实现,方便与其他医学应用系统HIS、RIS等关联协同作用。
第二获取步骤S2:在血管外部影像中获取参考血管的第二特征信息,参考血管为感兴趣血管段所在的整根血管,第二特征信息包括参考血管的外部轮廓信息和外部分支信息。
具体地,血管外部影像可以为冠脉造影图像,其反映的是血管外部的轮廓信息。本领域技术人员可以理解,当然也可以直接采集与感兴趣血管段相对应的血管段的外部影像,然而,申请人发现,相对于直接采集获取与感兴趣血管段相对应的血管段,本实施例在本步骤中采集的是感兴趣血管段所在的整根血管(即从血管近端点至血管远端点的整根血管)的外部影像信息,看似表面上采集了冗余的信息,实际上与后续处理步骤结合,整体上更有利于处理效率的提升。
具体地,外部轮廓信息可以包括血管各处的外血管直径和外血管长度,其中,外血管直径是指根据血管外部影像获得的血管直径;外血管长度为血管外部轮廓上某一处到该血管近端的沿着血管轴线的长度。外部分支信息可以包括外部分支血管的编号(该编号包含了该分支属于血管上的第几个分支的信息)和该外部分支血管相对于参考血管的位置信息。
一级配准步骤S3:对第一特征信息和第二特征信息进行一级配准,获得第三特征信息,第三特征信息包括血管外部影像中的与感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息。需要说明的是,文中提及的感兴趣血管段位于血管内部,目标血管段是指与感兴趣血管段相对应的位于血管外部的血管段。
即,为更全面地掌握感兴趣血管段的情况,需要分别知道感兴趣血管段的血管内部和血管外部的信息,而第二特征信息是整根参考血管的外部轮廓信息,因此可以对第一特征信息和第二特征信息进行配准以获得所需要的目标血管段的外部轮廓信息。
二级配准步骤S4:对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
可选地,目标配准结果可以为与第三特征信息之间的特征误差满足预设条件的目标特征信息;或者,目标配准结果也可以为第一特征信息和第三特征信息之间的目标配准关系;再或者,目标配准结果还可以既包括上述目标特征信息,同时也包括上述第一特征信息和第三特征信息之间的目标配准关系。
因为一级配准步骤中只是粗略地对第一特征信息和第二特征信息进行配准而获得所需要的感兴趣血管的外部轮廓信息,因此第一特征信息和步骤S3获得的第三特征信息很可能匹配错误或者存在较大的偏差,所以需要通过二级配准进一步对第一特征信息和第三特征信息进行匹配。
需要说明的是,在本发明提供的血管外部影像与腔内影像的配准方法中,第一获取步骤和第二获取步骤的顺序可以交换,即既可以先获取感兴趣血管段的第一特征信息,再获取感兴趣血管段所在的整根血管的第二特征信息;也可以先获取感兴趣血管段所在的整根血管的第二特征信息,再获取感兴趣血管段的第一特征信息;还可以同时获取感兴趣血管段的第一特征信息和感兴趣血管段所在的整根血管的第二特征信息。本发明对感兴趣血管段的第一特征信息和感兴趣血管段所在的整根血管的第二特征信息的获取顺序并不做限制。
具体地,本发明中提到的血管外部影像与腔内影像的配准方法可以适用于如左旋冠状动脉、左前降支冠状动脉、右冠状动脉等冠状动脉血管的外部影像与腔内影像的配准。
本发明提供的血管外部影像与腔内影像的配准方法,充分利用了血管的直径和分支信息,通过多级配准的方法直接实现了全自动的冠脉造影图像与腔内影像的配准。该方法只需对一帧冠脉造影图像进行检测分割,无需手工标记和三维重建,具有快速简便、准确性高、鲁棒性高等优点。这里的鲁棒性只要是指该方法受计算中需要的数据的影响程度,鲁棒性高代表该配准方法受数据波动的影响较小,即该配准方法的稳定性高。
进一步地,在具体实施时,在采集OCT/IVUS腔内影像的过程中,由于各种生理或物理因素可能造成OCT/IVUS探头的扰动,使得OCT/IVUS影像的采集平面并非垂直于血管面,进而影响后续一级配准和二级配准的精准度。为避免该影响,还可以在进行一级配准之前,对获取的OCT/IVUS影像作角度校正,以提高粗配准及精配准的准确率。具体地,可以采用赵海升、杨丰、林慕丹等人发表于《科学技术与工程》,2015,15(36):84-90中的题为“融合冠状动脉CAG三维重建模型的角度校正研究”的论文所提出的方法对OCT/IVUS影像的角度进行校正。
具体地,如图2所示,一级配准步骤S3可以具体包括:
步骤S31:在血管外部影像中,对参考血管的外部轮廓进行均匀采样,根据参考血管的外部轮廓信息获得参考血管轮廓特征点集,参考血管轮廓特征点集包括血管外部影像中获取的参考血管外部轮廓上各点的外血管直径和各点距离参考血管近端的外血管长度。
具体地,在该步骤中,获得参考血管轮廓特征点集的过程可以包括:对血管外部影像中的参考血管的外部轮廓曲线进行均匀采样,将参考血管外部轮廓离散为各个点;以每点距离参考血管近端的外血管长度为一维特征,以该点的外血管直径为二维特征,构建各点的外部轮廓特征点;根据所有外部轮廓特征点,获得参考血管轮廓特征点集。
可选地,在对血管外部影像采样时,可以以外部影像中的每个像素点作为一个采样点,对外部影像进行均匀采样,获取血管外部轮廓曲线上各个像素点对应的外血管直径和外血管长度。当然也可以间隔一个或两个或者更多个像素点对外部影像进行均匀采样。在此不做限制。
进一步地,可以通过传统分割算法或深度学习算法或深度学习得到的预测结果和基于传统方法设计得到的先验知识相融合的方法对外部影像中的冠脉血管进行分割,利用分割的结果计算得出外血管长度,外血管直径等信息。比如在申请号为CN202010134217.7的专利中,即是利用深度学习模型的方法对冠脉血管进行切割以获得长度和直径等信息的。
步骤S32:在血管腔内影像中,对感兴趣血管段的血管腔内影像进行均匀采样,根据感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集,感兴趣血管轮廓特征点集包括感兴趣血管段腔内影像中各帧图像对应的血管位置点处的内血管直径和内血管长度。
具体地,血管腔内影像为序列影像,其一帧影像对应血管内部某一处的血管截面图像,即血管腔内影像由血管内部各处的血管截面图像构成。一般地,OCT/IVUS血管腔内影像的拍摄频率为100frame/s或180frame/s,导管回撤速度为18mm/s或20mm/s或36mm/s,其是利用导管在血管内部回撤,对血管内部构造进行拍摄的。在对腔内影像进行均匀采样时,可以以每帧腔内影像作为一个样本点,获取各帧腔内影像对应的血管内部各位置点的内血管直径和内血管长度。
具体地,获得感兴趣血管轮廓特征点集的过程可以包括:将血管腔内影像序列图像中的每一帧作为一个检测点,对血管腔内影像进行检测;以各帧图像对应的血管位置点与起点之间的内血管长度为一维特征,以血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;根据所有内部轮廓特征点,获得感兴趣血管轮廓特征点集。需要说明的是,除了利用上述对每帧血管腔内影像进行检测以获得感兴趣血管轮廓特征点集的方法外,也可以利用隔帧检测或者对固定间隔的帧进行检测的方法获得感兴趣血管轮廓特征点集,具体为:间隔一帧、两帧或者多帧,对血管腔内影像序列图像进行均匀检测;以各检测点图像对应的血管位置点与起点之间的内血管长度为一维特征,以该血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;根据所有内部轮廓特征点,获得感兴趣血管轮廓特征点集。
进一步地,可以利用专利号为CN201710438256.4的中国专利中提到的方法对血管进行分割获得从而获得内血管长度和内血管直径等轮廓信息。
换句话说,即在构建参考血管轮廓特征点集时,首先将参考血管的外部轮廓曲线离散化,将参考血管轮廓曲线上的每个点用一个二维向量代指,该二维向量的第一维特征是该点处的外血管长度,该二维向量的第二维特征是该点处的外血管直径,然后将每个点对应的二维向量集合为参考血管轮廓特征点集。同样地,感兴趣血管轮廓特征点集的构建过程大体类似,不过因为OCT/IVUS腔内影像本就是离散的一帧帧的序列影像,因此无需再对腔内影像进行离散化处理,可以直接将各帧图像直接作为一个样本点,同样的各帧图像对应的血管位置信息也可以用二维向量代指,其一维特征可以为相应帧图像对应的血管点处的内血管长度,其二维特征可以为该点处的内血管直径,然后将各帧图像对应的二维向量集合为感兴趣血管轮廓特征点集。
需要注意的是,参考血管轮廓特征点集和感兴趣血管轮廓特征点集中的各个点不仅可以二维向量代指,还可以用三维向量或者更多维向量代指;当用三维或者更多维向量代指时,其向量中的各维特征可以分别为长度、直径、血管横截面积、分支血管直径、分支开口方向等特征信息。
步骤S33:根据参考血管轮廓特征点集和感兴趣血管轮廓特征点集获得第三特征信息。
进一步地,可以基于滑动窗口快速目标检测方法对参考血管轮廓特征点集和感兴趣血管轮廓特征点集进行一级配准以获得第三特征信息。具体地,该一级配准过程可以包括:
步骤S331:根据参考血管轮廓特征点集构建参考区域,根据感兴趣血管轮廓特征点集构建滑动窗口。
可选地,可以将腔内影像中感兴趣血管段的起始点(即靠近参考血管近端点的端点)作为滑动窗口的左边界,将腔内影像中感兴趣血管段的终止点(即靠近参考血管远端点的端点)作为滑动窗口的右边界。滑动区域的边界分别为参考血管的近端点和远端点。
步骤S332:使滑动窗口在参考区域滑动,根据参考血管轮廓特征点集、感兴趣血管轮廓特征点集、参考血管的外部分支信息和感兴趣血管段的内部分支信息计算获得参考区域中的各区域与滑动窗口之间的匹配度。
具体地,参考血管的外部分支信息可以包括在血管外部影像中获取的参考血管的各分支血管的编号和各分支血管分叉点距离参考血管近端的外血管长度;感兴趣血管段的内部分支信息包括在血管腔内影像中获取的感兴趣血管段的各分支血管的编号和各分支血管距离起点的内血管长度。因为参考血管轮廓特征点集和感兴趣血管轮廓特征点集中的各个特征点是有序排列的,因此分支编号也是根据各个分支在血管轮廓线上的位置自动排序的。
具体地,在滑动过程中,可以将滑动窗口的左边界与参考区域的近端点相重合,然后使滑动窗口逐渐从参考区域的近端点滑动至其远端点;也可以将滑动窗口的右边界与参考区域的远端点相重合,然后使滑动窗口逐渐从参考区域的远端点滑动至参考区域的近端点,在此对滑动方向不作限定。
具体地,在滑动过程中,可以使得滑动窗口每在参考区域中移动一个点,就计算一次滑动窗口与参考区域中目前滑动窗口所对应的子区域的匹配度,即在滑动过程中,匹配度的总计算次数等于参考血管轮廓特征点集中的总点数与感兴趣血管轮廓特征点集中的总点数的差值。当然,也可以使得滑动窗口每在参考区域中移动两个点或者多个点,才计算一次滑动窗口与参考区域中目前滑动窗口所对应的子区域的匹配度。即在本发明中只需要保证能够利用计算的各匹配度实现第一特征信息和第二特征信息的一级配准即可,而对于具体利用多少数量的匹配度不做要求。
进一步地,可以采用目标评价函数计算当前参考区域的外部影像中的冠脉参考血管段与OCT/IVUS腔内影像中的冠脉感兴趣血管段的匹配度,该匹配度可以根据直径信息和分支信息计算得出。当然上述匹配度的计算是针对特征点集中的各点为二维向量情况而言的,当特征点集中的各点为三维或者更多维向量时,该匹配度还可以进一步根据直径信息、分支信息以及向量中包含的其他信息进行计算,在此不做限定。
进一步地,为了使在滑动过程中,更便于计算滑动窗口与相应区域内的各子区域的匹配度,可以将滑动窗口内各点之间的间距设置为与参考区域内各点之间的间距相等。因此,在本发明中,在构建参考区域和滑动窗口之前,还可以包括步骤:根据感兴趣血管轮廓特征点集中任相邻两点之间的距离,在血管外部影像中重新对参考血管的外部轮廓进行均匀采样。具体地,当腔内影像为OCT或IVUS影像时,可以根据导管的回撤速度和OCT/IVUS的拍摄频率计算感兴趣血管轮廓特征点集中相邻两点之间的距离,再以该距离为采样步长,重新在血管外部影像中对参考血管的外部轮廓进行均匀采样。具体地,感兴趣血管轮廓特征点集中相邻两点之间的距离等于导管回撤速度与拍摄一帧腔内影像所用时间的乘积,而拍摄一帧腔内影像所用时间又等于拍摄频率的倒数,所以该距离等于导管回撤速度除以拍摄频率。
进一步地,参考区域中各区域与滑动窗口之间的匹配度的计算方法包括:
根据参考血管轮廓特征点集中的外血管直径和感兴趣血管轮廓特征点集中的内血管直径,计算直径匹配分数。该直径匹配分数可以为:
式(1)中,Sd代表直径匹配分数,N代表滑动窗口特征点总数,即感兴趣血管轮廓特征点集中各点的总数量;dsi代表滑动窗口中第i个特征点对应的内血管直径,dti代表参考区域中第i个特征点对应的外血管直径。更具体的,dti是参考区域中目前滑动窗口所在的子参考区域内的第i个特征点对应的外血管直径。即式(1)中提到的参考区域的第i个特征点其实是参考区域中目前滑动窗口所在的子参考区域内的第i个特征点,其在滑动窗口移动过程中是变化的。
根据参考血管的外部分支信息和感兴趣血管段的内部分支信息,计算分支匹配分数。分值匹配分数可以为:
式(2)中,Sb代表分支匹配分数,M代表滑动窗口分支总数,即感兴趣血管段中所有分支血管的总数;disti代表滑动窗口中的第i个分支血管与参考区域中距该分支血管最近的分支血管之间的距离。具体地,距离disti可以通过分支在血管的位置(即距离血管起点的分支血管长度)计算的,如滑动窗口的第i个分支所处的位置的内分支血管长度为l1,参考区域中与该分支最近的分支所处的位置的外分支血管长度为l2,则距离disti=|l1-l2|。
根据直径匹配分数和分支匹配分数,构建匹配函数,利用匹配函数计算匹配度。
具体地,匹配函数可以为:
其中,S代表匹配函数,Sd代表直径匹配分数,Sb代表分支匹配分数,β代表权重因子,0<β<1。其中,β可以根据直径信息和分支信息的重要程度或者获取到的二者的精度进行设置。比如当认为直径信息和分支信息同等重要时,β可以设置为0.5。若其中一项检测精度或准确率较低,可以考虑降低该项的权重因子,在式(3)中,β可以看作直径信息的权重因子,1-β可以看作分支信息的权重因子。
可选地,在本发明中,将β的取值范围设置为0.3~0.7。
步骤S333:比较各匹配度,获得第三特征信息。
具体地,根据式(3)计算滑动窗口与参考区域中各个子区域之间的匹配度,其中,参考区域中与滑动窗口匹配度最大的子区域所对应的血管段为目标血管段,第三特征信息即为该目标血管段对应的目标血管轮廓特征点集。
即在本发明中的一个实施例中,一级配准步骤是结合直径信息和分支信息,采用滑动窗口快速目标检测方法对外部影像及OCT/IVUS腔内影像进行粗配准的,此方法计算过程简单,解决了需要在冠脉外部造影影像中手动定位相应的OCT/IVUS图像血管起止点的问题,减少了人工操作步骤,提高了算法的自动化程度。
进一步地,在一级配准步骤S3中还可以包括建立目标血管轮廓特征点集,具体如下:
根据第三特征信息,确定血管外部影像中目标血管段外部轮廓曲线上各点对应的外血管直径和外血管长度,以及,确定目标血管段的外部分支信息;
以外血管长度为一维特征,以外血管直径为二维特征,构建目标血管段上各点对应的外部轮廓特征点;
根据所有外部轮廓特征点,获得目标血管轮廓特征点集。
进一步地,二级配准步骤S4可以基于一级配准步骤S3的粗匹配结果,采用一种融合直径信息和分支信息的配准算法对感兴趣血管轮廓特征点集和目标血管轮廓特征点集进行迭代计算以使得两轮廓特征点集的差异最小,从而达到精配准目的。可选地,可以将目标配准结果选取为第一特征信息和第三特征信息之间的对应配准关系,具体地,该对应配准关系可以根据目标血管轮廓特征点集和感兴趣血管轮廓特征点集进行计算,即第一特征信息和第三特征信息之间的对应配准关系可以具体为目标血管轮廓特征点集和感兴趣血管轮廓特征点集之间的目标配准关系。
具体地,如图3所示,在二级配准过程中,设定OCT/IVUS腔内影像中的感兴趣血管轮廓特征点集为S,外部造影图像中的目标血管轮廓特征点集为T,该二级配准步骤S4可以包括:
a)对感兴趣血管轮廓特征点集S和目标血管轮廓特征点集T分别进行归一化处理,得到归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’;
b)计算感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;具体地,特征误差的计算公式可以为其中,ti为目标血管轮廓特征点集中的第i个特征点,sj为感兴趣血管轮廓特征点集中第j个特征点,mij为点ti与sj之间的匹配度,N为目标血管轮廓特征点集或感兴趣血管轮廓特征点集中特征点的总数量。
c)判断特征误差是否小于预设值,若是,则认为已经配准,确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的目标血管轮廓特征点集T’计算目标配准关系;否则,执行下一步。
具体地,预设值可以根据实际情况进行设定,一般情况下可以设置为0.01,即当特征误差小于0.01时,认为已经配准。
d)计算获得感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的配准变换关系,并利用配准变换关系获得感兴趣血管轮廓特征点集S’配准变换后的新感兴趣血管轮廓特征点集S"。
具体地,配准变换关系f为非刚性形变的空间变化函数,f=sd+w,其中d为仿射变换矩阵,w为非仿射变形项。
e)将感兴趣血管轮廓特征点集S’更新为新感兴趣血管轮廓特征点集S",返回执行步骤b)。
在具体实施时,可能会出现由于预设值设置的相对较小,上述迭代过程无论怎样迭代,计算的特征误差总是大于或等于预设值,进而陷入死循环的情况,进而影响配准效率。为解决该问题,申请人发现在迭代过程中,更新后的感兴趣血管轮廓特征点集与目标血管轮廓特征点集之间的特征误差会随着迭代次数的增加逐渐减小,因此在本发明的一个实施例中,可以通过设置最大迭代次数以避免迭代过程中死循环的出现。即,假使在迭代过程中,特征误差没有小于预设值,但是最终的迭代次数累计达到一定数值时,此时也可以认为达到了精配准的目的。
具体地,可以在步骤c)和步骤d)之间添加一个判断条件,该判断条件可以包括:
当特征误差大于或者等于预设值时,判断迭代次数是否大于预设次数,若是,则认为已经配准,确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的目标血管轮廓特征点集T’计算目标配准关系;否则,将迭代次数加一,并执行下一步。具体地,预设次数可以根据实际情况进行设定,比如设置为100次。
进一步地,为便于迭代次数的计算和判断,还可以在步骤b)之前设置迭代次数为零。通过上述迭代求解过程,使两轮廓特征点集的差异最小,从而实现目标血管段外部影像与感兴趣血管段腔内影像所分别对应的特征点集中的各点之间的一一对应。
从上述可以看出,通过以上步骤进行二级配准后,不仅可以获得第一特征信息和第三特征信息之间的对应配准关系,而且还可以获得与第三特征信息之间的特征误差满足预设条件的目标特征信息。
进一步的,在二级配准步骤中,还可以利用迭代最近点算法或一致性点漂移算法或鲁棒性点匹配算法,对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
二级配准步骤采用的是一种融合直径信息和分支信息的非刚性配准算法,通过迭代求优的过程使两点集间的特征差异最小,得到两点集间的映射参数,找到两点集中的对应关系,从而实现配准。直径和分支信息能够直接反映血管组织的轮廓拓扑特征,与利用对IVUS传感器尖端定位进行配准的方法相比,该方法具有更高的稳定性。
本发明提供的血管外部影像与腔内影像的配准方法,是通过基于冠脉外部影像及OCT/IVUS腔内影像的轮廓信息,通过多级配准(粗配准及精配准)的方法实现了对多模态血管图像的精确配准。该方法实现了一站式全自动的多模态图像配准,减少了人工操作步骤,很大程度上避免了人为因素导致的误差。并且该配准过程不需要对血管外部影像进行三维重建,降低了配准算法的复杂度及耗时。
相应的,如图4所示,本发明还提供了一种血管外部影像与腔内影像的配准装置,包括第一获取模块1、第二获取模块2、一级配准模块3和二级配准模块4。其中,第一获取模1块用于在血管腔内影像中获取感兴趣血管段的第一特征信息,第一特征信息包括感兴趣血管段的内部轮廓信息和内部分支信息;第二获取模块2用于在血管外部影像中获取参考血管的第二特征信息,参考血管为感兴趣血管段所在的整根血管,第二特征信息包括参考血管的外部轮廓信息和外部分支信息;一级配准模块3用于对第一特征信息和第二特征信息进行一级配准,获得第三特征信息,第三特征信息包括血管外部影像中的与感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息;二级配准模块4用于对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
可选地,目标配准结果可以为与第三特征信息之间的特征误差满足预设条件的目标特征信息;或者,目标配准结果也可以为第一特征信息和第三特征信息之间的目标配准关系;再或者,目标配准结果还可以既包括上述目标特征信息,同时也包括上述第一特征信息和第三特征信息之间的目标配准关系。
具体地,一级配准模块3可以包括:
第一采样单元31,用于在血管外部影像中,对参考血管的外部轮廓进行均匀采样,根据参考血管的外部轮廓信息获得参考血管轮廓特征点集,参考血管轮廓特征点集包括血管外部影像中获取的参考血管外部轮廓上各点对应的外血管直径和外血管长度;
第二采样单元32,用于在血管腔内影像中,对感兴趣血管段的血管腔内影像进行采样,根据感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集;感兴趣血管轮廓特征点集包括感兴趣血管段腔内影像中各帧图像对应的血管位置点处的内血管直径和内血管长度,其中,各血管位置点处的内血管长度为该点与起点之间的距离,起点为血管腔内影像中采集到的靠近感兴趣血管段近端的端点;
获取单元33,用于根据参考血管轮廓特征点集和感兴趣血管轮廓特征点集获得第三特征信息。
可选地,在第一采样单元31对血管外部影像采样时,可以以外部影像中的每个像素点作为一个采样点,对外部影像进行均匀采样,获取血管外部轮廓曲线上各个像素点对应的外血管直径和外血管长度。
可选地,血管腔内影像为OCT影像或IVUS影像。一般地,OCT/IVUS血管腔内影像的拍摄频率为100frame/s或180frame/s,导管回撤速度为18mm/s或20mm/s或36mm/s,其是利用导管在血管内部回撤,对血管内部构造进行拍摄的。第二采样单元32在对腔内影像进行均匀采样时,可以以每帧腔内影像作为一个样本点,获取各帧腔内影像对应的血管内部各位置点的内血管直径和内血管长度。
可选地,获取单元33可以具体包括:窗口构建单元331,用于根据参考血管轮廓特征点集构建参考区域,根据感兴趣血管轮廓特征点集构建滑动窗口;匹配度计算单元332,用于使滑动窗口在参考区域滑动,根据参考血管轮廓特征点集、感兴趣血管轮廓特征点集、参考血管的外部分支信息和感兴趣血管段的内部分支信息计算获得参考区域中的各区域与滑动窗口之间的匹配度;比较单元333,用于比较各匹配度,获得第三特征信息。
可选地,参考血管的外部分支信息包括在血管外部影像中获取的参考血管的各分支血管的编号和各分支血管分叉点距离参考血管近端的外血管长度;感兴趣血管段的内部分支信息包括在血管腔内影像中获取的感兴趣血管段的各分支血管的编号和各分支血管距离起点的内血管长度。
可选地,匹配度计算单元对于参考区域中各区域与滑动窗口之间的匹配度的计算方法包括:根据参考血管轮廓特征点集中的外血管直径和感兴趣血管轮廓特征点集中的内血管直径,计算直径匹配分数;根据参考血管的外部分支信息和感兴趣血管段的内部分支信息,计算分支匹配分数;根据直径匹配分数和分支匹配分数,构建匹配函数,利用匹配函数计算匹配度。
可选地,直径匹配分数为:
其中,Sd代表直径匹配分数,N代表滑动窗口特征点总数,dsi代表滑动窗口中第i个特征点对应的内血管直径,dti代表参考区域中第i个特征点对应的外血管直径。更具体的,dti是参考区域中目前滑动窗口所在的子参考区域内的第i个特征点对应的外血管直径。即上式中提到的参考区域的第i个特征点其实是参考区域中目前滑动窗口所在的子参考区域内的第i个特征点,其在滑动窗口移动过程中是变化的。
可选地,分支匹配分数为:
其中,Sb代表分支匹配分数,M代表滑动窗口分支总数,disti代表滑动窗口中的第i个分支血管与参考区域中距该分支血管最近的分支血管之间的距离。具体地,距离disti可以通过分支在血管的位置(即距离血管起点的分支血管长度)计算的,如滑动窗口的第i个分支所处的位置的内分支血管长度为l1,参考区域中与该分支最近的分支所处的位置的外分支血管长度为l2,则距离disti=|l1-l2|。
可选地,匹配函数为:
其中,S代表匹配函数,Sd代表直径匹配分数,Sb代表分支匹配分数,β代表权重因子,0<β<1。其中,β可以根据直径信息和分支信息的重要程度或者获取到的二者的精度进行设置。比如当认为直径信息和分支信息同等重要时,β可以设置为0.5。若其中一项检测精度或准确率较低,可以考虑降低该项的权重因子,在上述匹配函数中,β可以看作直径信息的权重因子,1-β可以看作分支信息的权重因子。
可选地,β的取值范围为0.3~0.7。
可选地,参考区域中与滑动窗口匹配度最大的区域所对应的血管段为目标血管段。
可选地,第一采样单元31包括:第一离散子单元,用于对血管外部影像中的参考血管的外部轮廓曲线进行均匀采样,将参考血管外部轮廓离散为各个点;第一构建子单元,用于以每点距离参考血管近端的外血管长度为一维特征,以该点外血管直径为二维特征,构建各点的外部轮廓特征点;以及,根据所有外部轮廓特征点,获得参考血管轮廓特征点集。
可选地,第二采样单元32包括:第二分帧子单元,用于将血管腔内影像序列图像中的每一帧作为一个检测点,对血管腔内影像进行检测;第二构建子单元,用于以各帧图像对应的血管位置点与起点之间的内血管长度为一维特征,以血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;以及,根据所有内部轮廓特征点,获得感兴趣血管轮廓特征点集。
需要说明的是,第二分帧子单元除了可以对每帧血管腔内影像进行检测以使第二构建子单元获得感兴趣血管轮廓特征点集,也可以对血管腔内影像进行隔帧检测或者对固定间隔的帧进行检测从而使得第二构建子单元获得感兴趣血管轮廓特征点集。
具体地,在第一采样单元31构建参考血管轮廓特征点集时,第一离散子单元将参考血管的外部轮廓曲线离散化,第一构建子单元将参考血管轮廓曲线上的每个点用一个二维向量代指,该二维向量的第一维特征是该点处的外血管长度,该二维向量的第二维特征是该点处的外血管直径,并将每个点对应的二维向量集合为参考血管轮廓特征点集。同样地,第二采样单元32对于感兴趣血管轮廓特征点集的构建过程大体类似,不过因为OCT/IVUS腔内影像本就是离散的一帧帧的序列影像,因此无需再对腔内影像进行离散化处理,而是第二分帧子单元直接将每帧图像直接作为一个样本点;第二构建子单元将每帧图像对象的血管位置信息用二维向量代指,其一维特征可以为相应帧图像对应的血管点处的内血管长度,其二维特征可以为该点处的内血管直径,然后第二构建子单元将各帧图像对应的二维向量集合为感兴趣血管轮廓特征点集。
需要注意的是,参考血管轮廓特征点集和感兴趣血管轮廓特征点集中的各个点不仅可以二维向量代指,还可以用三维向量或者更多维向量代指;当用三维或者多维向量代指时,其向量中的各维特征可以分别为长度、直径、血管横截面积、分支血管直径、分支开口方向等特征信息。
可选地,一级配准模块3还包括:距离计算单元,用于在窗口构建单元构建参考区域和滑动窗口之前,计算感兴趣血管轮廓特征点集中相邻两点之间的距离;第一采样单元31还用于在血管外部影像中,根据距离重新对参考血管的外部轮廓进行均匀采样。
具体地,当腔内影像为OCT或IVUS影像时,距离计算单元可以根据导管的回撤速度和OCT/IVUS的拍摄频率计算感兴趣血管轮廓特征点集中相邻两点之间的距离,该距离等于导管回撤速度除以拍摄频率;第一采样单元31再以该距离为采样步长,重新在血管外部影像中对参考血管的外部轮廓进行均匀采样。这样将滑动窗口内各点之间的间距设置为与参考区域内各点之间的间距相等,可以更便于计算滑动过程中的滑动窗口与相应区域内的各子区域的匹配度。
可选地,第一采样单元31还用于根据第三特征信息,确定血管外部影像中目标血管段的外部轮廓曲线上各点对应的外血管直径和外血管长度,以及,确定目标血管段的外部分支信息;以外血管长度为一维特征,以外血管直径为二维特征,构建目标血管段上各点对应的外部轮廓特征点;根据所有外部轮廓特征点,获得目标血管轮廓特征点集。
可选地,可以将目标配准结果选取为第一特征信息和第三特征信息之间的对应配准关系,具体地,该对应配准关系可以根据目标血管轮廓特征点集和感兴趣血管轮廓特征点集进行计算,即第一特征信息和第三特征信息之间的对应配准关系可以具体为目标血管轮廓特征点集和感兴趣血管轮廓特征点集之间的目标配准关系。
可选地,二级配准模块4包括:
归一化单元41,用于对感兴趣血管轮廓特征点集S和目标血管轮廓特征点集T分别进行归一化处理,得到归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’;
误差计算单元42,用于接收归一化单元输出的归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’并计算感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;以及,用于当归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差大于或者等于预设值时,接收更新单元输出的更新后的感兴趣血管轮廓特征点集S’,计算更新后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;
误差判断单元43,用于判断误差计算单元42计算的特征误差是否小于预设值;
配准关系计算单元46,用于当误差判断单元43判断特征误差小于预设值时,确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的目标血管轮廓特征点集T’计算目标配准关系;
变换关系计算单元44,用于当误差判断单元43判断特征误差大于或等于预设值时,获得感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的配准变换关系,并利用配准变换关系获得感兴趣血管轮廓特征点集S’配准变换后的新感兴趣血管轮廓特征点集S";
更新单元45,用于将感兴趣血管轮廓特征点集S’更新为变换关系计算单元44获得的新感兴趣血管轮廓特征点集S"。
具体地,预设值可以根据实际情况进行设定,一般情况下可以设置为0.01,即当特征误差小于0.01时,认为已经配准。
可选地,二级配准模块4还可以包括:
迭代次数判断单元,用于当误差判断单元判断特征误差大于或者小于预设值时,判断迭代次数是否大于预设次数;
累加单元,用于当将迭代次数判断单元判断迭代次数小于预设次数时,对迭代次数加一。
配准关系计算单元46,还用于当迭代次数判断单元判断迭代次数大于预设次数时,确定感兴趣血管轮廓特征点集S’为目标特征信息,并根据目标特征信息与归一化处理后的所述目标血管轮廓特征点集T’计算目标配准关系。
具体地,预设次数可以根据实际情况进行设定,比如设置为100次。
可选地,二级配准模块4还包括初始单元,用于在误差计算单元计算归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差之前,将迭代次数设置为零。
可选地,二级配准模块4利用迭代最近点算法或一致性点漂移算法或鲁棒性点匹配算法对第一特征信息和第三特征信息进行二级配准,获得目标配准结果。
采用本发明提供的血管外部影像与腔内影像的配准装置,可以利用血管的直径和分支信息,通过多级配准的方法直接实现全自动的冠脉造影图像与腔内影像的配准。该装置只需对一帧冠脉造影图像进行检测分割,无需手工标记和三维重建,具有快速简便、准确性高、鲁棒性高等优点。
本发明还提供了一种计算设备,包括:处理器,适于实现各种指令;存储器,适于存储多条指令,指令适于由处理器加载并执行上述提及的血管外部影像与腔内影像的配准方法。
采用上述技术方案的计算设备,可实现血管外部影像与腔内影像的快速、准确配准。
本发明的实施例还公开了一种存储介质,存储介质存储有多条指令,指令适于由处理器加载并执行上述提及的血管外部影像与腔内影像的配准方法。
采用上述技术方案的存储介质,可实现血管外部影像与腔内影像的快速、准确配准。
本申请公开的各实施方式可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码,该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。可将程序代码应用于输入指令,以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的,处理系统包括具有诸如例如数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。
程序代码可以用高级程序化语言或面向对象的编程语言来实现,以便与处理系统通信。在需要时,也可用汇编语言或机器语言来实现程序代码。事实上,本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下,该语言可以是编译语言或解释语言。
在一些情况下,所公开的实施方式可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如,计算机可读)存储介质承载或存储在其上的指令,其可以由一个或多个处理器读取和执行。例如,指令可以通过网络或通过其他计算机可读介质分发。因此,机器可读介质可以包括用于以机器(例如,计算机)可读的形式存储或传输信息的任何机制,包括但不限于,软盘、光盘、光碟、只读存储器(CD-ROMs)、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如,载波、红外信号数字信号等)的有形的机器可读存储器。因此,机器可读介质包括适合于以机器(例如,计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。
在附图中,可以以特定布置和/或顺序示出一些结构或方法特征。然而,应该理解,可能不需要这样的特定布置和/或排序。而是,在一些实施例中,这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外,在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征,并且在一些实施例中,可以不包括这些特征或者可以与其他特征组合。
需要说明的是,本申请各设备实施例中提到的各模块/单元都是逻辑模块/单元,在物理上,一个逻辑模块/单元可以是一个物理模块/单元,也可以是一个物理模块/单元的一部分,还可以以多个物理模块/单元的组合实现,这些逻辑模块/单元本身的物理实现方式并不是最重要的,这些逻辑模块/单元所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外,为了突出本申请的创新部分,本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的模块/单元引入,这并不表明上述设备实施例并不存在其它的模块/单元。
虽然通过参照本发明的某些优选实施方式,已经对本发明进行了图示和描述,但本领域的普通技术人员应该明白,以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。本领域技术人员可以在形式上和细节上对其作各种改变,包括做出若干简单推演或替换,而不偏离本发明的精神和范围。
Claims (42)
1.一种血管外部影像与腔内影像的配准方法,其特征在于,包括:
第一获取步骤:在血管腔内影像中获取感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部轮廓信息和内部分支信息;其中,所述内部轮廓信息包括所述感兴趣血管段内各处的内血管直径和内血管长度,所述内部分支信息包括内部分支血管的编号及该内部分支血管相对于所述感兴趣血管段的位置信息;
第二获取步骤:在血管外部影像中获取参考血管的第二特征信息,所述参考血管为所述感兴趣血管段所在的整根血管,所述第二特征信息包括所述参考血管的外部轮廓信息和外部分支信息;其中,所述外部轮廓信息包括所述参考血管各处的外血管直径和外血管长度,所述外部分支信息包括外部分支血管的编号和该外部分支血管相对于所述参考血管的位置信息;
一级配准步骤:对所述第一特征信息和所述第二特征信息进行一级配准,获得第三特征信息,所述第三特征信息包括所述血管外部影像中的与所述感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息;
二级配准步骤:对所述第一特征信息和所述第三特征信息进行二级配准,获得目标配准结果。
2.如权利要求1所述的血管外部影像与腔内影像的配准方法,其特征在于,所述一级配准步骤包括:
在所述血管外部影像中,对所述参考血管的外部轮廓进行均匀采样,根据所述参考血管的外部轮廓信息获得参考血管轮廓特征点集,所述参考血管轮廓特征点集包括所述血管外部影像中获取的所述参考血管外部轮廓上各点的外血管直径和所述各点距离所述参考血管近端的外血管长度;
在所述血管腔内影像中,对所述感兴趣血管段的血管腔内影像进行均匀采样,根据所述感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集,所述感兴趣血管轮廓特征点集包括所述感兴趣血管段腔内影像中各帧图像对应的血管位置点处的内血管直径和内血管长度,其中,各血管位置点处的内血管长度为该点与起点之间的距离,所述起点为所述血管腔内影像中采集到的靠近所述感兴趣血管段近端的端点;
根据所述参考血管轮廓特征点集和所述感兴趣血管轮廓特征点集获得所述第三特征信息。
3.如权利要求2所述的血管外部影像与腔内影像的配准方法,其特征在于,所述根据所述参考血管轮廓特征点集和所述感兴趣血管轮廓特征点集获得所述第三特征信息包括:
根据所述参考血管轮廓特征点集构建参考区域,根据所述感兴趣血管轮廓特征点集构建滑动窗口;
使所述滑动窗口在所述参考区域滑动,根据所述参考血管轮廓特征点集、所述感兴趣血管轮廓特征点集、所述参考血管的外部分支信息和所述感兴趣血管段的内部分支信息计算获得所述参考区域中的各区域与所述滑动窗口之间的匹配度;
比较各所述匹配度,获得所述第三特征信息。
4.如权利要求3所述的血管外部影像与腔内影像的配准方法,其特征在于,所述参考血管的外部分支信息包括在所述血管外部影像中获取的所述参考血管的各分支血管的编号和所述各分支血管分叉点距离所述参考血管近端的外分支血管长度;所述感兴趣血管段的内部分支信息包括在所述血管腔内影像中获取的所述感兴趣血管段的各分支血管的编号和所述各分支血管距离所述起点的内分支血管长度。
5.如权利要求4所述的血管外部影像与腔内影像的配准方法,其特征在于,所述参考区域中各区域与所述滑动窗口之间的匹配度的计算方法包括:
根据所述参考血管轮廓特征点集中的外血管直径和所述感兴趣血管轮廓特征点集中的内血管直径,计算直径匹配分数;
根据所述参考血管的外部分支信息和所述感兴趣血管段的内部分支信息,计算分支匹配分数;
根据所述直径匹配分数和所述分支匹配分数,构建匹配函数,利用所述匹配函数计算所述匹配度。
9.如权利要求8所述的血管外部影像与腔内影像的配准方法,其特征在于,所述β的取值范围为0.3~0.7。
10.如权利要求8所述的血管外部影像与腔内影像的配准方法,其特征在于,所述参考区域中与所述滑动窗口匹配度最大的区域所对应的血管段为所述目标血管段。
11.如权利要求2所述的血管外部影像与腔内影像的配准方法,其特征在于,所述在所述血管外部影像中,对所述参考血管的外部轮廓进行均匀采样,根据所述参考血管的外部轮廓信息获得参考血管轮廓特征点集包括:
对所述血管外部影像中的参考血管的外部轮廓曲线进行均匀采样,将所述参考血管外部轮廓离散为各个点;
以每点距离参考血管近端的外血管长度为一维特征,以该点的外血管直径为二维特征,构建各点的外部轮廓特征点;
根据所有所述外部轮廓特征点,获得所述参考血管轮廓特征点集。
12.如权利要求2所述的血管外部影像与腔内影像的配准方法,其特征在于,所述在所述血管腔内影像中,对所述感兴趣血管段的血管腔内影像进行均匀采样,根据所述感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集包括:
将所述血管腔内影像序列图像中的每一帧作为一个检测点,对所述血管腔内影像进行检测;
以各帧图像对应的血管位置点与所述起点之间的内血管长度为一维特征,以血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;
根据所有所述内部轮廓特征点,获得所述感兴趣血管轮廓特征点集。
13.如权利要求3所述的血管外部影像与腔内影像的配准方法,其特征在于,在构建所述参考区域和所述滑动窗口之前,所述一级配准步骤还包括:
根据所述感兴趣血管轮廓特征点集中任相邻两点之间的距离,在所述血管外部影像中所述参考血管的外部轮廓进行均匀采样。
14.如权利要求2所述的血管外部影像与腔内影像的配准方法,其特征在于,所述一级配准步骤还包括:
根据所述第三特征信息,确定所述血管外部影像中所述目标血管段外部轮廓曲线上各点对应的外血管直径和外血管长度,以及,确定所述目标血管段的外部分支信息;
以所述外血管长度为一维特征,以所述外血管直径为二维特征,构建所述目标血管段上各点对应的外部轮廓特征点;
根据所有外部轮廓特征点,获得所述目标血管轮廓特征点集。
15.如权利要求14所述的血管外部影像与腔内影像的配准方法,其特征在于,所述目标配准结果为所述感兴趣血管轮廓特征点集与所述目标血管轮廓特征点集之间的目标配准关系。
16.如权利要求15所述的血管外部影像与腔内影像的配准方法,其特征在于,所述二级配准步骤包括依次执行的以下步骤:
a)对所述感兴趣血管轮廓特征点集S和所述目标血管轮廓特征点集T分别进行归一化处理,得到归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’;
b)计算感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;
c)判断所述特征误差是否小于预设值,若是,则确定所述感兴趣血管轮廓特征点集S’为目标特征信息,并根据所述目标特征信息与归一化处理后的所述目标血管轮廓特征点集T’计算所述目标配准关系;否则,执行下一步;
d)计算获得感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的配准变换关系,并利用所述配准变换关系获得所述感兴趣血管轮廓特征点集S’配准变换后的新感兴趣血管轮廓特征点集S";
e)将感兴趣血管轮廓特征点集S’更新为新感兴趣血管轮廓特征点集S",返回执行步骤b)。
17.如权利要求16所述的血管外部影像与腔内影像的配准方法,其特征在于,在步骤c)之后,在步骤d)之前还包括:
当所述特征误差大于或者等于所述预设值时,判断迭代次数是否大于预设次数,若是,则确定所述感兴趣血管轮廓特征点集S’为所述目标特征信息,并根据所述目标特征信息与归一化处理后的所述目标血管轮廓特征点集T’计算所述目标配准关系;否则,将所述迭代次数加一,并执行下一步。
18.如权利要求17所述的血管外部影像与腔内影像的配准方法,其特征在于,在步骤b)之前还包括:设置所述迭代次数为零。
19.如权利要求1所述的血管外部影像与腔内影像的配准方法,其特征在于,所述二级配准步骤为:利用迭代最近点算法或一致性点漂移算法或鲁棒性点匹配算法对所述第一特征信息和所述第三特征信息进行二级配准,获得所述目标配准结果。
20.如权利要求1所述的血管外部影像与腔内影像的配准方法,其特征在于,所述血管腔内影像为OCT影像或IVUS影像。
21.一种血管外部影像与腔内影像的配准装置,其特征在于,包括:
第一获取模块,用于在血管腔内影像中获取感兴趣血管段的第一特征信息,所述第一特征信息包括所述感兴趣血管段的内部轮廓信息和内部分支信息;其中,所述内部轮廓信息包括所述感兴趣血管段内各处的内血管直径和内血管长度,所述内部分支信息包括内部分支血管的编号及该内部分支血管相对于所述感兴趣血管段的位置信息;
第二获取模块,用于在血管外部影像中获取参考血管的第二特征信息,所述参考血管为所述感兴趣血管段所在的整根血管,所述第二特征信息包括所述参考血管的外部轮廓信息和外部分支信息;其中,所述外部轮廓信息包括所述参考血管各处的外血管直径和外血管长度,所述外部分支信息包括外部分支血管的编号和该外部分支血管相对于所述参考血管的位置信息;
一级配准模块,用于对所述第一特征信息和所述第二特征信息进行一级配准,获得第三特征信息,所述第三特征信息包括所述血管外部影像中的与所述感兴趣血管段相对应的目标血管段的外部轮廓信息和外部分支信息;
二级配准模块,用于对所述第一特征信息和所述第三特征信息进行二级配准,获得目标配准结果。
22.如权利要求21所述的血管外部影像与腔内影像的配准装置,其特征在于,所述一级配准模块包括:
第一采样单元,用于在所述血管外部影像中,对所述参考血管的外部轮廓进行均匀采样,根据所述参考血管的外部轮廓信息获得参考血管轮廓特征点集,所述参考血管轮廓特征点集包括所述血管外部影像中获取的所述参考血管外部轮廓上各点对应的外血管直径和外血管长度;
第二采样单元,用于在所述血管腔内影像中,对所述感兴趣血管段的血管腔内影像进行采样,根据所述感兴趣血管段的内部轮廓信息获得感兴趣血管轮廓特征点集;所述感兴趣血管轮廓特征点集包括所述感兴趣血管段腔内影像中各帧图像对应的血管位置点处的内血管直径和内血管长度,其中,各血管位置点处的内血管长度为该点与起点之间的距离,所述起点为所述血管腔内影像中采集到的靠近所述参考血管近端的端点;
获取单元,用于根据所述参考血管轮廓特征点集和所述感兴趣血管轮廓特征点集获得所述第三特征信息。
23.如权利要求22所述的血管外部影像与腔内影像的配准装置,其特征在于,所述获取单元包括:
窗口构建单元,用于根据所述参考血管轮廓特征点集构建参考区域,根据所述感兴趣血管轮廓特征点集构建滑动窗口;
匹配度计算单元,用于使所述滑动窗口在所述参考区域滑动,根据所述参考血管轮廓特征点集、所述感兴趣血管轮廓特征点集、所述参考血管的外部分支信息和所述感兴趣血管段的内部分支信息计算获得所述参考区域中的各区域与所述滑动窗口之间的匹配度;
比较单元,用于比较各所述匹配度,获得所述第三特征信息。
24.如权利要求23所述的血管外部影像与腔内影像的配准装置,其特征在于,所述参考血管的外部分支信息包括在所述血管外部影像中获取的所述参考血管的各分支血管的编号和所述各分支血管分叉点距离所述参考血管近端的外血管长度;所述感兴趣血管段的内部分支信息包括在所述血管腔内影像中获取的所述感兴趣血管段的各分支血管的编号和所述各分支血管距离所述起点的内血管长度。
25.如权利要求24所述的血管外部影像与腔内影像的配准装置,其特征在于,所述匹配度计算单元对于所述参考区域中各区域与所述滑动窗口之间的匹配度的计算方法包括:
根据所述参考血管轮廓特征点集中的外血管直径和所述感兴趣血管轮廓特征点集中的内血管直径,计算直径匹配分数;
根据所述参考血管的外部分支信息和所述感兴趣血管段的内部分支信息,计算分支匹配分数;
根据所述直径匹配分数和所述分支匹配分数,构建匹配函数,利用所述匹配函数计算所述匹配度。
29.如权利要求28所述的血管外部影像与腔内影像的配准装置,其特征在于,所述β的取值范围为0.3~0.7。
30.如权利要求28所述的血管外部影像与腔内影像的配准装置,其特征在于,所述参考区域中与所述滑动窗口匹配度最大的区域所对应的血管段为所述目标血管段。
31.如权利要求22所述的血管外部影像与腔内影像的配准装置,其特征在于,所述第一采样单元包括:
第一离散子单元,用于对所述血管外部影像中的参考血管的外部轮廓曲线进行均匀采样,将所述参考血管外部轮廓离散为各个点;
第一构建子单元,用于以每点距离参考血管近端的外血管长度为一维特征,以该点外血管直径为二维特征,构建各点的外部轮廓特征点;以及,根据所有所述外部轮廓特征点,获得所述参考血管轮廓特征点集。
32.如权利要求22所述的血管外部影像与腔内影像的配准装置,其特征在于,所述第二采样单元包括:
第二分帧子单元,用于将所述血管腔内影像序列图像中的每一帧作为一个检测点,对所述血管腔内影像进行检测;
第二构建子单元,用于以各帧图像对应的血管位置点与所述起点之间的内血管长度为一维特征,以血管位置点的内血管直径为二维特征,构建各帧图像的内部轮廓特征点;以及,根据所有所述内部轮廓特征点,获得所述感兴趣血管轮廓特征点集。
33.如权利要求23所述的血管外部影像与腔内影像的配准装置,其特征在于,所述一级配准模块还包括:
距离计算单元,用于在所述窗口构建单元构建所述参考区域和所述滑动窗口之前,计算所述感兴趣血管轮廓特征点集中相邻两点之间的距离;
所述第一采样单元还用于在所述血管外部影像中,根据所述距离重新对所述参考血管的外部轮廓进行均匀采样。
34.如权利要求22所述的血管外部影像与腔内影像的配准装置,其特征在于,所述第一采样单元还用于根据所述第三特征信息,确定所述血管外部影像中所述目标血管段的外部轮廓曲线上各点对应的外血管直径和外血管长度,以及,确定所述目标血管段的外部分支信息;以所述外血管长度为一维特征,以所述外血管直径为二维特征,构建所述目标血管段上各点对应的外部轮廓特征点;根据所有外部轮廓特征点,获得所述目标血管轮廓特征点集。
35.如权利要求34所述的血管外部影像与腔内影像的配准装置,其特征在于,所述目标配准结果为所述感兴趣血管轮廓特征点集与所述目标血管轮廓特征点集之间的目标配准关系。
36.如权利要求35所述的血管外部影像与腔内影像的配准装置,其特征在于,所述二级配准模块包括:
归一化单元,用于对所述感兴趣血管轮廓特征点集S和所述目标血管轮廓特征点集T分别进行归一化处理,得到归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’;
误差计算单元,用于接收归一化单元输出的归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’并计算感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差;以及,用于当所述归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差大于或者等于预设值时,接收更新单元输出的更新后的感兴趣血管轮廓特征点集S’,计算更新后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的所述特征误差;
误差判断单元,用于判断所述误差计算单元计算的所述特征误差是否小于预设值;
配准关系计算单元,用于当所述误差判断单元判断所述特征误差小于预设值时,确定所述感兴趣血管轮廓特征点集S’为目标特征信息,并根据所述目标特征信息与归一化处理后的所述目标血管轮廓特征点集T’计算所述目标配准关系;
变换关系计算单元,用于当所述误差判断单元判断所述特征误差大于或等于所述预设值时,获得感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的配准变换关系,并利用所述配准变换关系获得所述感兴趣血管轮廓特征点集S’配准变换后的新感兴趣血管轮廓特征点集S";
更新单元,用于将感兴趣血管轮廓特征点集S’更新为所述变换关系计算单元获得的新感兴趣血管轮廓特征点集S"。
37.如权利要求36所述的血管外部影像与腔内影像的配准装置,其特征在于,所述二级配准模块还包括:
迭代次数判断单元,用于当所述误差判断单元判断所述特征误差大于或者等于所述预设值时,判断迭代次数是否大于预设次数;
累加单元,用于当将所述迭代次数判断单元判断所述迭代次数小于所述预设次数时,对所述迭代次数加一;
所述配准关系计算单元,还用于当所述迭代次数判断单元判断所述迭代次数大于所述预设次数时,确定所述感兴趣血管轮廓特征点集S’为所述目标特征信息,并根据所述目标特征信息与归一化处理后的所述目标血管轮廓特征点集T’计算所述目标配准关系。
38.如权利要求37所述的血管外部影像与腔内影像的配准装置,其特征在于,所述二级配准模块还包括:
初始单元,用于在所述误差计算单元计算归一化处理后的感兴趣血管轮廓特征点集S’和目标血管轮廓特征点集T’之间的特征误差之前,将所述迭代次数设置为零。
39.如权利要求21所述的血管外部影像与腔内影像的配准装置,其特征在于,所述二级配准模块利用迭代最近点算法或一致性点漂移算法或鲁棒性点匹配算法对所述第一特征信息和所述第三特征信息进行二级配准,获得所述目标配准结果。
40.如权利要求21所述的血管外部影像与腔内影像的配准装置,其特征在于,所述血管腔内影像为OCT影像或IVUS影像。
41.一种计算设备,其特征在于,包括:
处理器,适于实现各种指令;
存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行权利要求1-20中任一项所述的血管外部影像与腔内影像的配准方法。
42.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于由处理器加载并执行权利要求1-20中任一项所述的血管外部影像与腔内影像的配准方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011418428.XA CN112509020B (zh) | 2020-12-07 | 2020-12-07 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
JP2023528692A JP2023550068A (ja) | 2020-12-07 | 2021-10-28 | 血管外部画像と腔内画像のレジストレーション方法、装置及びコンピューティングデバイス |
EP21902253.0A EP4227902A4 (en) | 2020-12-07 | 2021-10-28 | METHOD, APPARATUS AND COMPUTER DEVICE FOR ALIGNING AN EXTERNAL BLOOD VESSEL IMAGE WITH AN INTRALUMINAL IMAGE |
US18/038,640 US20240013413A1 (en) | 2020-12-07 | 2021-10-28 | Method and apparatus for registering extravascular image with intravascular image, and computing device |
PCT/CN2021/127049 WO2022121546A1 (zh) | 2020-12-07 | 2021-10-28 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011418428.XA CN112509020B (zh) | 2020-12-07 | 2020-12-07 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112509020A CN112509020A (zh) | 2021-03-16 |
CN112509020B true CN112509020B (zh) | 2021-09-28 |
Family
ID=74970929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011418428.XA Active CN112509020B (zh) | 2020-12-07 | 2020-12-07 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240013413A1 (zh) |
EP (1) | EP4227902A4 (zh) |
JP (1) | JP2023550068A (zh) |
CN (1) | CN112509020B (zh) |
WO (1) | WO2022121546A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509020B (zh) * | 2020-12-07 | 2021-09-28 | 昆山戎影医疗科技有限公司 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
CN113616160B (zh) * | 2021-09-14 | 2024-02-06 | 苏州博动戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
CN114155243B (zh) * | 2022-02-09 | 2022-07-05 | 天津恒宇医疗科技有限公司 | 基于特征信息的ivus和oct图像融合方法及系统 |
CN114820600B (zh) * | 2022-06-27 | 2022-09-27 | 天津恒宇医疗科技有限公司 | 基于oct图像的冠脉血管内支架检测方法及检测系统 |
CN115534304B (zh) * | 2022-09-29 | 2023-04-11 | 灰觋有限公司 | 一种fdm打印装置及打印制品质量的自动检测方法 |
CN116919433B (zh) * | 2023-09-19 | 2024-01-09 | 北京唯迈医疗设备有限公司 | 一种融合dsa影像的图像分析方法和系统 |
CN118015053B (zh) * | 2024-04-08 | 2024-06-11 | 重庆医科大学绍兴柯桥医学检验技术研究中心 | 一种多模态医学影像配准处理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105188550A (zh) * | 2013-03-12 | 2015-12-23 | 光学实验室成像公司 | 血管数据处理和图像配准系统、方法及装置 |
CN111091567A (zh) * | 2020-03-23 | 2020-05-01 | 南京景三医疗科技有限公司 | 医学图像配准方法、医疗设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008543511A (ja) * | 2005-06-24 | 2008-12-04 | ヴォルケイノウ・コーポレーション | 脈管の画像作製方法 |
US9514513B2 (en) * | 2008-08-08 | 2016-12-06 | University of Pittsburgh—of the Commonwealth System of Higher Education | Establishing compatibility between two- and three-dimensional optical coherence tomography scans |
EP2642922A1 (en) * | 2010-11-24 | 2013-10-02 | Boston Scientific Scimed, Inc. | Systems and methods for detecting and displaying body lumen bifurcations |
CN103810709B (zh) * | 2014-02-25 | 2016-08-17 | 南京理工大学 | 基于血管的眼底图像与sd-oct投影图像配准方法 |
CN105761254B (zh) * | 2016-02-04 | 2019-01-01 | 浙江工商大学 | 基于图像特征的眼底图像配准方法 |
CN107123137B (zh) * | 2017-04-28 | 2020-05-22 | 上海联影医疗科技有限公司 | 医学图像处理方法及设备 |
CN107133959B (zh) * | 2017-06-12 | 2020-04-28 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
CN108198211A (zh) * | 2017-11-20 | 2018-06-22 | 海纳医信(北京)软件科技有限责任公司 | 眼底图像的处理方法及装置、存储介质、处理器 |
CN108038848B (zh) * | 2017-12-07 | 2020-08-11 | 上海交通大学 | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 |
CN108053429B (zh) * | 2017-12-28 | 2021-11-02 | 中科微光医疗研究中心(西安)有限公司 | 一种心血管oct与冠脉造影自动配准方法与装置 |
CN108198174B (zh) * | 2017-12-28 | 2021-11-19 | 中科微光医疗研究中心(西安)有限公司 | 一种心血管ivoct与ivus自动配准方法与装置 |
CN110288637B (zh) * | 2019-06-13 | 2021-09-21 | 北京理工大学 | 多角度dsa造影图像血管匹配方法及装置 |
CN112509020B (zh) * | 2020-12-07 | 2021-09-28 | 昆山戎影医疗科技有限公司 | 血管外部影像与腔内影像的配准方法、装置及计算设备 |
-
2020
- 2020-12-07 CN CN202011418428.XA patent/CN112509020B/zh active Active
-
2021
- 2021-10-28 EP EP21902253.0A patent/EP4227902A4/en active Pending
- 2021-10-28 WO PCT/CN2021/127049 patent/WO2022121546A1/zh active Application Filing
- 2021-10-28 JP JP2023528692A patent/JP2023550068A/ja active Pending
- 2021-10-28 US US18/038,640 patent/US20240013413A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105188550A (zh) * | 2013-03-12 | 2015-12-23 | 光学实验室成像公司 | 血管数据处理和图像配准系统、方法及装置 |
CN111652917A (zh) * | 2013-03-12 | 2020-09-11 | 光学实验室成像公司 | 血管数据处理和图像配准系统、方法及装置 |
CN111091567A (zh) * | 2020-03-23 | 2020-05-01 | 南京景三医疗科技有限公司 | 医学图像配准方法、医疗设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20240013413A1 (en) | 2024-01-11 |
WO2022121546A1 (zh) | 2022-06-16 |
EP4227902A4 (en) | 2024-04-17 |
EP4227902A1 (en) | 2023-08-16 |
JP2023550068A (ja) | 2023-11-30 |
CN112509020A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112509020B (zh) | 血管外部影像与腔内影像的配准方法、装置及计算设备 | |
US10580526B2 (en) | System and method for calculating vessel flow parameters based on angiography | |
CN108633312B (zh) | 一种在x射线图像中的造影云检测方法 | |
JP6243453B2 (ja) | 血管内画像におけるマルチモーダルセグメンテーション | |
WO2019109607A1 (zh) | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 | |
JP2021045558A (ja) | 血管モデルの作成方法 | |
JP4981938B2 (ja) | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 | |
JP2021140820A (ja) | 血管内画像における影の検出および検証 | |
WO2019242227A1 (zh) | 一种冠状动脉的自动配准方法 | |
CN105188550A (zh) | 血管数据处理和图像配准系统、方法及装置 | |
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 | |
EP4382046A1 (en) | System for predicting origin position of ventricular arrhythmia, and electronic device and storage medium | |
US8175684B2 (en) | Method for processing images and associated medical imaging system | |
CN113040812B (zh) | 医学图像分析方法、装置、计算机设备和存储介质 | |
CN108335732A (zh) | 一种oct影像的病例推荐方法及其系统 | |
CN111407403B (zh) | 用于确定血管中的侵入性医学仪器的导航路径的方法和系统 | |
EP2590096A2 (en) | Method and apparatus for displaying analysis result of medical measured data | |
KR20180008134A (ko) | 분획 혈류 예비력 예측 방법 | |
CN116664486A (zh) | 血管内外图像血管中心线两阶段配准方法和系统 | |
CN108053434B (zh) | 一种基于心血管oct的支架对齐方法及装置 | |
CN113592802B (zh) | 一种基于超声图像的二尖瓣环位移自动检测系统 | |
CN114119688A (zh) | 基于深度学习的冠状动脉造影前后单模医学图像配准方法 | |
Medina et al. | Curvature and torsion estimation for coronary-artery motion analysis | |
CN111784732A (zh) | 训练心脏运动场估计模型、心脏运动场估计的方法及系统 | |
CN116746893B (zh) | 基于单体位造影数据的血管压力差计算方法及装置 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Room 301, auxiliary building 4, accelerator, No. 135, Zhangji Road, Kunshan Development Zone, Suzhou, Jiangsu 215347 Patentee after: Suzhou Bodong Rongying Medical Technology Co.,Ltd. Address before: Room 1009, North building, complex building, 1699 Zuchongzhi South Road, Yushan Town, Kunshan City, Suzhou City, Jiangsu Province Patentee before: Kunshan Rongying Medical Technology Co.,Ltd. |