CN112927275A - 一种图像处理方法及装置、电子设备和存储介质 - Google Patents

一种图像处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112927275A
CN112927275A CN202110198876.1A CN202110198876A CN112927275A CN 112927275 A CN112927275 A CN 112927275A CN 202110198876 A CN202110198876 A CN 202110198876A CN 112927275 A CN112927275 A CN 112927275A
Authority
CN
China
Prior art keywords
image
region
coronary
area
heart
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
CN202110198876.1A
Other languages
English (en)
Other versions
CN112927275B (zh
Inventor
梁隆恺
吴振洲
刘盼
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.)
Beijing Ande Yizhi Technology Co ltd
Original Assignee
Beijing Ande Yizhi 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 Beijing Ande Yizhi Technology Co ltd filed Critical Beijing Ande Yizhi Technology Co ltd
Priority to CN202110198876.1A priority Critical patent/CN112927275B/zh
Publication of CN112927275A publication Critical patent/CN112927275A/zh
Priority to PCT/CN2021/122320 priority patent/WO2021259394A2/zh
Application granted granted Critical
Publication of CN112927275B publication Critical patent/CN112927275B/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
    • G06T7/30—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
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：获取冠脉血管图像和心脏图像；对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系；确定所述心脏图像上的至少一个第一钙化区域；确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。本公开实施例可实现提高了对目标钙化区域判定的准确性。

Description

一种图像处理方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
冠心病是心血管疾病的一种，也是世界公认死亡率最高的疾病之一。冠状动脉(冠脉)钙化与冠心病的发病存在相关性。因此，对冠脉钙化情况做出准确判断，例如准确计算钙化积分，将有助于对冠心病患者的患病情况做出预测。
通常，从CT图像中分割出心脏图像后，会在分割出的心脏图像中确定冠脉分支上的钙化区域，然后计算冠脉钙化积分。由于CT图像无法显示血管走势，所以无法准确获得冠脉分支上的钙化区域，进而无法获得准确的冠脉钙化积分。
发明内容
本公开提出了一种图像处理技术方案。
根据本公开的一方面，提供了一种图像处理方法，包括：
对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系；
确定所述心脏图像上的至少一个第一钙化区域；
确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。
在一种可能的实现方式中，所述冠脉血管图像为计算机体层血管成像CTA图像，所述心脏图像为计算机体层成像CT图像；所述CTA图像和所述CT图像为对同一目标对象进行图像采集得到的。
在一种可能的实现方式中，所述对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系，包括：
确定所述冠脉血管图像中的冠脉血管区域，以及所述心脏图像中的心脏区域；
对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系。
在一种可能的实现方式中，所述对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系，包括：
确定所述冠脉血管图像中的第一矩形区域，所述第一矩形区域包括包含所述冠脉血管区域的最小矩形区域；
确定所述心脏图像中的第二矩形区域，所述第二矩形区域包括包含所述心脏区域的最小矩形区域；
对所述第一矩形区域和所述第二矩形区域进行图像配准，得到第一矩形区域和第二矩形区域中同名像点的对应关系。
在一种可能的实现方式中，所述第一钙化区域，包括：
所述心脏图像上CT值大于130Hu的体素所在的区域。
在一种可能的实现方式中，所述确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域，包括：
根据所述对应关系，将所述第一钙化区域叠加到所述冠脉血管图上的目标区域，所述目标区域为所述第一钙化区域的同名像点所在的区域；
将所述第一钙化区域中与所述冠脉血管区域重叠的区域，作为目标钙化区域。
在一种可能的实现方式中，所述冠脉血管图像为剔除血管体积值最大的血管后，得到的冠脉血管图像，所述对所述冠脉血管图像和所述心脏图像进行图像配准之前，还包括：统计所述冠脉血管图像中各血管体积值；在所述冠脉血管图像中，去除所述血管体积值最大的血管。
根据本公开的一方面，提供了一种图像处理装置，包括：
输入单元，用于获取冠脉血管图像和心脏图像；
配准单元，用于对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系；
第一区域判定单元，用于确定所述心脏图像上的至少一个第一钙化区域；
目标区域确定单元，用于确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。
在一种可能的实现方式中，所述冠脉血管图像为计算机体层血管成像CTA图像，所述心脏图像为计算机体层成像CT图像；所述CTA图像和所述CT图像为对同一目标对象进行图像采集得到的。
在一种可能的实现方式中，所述配准单元，包括：
特征提取子单元，用于确定所述冠脉血管图像中的冠脉血管区域，以及所述心脏图像中的心脏区域。
第一配准子单元，用于对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系。
在一种可能的实现方式中，所述第一配准子单元，包括：
第一区域划分子单元，用于确定所述冠脉血管图像中的第一矩形区域，所述第一矩形区域包括包含所述冠脉血管区域的最小矩形区域；
第二区域划分子单元，用于确定所述心脏图像中的第二矩形区域，所述第二矩形区域包括包含所述心脏区域的最小矩形区域；
第二配准子单元，用于对所述第一矩形区域和所述第二矩形区域进行图像配准，得到第一矩形区域和第二矩形区域中同名像点的对应关系。
在一种可能的实现方式中，所述第一钙化区域，包括：所述心脏图像上CT值大于130Hu的体素所在的区域。
在一种可能的实现方式中，所述目标区域确定单元，包括：
图形叠加单元，用于根据所述对应关系，将所述第一钙化区域叠加到所述冠脉血管图上的目标区域，所述目标区域为所述第一钙化区域的同名像点所在的区域；
目标区域确定子单元，用于将所述第一钙化区域中与所述冠脉血管区域重叠的区域，作为目标钙化区域。
在一种可能的实现方式中，所述图像处理装置，还包括：
统计单元，用于统计所述冠脉血管图像中各血管体积值；
要素去除单元，用于在所述冠脉血管图像中，去除所述血管体积值最大的血管。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，将获取的冠脉血管图像配准到心脏图像上，从而获得两个图像中同名像点的对应关系；之后，在心脏图像上确定第一钙化区域，并确定第一钙化区域中，与冠脉血管图像中的冠脉血管区域具备同名像点对应关系的目标钙化区域。由于确定出的目标钙化区域是与冠脉血管区域具备同名像点对应关系的区域，那么，目标钙化区域即为冠脉分支上的钙化区域，因此，提高了冠脉分支上钙化区域判定的准确性，以便准确地计算冠脉钙化积分，也可准确地展示冠脉分支上的钙化区域。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图。
图2示出根据本公开实施例的图像处理装置的框图。
图3示出根据本公开实施例的电子设备的框图。
图4示出根据本公开实施例的电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
在一种可能的实现方式中，所述图像处理方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。
图1示出根据本公开实施例的图像处理方法的流程图，如图1所示，所述图像处理方法包括：
在步骤S11中，获取冠脉血管图像和心脏图像。
本公开实施例中，冠脉血管图像中能够清晰地显示冠脉血管信息，而心脏图像中能够清晰地显示心脏信息和各组织密度差异。
冠脉血管图像和心脏图像可以是由用户输入的，也可以是从图像扫描设备接收的。
针对同一扫描对象，图像扫描设备通过不同的图像获取方式，往往能够获取到突出不同特征的图像。在一些实现方式中，图像扫描设备可以是电子计算机断层扫描(Computed Tomography，CT)设备。例如，在对心脏进行CT扫描后，可以获取到能够清晰显示心脏的心脏图像；在碘造影剂的作用下，再对心脏进行CT扫描，可以获取到能够清晰显示冠脉血管的冠脉血管图像。
其中，心脏图像中可以突出显示心脏本体的影像，也可以包括其他组织的影像；同样，在冠脉血管图像中可以突出显示冠脉血管，也可以包含其他组织的影像。
在步骤S12中，对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系。
图像扫描设备在对患者进行多次扫描时，由于患者与图像扫描设备之间的相对位置有可能发生改变。所以目标对象在图像上的位置也会发生变化，导致这些图像上的信息不能完全匹配，进而使得这些图像的信息无法正确合并呈现。因此，可以首先对这些图像进行图像配准。
在图像配准中，可以将相同/不同模式的两幅或多幅图像进行空间变换、结构匹配、像素叠加，实现图像空间对应。常用的图像配准方法例如可以是基于特征的图像配准方法，这种方法的基本思想是：提取两幅或多幅图像中的图像特征；基于图像特征来进行两幅或多幅图像的配准；以获得两幅或多幅图像中同名像点间的对应关系。
在本公开实施例中，可以在冠脉血管图像和心脏图像中，提取两图中共有的、表现心脏或冠脉血管的特征点。例如，心脏、血管的连接处像点、心脏轮廓上像点等特征点。然后，再通过特征提取算法，实现同名像点提取。同名像点的对应关系可以包括一个或多个像素点的对应关系。本公开不具体对同名像点的选取、特征提取算法、同名像点对应关系进行限定。
在一些实现方式中，图像配准可以利用经过训练的神经网络实现。
冠脉血管图像和心脏图像配准后，为图像间信息叠加提供条件，直观展现钙化区域的位置，使得冠脉钙化的检测更准确。
在步骤S13中，确定所述心脏图像上的至少一个第一钙化区域。
如前文所述，心脏图像是使用图像扫描设备对目标对象进行扫描得到的。图像扫描设备有多种，以CT设备为例，在CT技术中，会以X线束从多个方向沿着身体某一选定断层层面进行照射，测定透过的X线量并数字化后，计算得出该层面组织各个单位容积的吸收系数，然后依据该吸收系数构建图像。
身体各部分由于密度差异，对X射线的吸收率不同，因此透过该部分的X射线也会不同。穿透出来的X射线经探测器转变为该可见光后，由光电转换变为电信号，再经模拟/数字转换器转为数据，输入计算机处理生成图像。所以，利用CT技术可以分辨身体各部分密度的差别，使用CT值来表示各部分密度，其单位为Hu(Hounsfield Unit)。CT值越高，表示该部分的密度越高。
第一钙化区域为心脏图像上可能发生钙化的区域，在本公开实施例中，在心脏图像为通过CT设备扫描得到的图像的情况下，可以在心脏图像上选取满足预定CT值阈值的区域作为第一钙化区域。预定CT阈值可以根据临床医学上对于冠脉钙化区域的判定经验确定，使得本公开实施例确定的钙化区域满足实际应用需要、也更准确。
在步骤S14中，确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。
通过上述步骤12，将冠脉血管图像与心脏图像配准，得到了冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系。那么，在确定出心脏图像中的第一钙化区域后，即可根据该对应关系，来得到第一钙化区域中位于冠脉血管区域的钙化区域，这里的冠脉血管区域，可以是冠脉血管图像中冠脉分支所在的区域。
具体来说，由于第一钙化区域位于心脏图像中，所以，将第一钙化区域叠加到配准后的冠脉血管图像上时，使得第一钙化区域与血管的空间关系准确呈现。那么，在确定目标钙化区域的过程中，具体可以选取第一钙化区域中与冠脉血管有交集的钙化区域，作为目标钙化区域，提高了冠脉血管上钙化区域确定的准确性。
此外，还可以依据冠脉血管图像与心脏图像中同名像点的一一对应关系，来确定与冠脉血管具备对应关系的第一钙化区域，作为目标钙化区域。
在本公开实施例中，将获取的冠脉血管图像配准到心脏图像上，从而获得两个图像中同名像点的对应关系；之后，在心脏图像上确定第一钙化区域，并确定第一钙化区域中，与冠脉血管图像中的冠脉血管区域具备同名像点对应关系的目标钙化区域。由于确定出的目标钙化区域是与冠脉血管区域具备同名像点对应关系的区域，那么，目标钙化区域即为冠脉分支上的钙化区域，因此，提高了冠脉分支上钙化区域判定的准确性，以便准确地计算冠脉钙化积分，也可准确地展示冠脉分支上的钙化区域。
在一种可能的实施方式中，所述冠脉血管图像为计算机体层血管成像CTA(Computed Tomography Angiography)图像，所述心脏图像为计算机体层成像CT图像；所述CTA图像和所述CT图像为对同一目标对象进行图像采集得到的。
CT图像和CTA图像的成像设备均可以为CT设备。不同之处在于，CT图像是使用CT设备直接对人体进行扫描后获得，在CT图像上，密度越高的区域，图像越亮，反之越暗，图像中非正常区域会从周围的区域中突显出来。人体病变组织的密度与其正常时的组织密度不同，因此可以使用CT图像判断出人体各部分的病变区域。CTA图像是先向身体注射造影剂，再使用CT设备对人体进行扫描后获得。由于造影剂的密度高于或低于身体组织密度，可以使得被注射位置的器官或组织在图像上更加突出的显示。
在本公开实施例中，血管的钙化区域较正常血管的密度明显增大，所以使用CT图像能够容易辨别钙化区域的位置。不过，CT图像上不能清楚显示血管的特征，以达到医学判断的需求。CTA图像可以很好的弥补这一缺陷，经过造影剂增强后，冠脉血管可以在图像上非常清晰的显示出来。因此，选取同一目标对象的CT图像和CTA图像作为待处理图像数据。
在一种可能的实施方式中，所述对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系，包括：确定所述冠脉血管图像中的冠脉血管区域，以及所述心脏图像中的心脏区域；对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系。
基于前文所述，CT图像上，心脏区域是主要处理对象；CTA图像上，冠脉血管是主要处理对象。所以，心脏区域和冠脉血管区域作为图像特征可以分别被提取出来进行后续操作。之后，再用心脏区域的图像和冠脉血管区域的图像进行配准，可以缩小用于图像配准的区域，提高配准精度。
在一种可能的实施方式中，所述对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系，包括：确定所述冠脉血管图像中的第一矩形区域，所述第一矩形区域包括包含所述冠脉血管区域的最小矩形区域；确定所述心脏图像中的第二矩形区域，所述第二矩形区域包括包含所述心脏区域的最小矩形区域；对所述第一矩形区域和所述第二矩形区域进行图像配准，得到第一矩形区域和第二矩形区域中同名像点的对应关系。
心脏图像中的心脏区域是心脏图像中包含表示心脏像素点的最小矩形区域。确定心脏区域时，可以在心脏图像上，找到表示心脏像素点在各坐标轴上的最大值和最小值。然后，用这个最大值和最小值确定的平面对心脏图像进行切割，获得心脏区域。例如，心脏图像中表示心脏的像素在各个轴上的最大值坐标为(xmax,ymax,zmax)，最小值坐标为(xmin,ymin,zmin)。以x轴为例，做包含x轴最大值坐标(xmax,0,0)且平行于平面yoz的平面αmax；然后，做包含x轴最小值坐标(xmin,0,0)且平行于平面yoz的平面αmin。同理，可以得到包含y轴最大值坐标且平行于平面xoz的平面βmax；包含y轴最小值坐标且平行于平面xoz的平面βmin；以及，包含z轴最大值坐标且平行于平面xoy的平面γmax；包含z轴最小值坐标且平行于平面xoy的平面γmin。使用αmax、αmin、αmin、βmin、γmax、γmin这些平面将图像切割，可以获得心脏区域。
冠脉血管区域的确定方法与心脏区域的确定类似。可以在冠脉血管图像上找到表示冠脉血管像素点在各坐标轴上的最大值和最小值。之后，用这个最大值和最小值确定的平面对冠脉血管图像进行切割，获得冠脉血管区域。具体方法不再赘述。
使用心脏区域和冠脉血管区域进行配准，既保留了必要的图像特征，又缩小了待配准的图像范围，所以，在提高了图像配准效率的同时，也提高了图像配准精度。同时，提高了两图中的同名像点对应关系的准确度。
在一种可能的实施方式中，所述第一钙化区域，包括：所述心脏图像上CT值大于130Hu的体素所在的区域。
本公开实施例中的方法能够提高确定冠脉分支中钙化区域的准确率。钙化区域的准确判定能够准确计算冠脉钙化积分，进而准确确定冠脉钙化情况。
冠脉钙化积分是以CT值确定冠状动脉钙化的程度与范围。它是反映心脏风险的指标；一般情况下，冠脉钙化积分是大于1mm2或1像素的钙化区域面积乘以其最大密度加权系数后的和。其中，加权系数的取值可以为：密度小于130Hu时，加权系数为0；密度取值为130～199Hu时，加权系数为1；密度取值为200～299Hu时，加权系数为2；密度取值为300～399Hu时，加权系数为3，密度取值大于400时，加权系数为4。即在图像中，在冠脉血管的位置上出现的密度大于等于130的像素或区域，将被确定为钙化区域。因此，第一钙化区域的选取阈值为大于130Hu。
在一种可能的实施方式中，所述确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域，包括：根据所述对应关系，将所述第一钙化区域叠加到所述冠脉血管图上的目标区域，所述目标区域为所述第一钙化区域的同名像点所在的区域；将所述第一钙化区域中与所述冠脉血管区域重叠的区域，作为目标钙化区域。
可以根据前述同名像点对应关系，对第一钙化区域进行平移、旋转、缩放等操作，将第一钙化区域叠加到冠脉血管图像上，分析图像上第一钙化区域与冠脉血管的空间位置关系。选取与冠脉血管有重叠关系的第一钙化区域，作为目标钙化区域，目标钙化区域可以用于计算钙化积分。
在一种可能的实施方式中，所述冠脉血管图像为剔除血管体积值最大的血管后，得到的冠脉血管图像，所述对所述冠脉血管图像和所述心脏图像进行图像配准之前，还包括：统计所述冠脉血管图像中各血管体积值；在所述冠脉血管图像中，去除所述血管体积值最大的血管。
在冠脉血管图像中，通过统计各个血管的体积值，可以准确辨别其中体积最大的冠脉血管主干。目标钙化区域分布于冠脉分支上，将冠脉主干剔除后再进行后续图像处理，可以减少不必要的图像特征，提高处理效率；而且，可以避免误将冠脉血管主干上的钙化区域确定为目标钙化区域，提高了目标钙化区域判定的准确性。
本公开实施例提供的图像处理方法可以基于神经网络来实现，所述神经网络包括：第一提取网络、第二提取网络和图像配准网络，在一种可能的实施方式中，所述确定所述冠脉血管图像中的冠脉血管区域，以及所述心脏图像中的心脏区域，包括：将所述CTA图像输入第一提取网络，确定所述冠脉血管区域；将所述CT图像输入第二提取网络，确定所述心脏区域；将所述冠脉血管区域和所述心脏区域输入所述图像配准网络中，得到所述冠脉血管区域和心脏区域中同名像点的对应关系。
合理的图像尺寸能够有利于神经网络分析效率提升。本公开实施例中，可以利用固定窗口来控制神经网络输入数据的图像尺寸。例如选取256×256×256像素的矩形，作为图像固定窗口，并保存此固定窗口的中心点。然后，根据前述表示心脏(或冠脉血管)的像素的最大值坐标和最小值坐标分别计算每个轴的中心值(xcent,ycent,zcent)，以此点作为图像中心点。计算公式如下：
Figure BDA0002947319430000081
Figure BDA0002947319430000082
Figure BDA0002947319430000083
将图像输入到神经网络时，满足图像中心点与所述固定窗口中心点匹配即可。
在本公开实施例中，图像配准网络可以是深度神经网络，可以包括多个子网络，其中第一子网络和第二子网络用于图像特征提取。本图像配准网络可以包括卷积层、池化层、采样层、向上卷积层等一个或多个网络层，本公开不对具体的神经网络结构进行限制。
对神经网络预设内部参数，使用训练样本进行训练，利用预测结果与样本标签的差异，对于神经网络进行调参优化，直至所述差异满足预设的阈值要求，结束训练。经过训练后的神经网络，可以提高图像特征选取、图像配准的准确性和效率。
对于神经网络的具体预测过程，此处不做赘述。可以理解的是，本公开实施例中的“第一”和“第二”用于区分所描述的对象，而不应当理解为对描述对象的次序等其它限定。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图2示出根据本公开实施例的图像处理装置的框图，如图2所示，所述装置20包括：
输入单元21，用于获取冠脉血管图像和心脏图像；
配准单元22，用于对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系；
第一区域判定单元23，用于确定所述心脏图像上的至少一个第一钙化区域；
目标区域确定单元24，用于确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。
在一种可能的实现方式中，所述冠脉血管图像为计算机体层血管成像CTA图像，所述心脏图像为计算机体层成像CT图像；所述CTA图像和所述CT图像为对同一目标对象进行图像采集得到的。
在一种可能的实现方式中，所述配准单元22，包括：
特征提取子单元，用于确定所述冠脉血管图像中的冠脉血管区域，以及所述心脏图像中的心脏区域。
第一配准子单元，用于对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系。
在一种可能的实现方式中，所述第一配准子单元，包括：
第一区域划分子单元，用于确定所述冠脉血管图像中的第一矩形区域，所述第一矩形区域包括包含所述冠脉血管区域的最小矩形区域；
第二区域划分子单元，用于确定所述心脏图像中的第二矩形区域，所述第二矩形区域包括包含所述心脏区域的最小矩形区域；
第二配准子单元，用于对所述第一矩形区域和所述第二矩形区域进行图像配准，得到第一矩形区域和第二矩形区域中同名像点的对应关系。
在一种可能的实现方式中，所述第一钙化区域，包括：所述心脏图像上CT值大于130Hu的体素所在的区域。
在一种可能的实现方式中，所述目标区域确定单元24，包括：
图形叠加单元，用于根据所述对应关系，将所述第一钙化区域叠加到所述冠脉血管图上的目标区域，所述目标区域为所述第一钙化区域的同名像点所在的区域；
目标区域确定子单元，用于将所述第一钙化区域中与所述冠脉血管区域重叠的区域，作为目标钙化区域。
在一种可能的实现方式中，所述图像处理装置，还包括：
统计单元，用于统计所述冠脉血管图像中各血管体积值；
要素去除单元，用于在所述冠脉血管图像中，去除所述血管体积值最大的血管。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图3示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图3，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图4示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图4，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。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，都可以由计算机可读程序指令实现。
这些计算机可读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可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
获取冠脉血管图像和心脏图像；
对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系；
确定所述心脏图像上的至少一个第一钙化区域；
确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。
2.根据权利要求1所述的方法，其特征在于，所述冠脉血管图像为计算机体层血管成像CTA图像，所述心脏图像为计算机体层成像CT图像；
所述CTA图像和所述CT图像为对同一目标对象进行图像采集得到的。
3.根据权利要求1-2任一所述的方法，其特征在于，所述对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系，包括：
确定所述冠脉血管图像中的冠脉血管区域，以及所述心脏图像中的心脏区域；
对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系。
4.根据权利要求3所述方法，其特征在于，所述对所述冠脉血管区域和心脏区域进行图像配准，得到所述冠脉血管区域和心脏区域中同名像点的对应关系，包括：
确定所述冠脉血管图像中的第一矩形区域，所述第一矩形区域包括包含所述冠脉血管区域的最小矩形区域；
确定所述心脏图像中的第二矩形区域，所述第二矩形区域包括包含所述心脏区域的最小矩形区域；
对所述第一矩形区域和所述第二矩形区域进行图像配准，得到第一矩形区域和第二矩形区域中同名像点的对应关系。
5.根据权利要求2所述的方法，其特征在于，所述第一钙化区域，包括：
所述心脏图像上CT值大于130Hu的体素所在的区域。
6.根据权利要求1-5任一所述的方法，其特征在于，所述确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域，包括：
根据所述对应关系，将所述第一钙化区域叠加到所述冠脉血管图上的目标区域，所述目标区域为所述第一钙化区域的同名像点所在的区域；
将所述第一钙化区域中与所述冠脉血管区域重叠的区域，作为目标钙化区域。
7.根据权利要求1-6任一所述的方法，其特征在于，所述冠脉血管图像为剔除血管体积值最大的血管后，得到的冠脉血管图像；
所述对所述冠脉血管图像和所述心脏图像进行图像配准之前，还包括：
统计所述冠脉血管图像中各血管体积值；
在所述冠脉血管图像中，去除所述血管体积值最大的血管。
8.一种图像处理装置，其特征在于，包括：
输入单元，用于获取冠脉血管图像和心脏图像；
配准单元，用于对所述冠脉血管图像和所述心脏图像进行图像配准，得到所述冠脉血管图像和所述心脏图像中至少一个同名像点的对应关系；
第一区域确定单元，用于确定所述心脏图像上的至少一个第一钙化区域；
目标区域确定单元，用于确定所述第一钙化区域中，与所述冠脉血管图像中的冠脉血管区域具备所述对应关系的目标钙化区域。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN202110198876.1A 2021-02-22 2021-02-22 一种图像处理方法及装置、电子设备和存储介质 Active CN112927275B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110198876.1A CN112927275B (zh) 2021-02-22 2021-02-22 一种图像处理方法及装置、电子设备和存储介质
PCT/CN2021/122320 WO2021259394A2 (zh) 2021-02-22 2021-09-30 一种图像处理方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110198876.1A CN112927275B (zh) 2021-02-22 2021-02-22 一种图像处理方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112927275A true CN112927275A (zh) 2021-06-08
CN112927275B CN112927275B (zh) 2022-03-01

Family

ID=76170283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110198876.1A Active CN112927275B (zh) 2021-02-22 2021-02-22 一种图像处理方法及装置、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN112927275B (zh)
WO (1) WO2021259394A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021259394A3 (zh) * 2021-02-22 2022-02-17 北京安德医智科技有限公司 一种图像处理方法及装置、电子设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108053429A (zh) * 2017-12-28 2018-05-18 西安中科微光影像技术有限公司 一种心血管oct与冠脉造影自动配准方法与装置
CN109288536A (zh) * 2018-09-30 2019-02-01 数坤（北京）网络科技有限公司 获取冠脉钙化区域分类的方法、装置及系统
US20190051002A1 (en) * 2014-03-26 2019-02-14 Koninklijke Philips N.V. Device and method for medical imaging of coronary vessels
CN109389592A (zh) * 2018-09-30 2019-02-26 数坤（北京）网络科技有限公司 计算冠脉钙化积分的方法、装置及系统
CN111145160A (zh) * 2019-12-28 2020-05-12 上海联影医疗科技有限公司 钙化区域所处冠脉分支的确定方法、装置、服务器及介质
US20200237329A1 (en) * 2019-01-25 2020-07-30 Cleerly, Inc. Systems and method of characterizing high risk plaques
US20200273167A1 (en) * 2019-02-21 2020-08-27 Case Western Reserve University Assessment of arterial calcifications

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8867822B2 (en) * 2011-10-14 2014-10-21 Fujifilm Corporation Model-based coronary artery calcium scoring
CN112184787A (zh) * 2020-10-27 2021-01-05 北京市商汤科技开发有限公司 图像配准方法及装置、电子设备和存储介质
CN112927275B (zh) * 2021-02-22 2022-03-01 北京安德医智科技有限公司 一种图像处理方法及装置、电子设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190051002A1 (en) * 2014-03-26 2019-02-14 Koninklijke Philips N.V. Device and method for medical imaging of coronary vessels
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
CN108053429A (zh) * 2017-12-28 2018-05-18 西安中科微光影像技术有限公司 一种心血管oct与冠脉造影自动配准方法与装置
CN109288536A (zh) * 2018-09-30 2019-02-01 数坤（北京）网络科技有限公司 获取冠脉钙化区域分类的方法、装置及系统
CN109389592A (zh) * 2018-09-30 2019-02-26 数坤（北京）网络科技有限公司 计算冠脉钙化积分的方法、装置及系统
US20200237329A1 (en) * 2019-01-25 2020-07-30 Cleerly, Inc. Systems and method of characterizing high risk plaques
US20200273167A1 (en) * 2019-02-21 2020-08-27 Case Western Reserve University Assessment of arterial calcifications
CN111145160A (zh) * 2019-12-28 2020-05-12 上海联影医疗科技有限公司 钙化区域所处冠脉分支的确定方法、装置、服务器及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BOB D. DE VOS等: "Direct Automatic Coronary Calcium Scoring in Cardiac and Chest CT", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *
刘丽等: "基于中国数字化人体的冠状动脉CTA多维可视化应用研究", 《重庆医学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021259394A3 (zh) * 2021-02-22 2022-02-17 北京安德医智科技有限公司 一种图像处理方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
WO2021259394A2 (zh) 2021-12-30
WO2021259394A3 (zh) 2022-02-17
CN112927275B (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN109978886B (zh) 图像处理方法及装置、电子设备和存储介质
WO2022151755A1 (zh) 目标检测方法及装置、电子设备、存储介质、计算机程序产品和计算机程序
CN111310764A (zh) 网络训练、图像处理方法及装置、电子设备和存储介质
CN112967291B (zh) 图像处理方法及装置、电子设备和存储介质
CN111899268B (zh) 图像分割方法及装置、电子设备和存储介质
CN112541928A (zh) 网络训练方法及装置、图像分割方法及装置和电子设备
CN113222038B (zh) 基于核磁图像的乳腺病灶分类和定位方法及装置
CN113034491B (zh) 一种冠脉钙化斑块检测方法及装置
CN113012166A (zh) 颅内动脉瘤分割方法及装置、电子设备和存储介质
US20220101620A1 (en) Method and apparatus for interactive display of image positioning, electronic device and storage medium
CN112070763A (zh) 一种图像数据处理方法及装置、电子设备和存储介质
JP2022518583A (ja) ニューラルネットワークトレーニングおよび画像分割方法、装置、機器
CN114140616A (zh) 心率检测方法及装置、电子设备和存储介质
CN112927239A (zh) 图像处理方法、装置、电子设备及存储介质
CN111860388A (zh) 图像处理方法及装置、电子设备和存储介质
CN113160947A (zh) 医学图像的展示方法及装置、电子设备和存储介质
CN111798498A (zh) 图像处理方法及装置、电子设备和存储介质
CN111724361B (zh) 实时显示病灶的方法及装置、电子设备和存储介质
CN112927275B (zh) 一种图像处理方法及装置、电子设备和存储介质
CN111640114A (zh) 图像处理方法及装置
CN112308867B (zh) 牙齿图像的处理方法及装置、电子设备和存储介质
CN113902730A (zh) 图像处理和神经网络训练方法及装置
CN111882527B (zh) 图像处理方法及装置、电子设备和存储介质
JP2023504957A (ja) 歯画像の処理方法、装置、電子機器、記憶媒体及びプログラム
CN112767347A (zh) 一种图像配准方法及装置、电子设备和存储介质

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Image processing method and device, electronic equipment and storage medium

Effective date of registration: 20221115

Granted publication date: 20220301

Pledgee: Beijing Jiahesen Health Technology Co.,Ltd.

Pledgor: BEIJING ANDE YIZHI TECHNOLOGY Co.,Ltd.

Registration number: Y2022990000806

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20220301

Pledgee: Beijing Jiahesen Health Technology Co.,Ltd.

Pledgor: BEIJING ANDE YIZHI TECHNOLOGY Co.,Ltd.

Registration number: Y2022990000806