CN113139961B - 一种冠状动脉优势型的确定方法和装置 - Google Patents
一种冠状动脉优势型的确定方法和装置 Download PDFInfo
- Publication number
- CN113139961B CN113139961B CN202110591663.5A CN202110591663A CN113139961B CN 113139961 B CN113139961 B CN 113139961B CN 202110591663 A CN202110591663 A CN 202110591663A CN 113139961 B CN113139961 B CN 113139961B
- Authority
- CN
- China
- Prior art keywords
- heart
- coronary artery
- coronary
- information
- determining
- 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
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 333
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000002586 coronary angiography Methods 0.000 claims abstract description 133
- 210000003291 sinus of valsalva Anatomy 0.000 claims description 68
- 238000001514 detection method Methods 0.000 claims description 31
- 230000000747 cardiac effect Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000002583 angiography Methods 0.000 claims description 9
- 238000002601 radiography Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims 12
- 239000000758 substrate Substances 0.000 claims 1
- 210000001367 artery Anatomy 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 8
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 230000036770 blood supply Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002107 myocardial effect Effects 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 210000004165 myocardium Anatomy 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000002837 heart atrium Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000001746 atrial effect Effects 0.000 description 1
- 210000003157 atrial septum Anatomy 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 210000000596 ventricular septum Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
-
- 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
- G06T2207/30242—Counting objects in image
Abstract
本公开实施例提供一种冠状动脉优势型的确定方法和装置,其中方法包括:对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息;基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线;基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型。该方法能够自动判断冠状动脉优势型,精确度高,可以辅助医生对冠脉的诊断,节省了医生的工作量。
Description
技术领域
本公开涉及医学图像处理技术领域,特别涉及一种冠状动脉优势型的确定方法和装置。
背景技术
冠状动脉优势型判断,是分析冠状动脉(左/右)哪个在心脏表面承担更多的供血任务的一种判断。采用Schlesinger(施莱辛格)分类原则,冠状动脉的优势型可以包括三种类型:右优势型、均衡型、左优势型。
相关技术中,对冠状动脉的优势型的判断方法可以是,将冠状动脉从冠状动脉造影图像中独立分割,并可以用3D的模式呈现给医生。医生可以根据经验自行判断冠状动脉的优势型,医生需要花费额外的精力进行判断。还存在根据冠状动脉(左/右)根节点的位置来判断冠状动脉优势性的方法,在冠脉起源也就是根节点出现异常的情况下,存在判断不准确的情况。
发明内容
有鉴于此,本公开实施例提供至少一种冠状动脉优势型的确定方法和装置。
具体地,本公开实施例是通过如下技术方案实现的:
第一方面,提供一种冠状动脉优势型的确定方法,所述方法包括:
对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息。
基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线。
基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型。
第二方面,提供一种冠状动脉优势型的确定装置,所述装置包括:
检测模块,用于对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息。
确定模块,用于基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线。
输出模块,用于基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型。
第三方面,提供一种电子设备,所述设备包括存储器、处理器,所述存储器用于存储可在处理器上运行的计算机指令,所述处理器用于在执行所述计算机指令时实现本公开任一实施例所述的冠状动脉优势型判断方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本公开任一实施例所述的冠状动脉优势型判断方法。
本公开实施例的技术方案提供的冠状动脉优势型判断方法,通过检测得到冠状动脉造影图像的中心线和半心区域信息,基于中心线上各点的邻域信息与所述半心区域信息的位置关系,自动判断冠状动脉优势型,精确度高,可以辅助医生对冠脉的诊断,节省了医生的工作量。
附图说明
为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开一个或多个实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例示出的一种冠状动脉优势型的确定方法的流程图;
图1A是本公开实施例示出的一种冠状动脉造影断层图像;
图1B是本公开实施例示出的中心线上点的四邻域;
图1C是本公开实施例示出的中心线上点的八邻域;
图2是本公开实施例示出的又一种冠状动脉优势型的确定方法的流程图;
图3是本公开实施例示出的另一种冠状动脉优势型的确定方法的流程图;
图3A是本公开实施例示出的一种冠状动脉造影图像的横断面图像上主动脉根部示意图;
图3B是本公开实施例示出的一种冠状动脉造影图像的横断面图像上半心区域的示意图;
图3C是本公开实施例示出的一种冠状动脉造影图像中三维冠状动脉的示意图;
图3D是本公开实施例示出的一种冠状动脉造影图像的横断面图像上心脏分割后的关键组织示意图;
图4是本公开实施例示出的一种冠状动脉优势型的确定装置的框图;
图5是本公开实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
心脏主要功能是为血液流动提供动力,把血液运行至身体各个部分。人的心脏在胸腔中部,稍偏左下方,位于横膈之上,两肺间而偏左呈圆锥形,大小约等于本人拳头,内部有四个空腔,上部两个是心房,下部两个是心室。心房和心室的舒张和收缩推动血液循环全身。冠状动脉是为心脏供应血液的动脉,分为左冠状动脉和右冠状动脉,其主干行走于心脏表面,它并不是一支血管,而是像树干一样逐级分出许多分支,包裹整个心脏。采用Schlesinger的分类原则,冠状动脉的优势型可以包括三种类型:右优势型、均衡型、左优势型。优势型是表示冠状动脉(左/右)哪个承担更多的心肌供血任务。冠状动脉CT血管成像的适用标准及诊断报告书写规范中,将冠状动脉优势型列为I级推荐等级。
有鉴于此,本公开提供至少一种冠状动脉优势型的确定方法和装置,辅助医生对冠状动脉的诊断。
如图1所示,图1是本公开实施例示出的一种冠状动脉优势型的确定方法的流程图,该方法可以应用于服务器或计算机等设备,可以包括如下处理:
在步骤100中,对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息。
本步骤中,冠状动脉造影图像可以是检测对象的心脏CT(Computerizedtomography,电子计算机断层扫描)图像。心脏内腔被房、室间隔分为互不相通的左、右两半,习惯上称为左半心和右半心。右半心内容纳静脉血,左半心内容纳动脉血。心脏位于胸腔中纵膈内的上方,两肺之间,约2/3在身体正中线的偏左侧,1/3在右侧,并略向左扭转,所以右半心偏于前方,左半心偏于后方。半心区域信息是冠状动脉造影图像中心脏的左半心和右半心所在的区域信息,冠状动脉位置信息可以是冠状动脉造影图像中左冠状动脉和右冠状动脉所在的位置信息。半心区域信息和冠状动脉位置信息可以使用坐标来表示。
在对检测对象进行心脏CT之前,可以将造影剂通过静脉注射到检测对象,采用扫描设备(不限于CT扫描设备)对检测对象的胸部或全身进行扫描,得到检测对象胸部的冠状动脉造影图像,在冠状动脉造影图像中可以显示检测对象的心脏结构和冠状动脉的情况。
冠状动脉造影图像是三维的图像。三维的冠状动脉造影图像可以包括多层连续的二维的冠状动脉造影断层图像,冠状动脉造影断层图像如图1A所示。本实施例不限制冠状动脉造影图像的具体格式。
本实施例不限制对冠状动脉造影图像的检测方式,例如,可以通过神经网络方式检测,或者也可以通过其他方式检测。
在步骤102中,基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线。
冠状动脉是为心脏供应血液的动脉,分为左冠状动脉和右冠状动脉,其主干行走于心脏表面,它并不是一支血管,而是像树干一样逐级分出许多分支,包饶整个心脏。其中,中心线是表征冠状动脉拓扑结构的曲线,中心线与冠状动脉在空间上的连通性一致。具体的,中心线可以是沿着冠状动脉上任一部分的曲线,例如,可以是沿着冠状动脉的中心的曲线,也可以是沿着冠状动脉外壁的曲线。
本步骤中,可以是对冠状动脉位置信息所确定的冠状动脉造影图像中冠状动脉进行图像处理,来提取冠状动脉的中心线。例如,可以通过细化、平滑等图像处理算法进行多次迭代去除图像中的毛刺得到冠状动脉的中心线。又例如,可以通过GPU(graphicsprocessing unit,图形处理器)设备进行快速细化和平滑等图像处理算法,来加快图像处理的速度。
在步骤104中,基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型。
本步骤中,中心线上各点的邻域信息是与中心线相邻的点的位置信息,本实施例不限制具体中心线的邻域的点的个数。本实施例中的点可以是像素点。比如,邻域的点的个数为四个时,邻域信息可以是四邻域信息,即中心线上点的四邻域的位置信息,如图1B所示;邻域的点的个数为八个时,邻域信息可以是八邻域信息,即中心线上点的八邻域的位置信息,如图1C所示。
中心线上各点的邻域信息与半心区域信息的位置关系可以有多种。比如,在三维的冠状动脉造影图像中一个横断面上,中心线上存在两个点的八邻域在左半心的区域内,还比如,在三维的冠状动脉造影图像中不连续的三个斜断面上,每个斜断面中的中心线上存在三个点的四邻域在右半心的区域内。可以基于位置关系预先设定冠状动脉优势型判断要求,当中心线上各点的邻域信息与半心区域信息的位置关系满足冠状动脉优势型判断要求时,则可以确定冠状动脉优势型。
在一个实施例中,基于中心线上各点的邻域信息与半心区域信息的位置关系,确定冠状动脉优势型,可以是遍历冠状动脉存在的断面,寻找冠状动脉(左/右)周围的信息来确定优势型,包括:
遍历冠状动脉造影图像中包含冠状动脉的断面,响应于连续存在预设数量的断面中,中心线上预设个数的点的邻域信息与半心区域信息的位置关系符合位置关系判断要求,确定冠状动脉优势型。
其中,断面可以是横断面、竖断面或者各种角度的斜断面。预设数量和预设个数可以由本领域技术人员依据实际需要设定。比如,对于500层的冠状动脉造影图像,其中可以是存在30个包含冠状动脉的横断面,可以是其中连续15层横断面的冠状动脉造影断层图像,每层横断面的中心线上三个点的邻域信息与半心区域信息的位置关系均符合位置关系判断要求。或者,可以是其中连续5层斜断面的冠状动脉造影断层图像,每层横断面的中心线上五个点的邻域信息与半心区域信息的位置关系均符合位置关系判断要求。
在一示例中,中心线包括左冠状动脉中心线和右冠状动脉中心线,邻域信息用于限定邻域的位置,本实施例不限制邻域的点的具体个数,可以是:
响应于连续存在预设数量的横断面中,所述左冠状动脉中心线上预设个数的点的邻域属于所述右半心,确定所述冠状动脉优势型为左优势型。
比如,在预设数量为10,邻域为八邻域以及预设个数为1的情况下,对于三维的冠状动脉造影图像,遍历冠状动脉存在的横断面,存在连续的10个横断面上,对于其中每层横断面,左冠状动脉中心线存在任意某个点的八邻域都属于右半心的区域,则说明右半心的一部分心肌供血由左冠状动脉承担,可以确定冠状动脉优势型为左优势型。
或者,响应于连续存在预设数量的横断面中,所述右冠状动脉中心线上预设个数的点的邻域属于所述左半心,确定所述冠状动脉优势型为右优势型。
比如,在预设数量为7,邻域为四邻域以及预设个数为2的情况下,对于三维的冠状动脉造影图像,遍历冠状动脉存在的横断面,存在连续的7个横断面上,对于其中每层横断面,右冠状动脉中心线存在任意两个点的八邻域都属于左半心的区域,则说明左半心的一部分心肌供血由右冠状动脉承担,可以确定冠状动脉优势型为右优势型。
或者,响应于连续存在预设数量的横断面中,所述左冠状动脉中心线上预设个数的点的邻域属于所述右半心,并且,连续存在预设数量的横断面中,所述右冠状动脉中心线上预设个数的点的邻域属于所述左半心,确定所述冠状动脉优势型为均衡型。
比如,在预设数量为12,邻域为八邻域以及预设个数为3的情况下,对于三维的冠状动脉造影图像,遍历冠状动脉存在的横断面,存在连续的12个横断面上,对于其中每层横断面,左冠状动脉中心线存在任意三个点的八邻域都属于右半心的区域,则说明右半心的一部分心肌供血由左冠状动脉承担;同时,还存在连续的12个横断面上,该连续的12个横断面可以与前面的12个横断面相同,也可以不同,对于其中每层横断面,右冠状动脉中心线存在任意三个点的八邻域都属于左半心的区域,则说明左半心的一部分心肌供血由右冠状动脉承担。
本公开实施例提供的冠状动脉优势型判断方法,通过检测得到冠状动脉造影图像的中心线和半心区域信息,基于中心线上各点的邻域信息与半心区域信息的空间位置关系,自动判断冠状动脉优势型,无需使用根节点的位置信息,避免了根节点的位置信息异常带来的干扰,精确度高,可以辅助医生对冠脉的诊断,节省了医生的工作量。同时,使用的判断依据是中心线上各点的邻域信息与半心区域信息,判断依据较少,更为直观、清晰。
在上述实施例的基础上,对冠状动脉造影图像进行检测可以通过神经网络的方式进行检测。
在一实施例中,通过第二心脏分割网络,对冠状动脉造影图像中的心脏区域进行识别处理,获取所述冠状动脉造影图像中的半心区域信息。
本实施例不限制第二心脏分割网络具体的网络结构,比如可以使用Unet网络结构,也可以使用VNet网络结构或者3D-Unet网络结构。
可以预先训练好第二心脏分割网络,第二心脏分割网络的训练过程包括:
利用第二心脏分割网络对冠状动脉造影样本图像中的心脏区域进行识别处理,获取所述冠状动脉造影样本图像中的半心区域信息。
根据获取的所述冠状动脉造影样本图像中的半心区域信息与所述冠状动脉造影样本图像中标注的半心区域信息的差别,确定第二网络损失。
根据所述第二网络损失,调整所述第二心脏分割网络的网络参数。
其中,冠状动脉造影样本图像是已标注半心区域信息的冠状动脉造影图像,通过损失函数计算心脏的左右半心已标注的半心区域信息与识别得到的半心区域信息的差异,得到第二网络损失,通过第二网络损失调整第二心脏分割网络的网络参数。具体实施中可以通过反向传播调整第二心脏分割网络中的网络参数。当达到网络迭代结束条件时,结束网络训练,其中,该结束条件可以是迭代达到一定的次数,或者损失值小于一定阈值。
在又一实施例中,通过冠状动脉检测网络,对冠状动脉造影图像中的冠状动脉进行识别处理,获取所述冠状动脉造影图像中的冠状动脉位置信息。
本实施例不限制冠状动脉检测网络具体的网络结构,比如可以使用Unet网络结构,也可以使用VNet网络结构或者3D-Unet网络结构。
可以预先训练好冠状动脉检测网络,冠状动脉检测网络的训练过程包括:
利用冠状动脉检测网络对冠状动脉造影样本图像中的冠状动脉进行识别处理,获取所述冠状动脉造影样本图像中的冠状动脉位置信息。
根据获取的所述冠状动脉造影样本图像中的冠状动脉位置信息与所述冠状动脉造影样本图像中标注的冠状动脉位置信息的差别,确定第三网络损失。
根据所述第三网络损失调整所述冠状动脉检测网络的网络参数。
其中,冠状动脉造影样本图像可以是已标注冠状动脉的位置信息的冠状动脉造影图像,通过损失函数计算冠状动脉已标注的位置信息与识别得到的冠状动脉位置信息的差异,得到第三网络损失,通过第三网络损失调整冠状动脉检测网络的网络参数。具体实施中可以通过反向传播调整冠状动脉检测网络中的网络参数。当达到网络迭代结束条件时,结束网络训练,其中,该结束条件可以是迭代达到一定的次数,或者损失值小于一定阈值。
上述实施例中,通过神经网络冠状动脉造影图像进行检测,来获得冠状动脉造影图像中的半心区域信息和冠状动脉位置信息,可以提高冠状动脉优势型判断的准确性,并且提高速度。
如图2所示,图2是本公开实施例示出的又一种冠状动脉优势型的确定方法的流程图,该方法可以包括如下处理,其中,与图1的流程相同的步骤将不再详述。
在步骤200中,对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息。
其中,半心区域信息包括:用于限定左半心的位置的左半心区域信息、以及用于限定右半心的位置的右半心区域信息。
在步骤202中,基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线。
其中,冠状动脉位置信息包括左冠状动脉位置信息和右冠状动脉位置信息,左冠状动脉位置信息用于限定左冠状动脉的位置,所述右冠状动脉位置信息用于限定右冠状动脉的位置。
在步骤204中,在邻域信息与半心区域信息的位置关系不符合冠状动脉优势型判断要求的情况下,基于左半心区域信息和右半心区域信息,确定心脏半心交界曲面。
其中,心脏半心交界曲面为冠状动脉造影图像中的左半心与右半心相互接触的曲面。心脏半心交界曲面将心脏分割为左半心与右半心。
本实施例中,冠状动脉优势型判断要求是对邻域信息与半心区域信息的位置关系的判断要求,即图1流程的步骤104中所述的位置关系判断要求。
当通过邻域信息与半心区域信息的位置关系无法判断冠状动脉优势型的时候,可以是中心线上预设个数的点的邻域信息与半心区域信息的位置关系均不符合位置关系判断要求。比如,连续存在预设数量的横断面中,左冠状动脉中心线上预设个数的点的邻域都不属于右半心,同时,连续存在预设数量的横断面中,右冠状动脉中心线上预设个数的点的邻域都不属于左半心,可以认为邻域信息与半心区域信息的位置关系不符合冠状动脉优势型判断要求。在不能通过邻域信息与半心区域信息的位置关系判断冠状动脉优势型的情况下,可以通过心脏半心交界曲面与冠状动脉的交点信息来确定冠状动脉的优势型。
本步骤中,可以通过左半心区域信息所限定的左半心的位置和右半心区域信息所限定的右半心的位置,来确定心脏中左半心和右半心之间的心脏半心交界曲面。
在步骤206中,基于冠状动脉位置信息和心脏半心交界曲面,确定冠状动脉与心脏半心交界曲面的交点信息。
本步骤中,通过冠状动脉位置信息所限定的冠状动脉造影图像中冠状动脉的位置与心脏半心交界曲面,可以确定冠状动脉与心脏半心交界曲面的交点信息。交点信息包括交点的数量信息。
可选的,对于交点的判断可以是:冠状动脉上任意一点的邻域中既有右半心的区域,又有左半心的区域,则可以判断该点是冠状动脉与心脏半心交界曲面的交点,或者说,冠状动脉的该点在心脏半心交界曲面上。
在一示例中,基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息,可以包括:
基于左冠状动脉位置信息和心脏半心交界曲面,确定左冠状动脉与心脏半心交界曲面的第一交点数。基于所述右冠状动脉位置信息和所述心脏半心交界曲面,确定所述右冠状动脉与心脏半心交界曲面的第二交点数。
在又一示例中,基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息,可以包括:只基于左冠状动脉位置信息和心脏半心交界曲面,确定左冠状动脉与心脏半心交界曲面的第一交点数。
在又一示例中,基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息,可以包括:只基于所述右冠状动脉位置信息和所述心脏半心交界曲面,确定所述右冠状动脉与心脏半心交界曲面的第二交点数。
在步骤208中,基于所述交点信息,确定所述冠状动脉优势型。
根据交点信息的不同,确定冠状动脉优势型的方式也不同。
例如,在交点信息包括左冠状动脉与心脏半心交界曲面的第一交点数,以及右冠状动脉与心脏半心交界曲面的第二交点数的情况下。
可以是响应于所述第一交点数大于所述第二交点数,说明左冠状动脉为心肌供血的范围较大,确定所述冠状动脉优势型为左优势型。
或者,响应于所述第一交点数小于所述第二交点数,说明右冠状动脉为心肌供血的范围较大,确定所述冠状动脉优势型为右优势型。
或者,响应于所述第一交点数和所述第二交点数均为零,确定所述冠状动脉优势型为均衡型。
又例如,在交点信息只包括左冠状动脉与心脏半心交界曲面的第一交点数的情况下。
响应于所述第一交点数大于预设阈值,说明左冠状动脉为心肌供血的范围较大,确定所述冠状动脉优势型为左优势型。
本公开实施例提供的冠状动脉优势型判断方法,通过检测得到冠状动脉造影图像的中心线和半心区域信息,在中心线上各点的邻域信息与半心区域信息的空间位置关系不满足冠状动脉优势型判断要求的情况下,通过冠状动脉与所述心脏半心交界曲面的交点信息自动确定冠状动脉优势型,无需使用根节点的位置信息,避免了根节点的位置信息异常带来的干扰,精确度高,可以辅助医生对冠脉的诊断,节省了医生的工作量。同时,使用的判断依据是冠状动脉与心脏半心交界曲面的交点信息,判断依据较少,更为直观、清晰。
如图3所示,图3是本公开实施例示出的另一种冠状动脉优势型的确定方法的流程图,该方法可以包括如下处理,其中,与图1和图2的流程相同的步骤将不再详述。
在步骤300中,对冠状动脉造影图像进行检测,识别主动脉窦的位置信息。
主动脉窦的位置信息限定了冠状动脉造影图像中主动脉窦所在区域。主动脉窦位于主动脉根部的下部,深埋于心脏底部与心脏各部分都有密切的关系。通过主动脉窦可以更直观的区分心脏的左半心和右半心。
本实施例不限制对主动脉窦的位置信息的识别方式,例如,可以通过神经网络方式识别,或者也可以通过其他方式识别。
在通过神经网络方式识别主动脉窦的位置信息时,具体可以是通过主动脉窦识别网络,对冠状动脉造影图像中的主动脉窦进行识别处理,得到标记所述主动脉窦的位置信息的冠状动脉造影图像,或者可以是直接输出冠状动脉造影图像中的主动脉窦的位置信息。
本实施例不限制主动脉窦识别网络具体的网络结构,比如可以使用Unet网络结构,也可以使用VNet网络结构或者3D-Unet网络结构。
可选的,在通过主动脉窦识别网络得到标记主动脉窦的位置信息的冠状动脉造影图像时,主动脉窦识别网络的训练过程包括:
利用主动脉窦识别网络对冠状动脉造影样本图像中的主动脉窦进行识别处理,得到标记所述主动脉窦的位置信息的冠状动脉造影样本图像。
根据标记的所述主动脉窦的位置信息与所述冠状动脉造影样本图像中标注的主动脉窦的位置信息的差别,确定第一网络损失。
根据所述第一网络损失调整所述主动脉窦识别网络的网络参数。
其中,冠状动脉造影样本图像可以是已标注主动脉窦的位置信息的冠状动脉造影图像,通过损失函数计算主动脉窦已标注的位置信息与识别得到的标记的位置信息的差异,得到第一网络损失,通过第一网络损失调整主动脉窦识别网络的网络参数。具体实施中可以通过反向传播调整主动脉窦识别网络中的网络参数。当达到网络迭代结束条件时,结束网络训练,其中,该结束条件可以是迭代达到一定的次数,或者损失值小于一定阈值。
基于通过上述训练过程训练的主动脉窦识别网络,本步骤中,可以首先将检测对象的冠状动脉造影图像进行预处理,将处理后的冠状动脉造影图像输入到训练好的主动脉窦神经网络中,输出标记主动脉窦的位置信息的冠状动脉造影图像。如图3A所示,图3A为冠状动脉造影图像的横断面图像上主动脉根部示意图,标记A所示为主动脉窦。
在步骤302中,基于所述主动脉窦的位置信息,确定所述冠状动脉造影图像中的半心区域信息。
主动脉窦位于心脏的中间,可以通过冠状动脉造影图像中主动脉窦的位置来更好地分割心脏的左右半心。例如,通过主动脉窦的最低点的位置来分割心脏的左右半心。
本实施例不限制确定半心区域信息的方式,例如,可以通过神经网络方式确定,或者也可以通过其他方式确定。
在通过神经网络的方式确定时,可以是通过第一心脏分割网络,对上个步骤已标记主动脉窦的位置信息的冠状动脉造影图像进行检测,获取冠状动脉造影图像中的半心区域信息。在训练第一心脏分割网络时,所使用的冠状动脉造影样本图像为已标注主动脉窦的位置信息以及半心区域信息的冠状动脉造影图像。可以将上个步骤已标记主动脉窦的位置信息的冠状动脉造影图像进行采样和预处理后输入第一心脏分割网络。分割的结果如图3B所示,图3B是冠状动脉造影图像的横断面图像上半心区域的示意图,标记B所示的区域为左半心,C所示的区域为右半心。
在步骤304中,对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的冠状动脉位置信息。
需要说明的是,本步骤也可以是在步骤300之前执行。
例如,可以将冠状动脉造影图像输入冠状动脉检测网络,输出冠状动脉造影图像中的冠状动脉位置信息,或者输出标记冠状动脉位置信息的冠状动脉造影图像。冠状动脉位置信息可以限定冠状动脉的分布位置,如图3C所示,图3C是冠状动脉造影图像中三维冠状动脉分割的示意图,标记D所示为左冠状动脉、标记E所示为右冠状动脉。
如图3D所示,图3D示出了本实施例所使用到的心脏分割后的关键组织,在冠状动脉造影图像的一个横断面上,标记1所示的区域为心脏的右半心,标记2所示的区域为心脏的左半心,标记3所示的区域为主动脉窦,标记4和5所示的点状区域为冠状动脉。
在步骤306中,基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线。
在步骤308中,基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型。
在邻域信息与半心区域信息的位置关系符合冠状动脉优势型判断要求的情况下,基于中心线上各点的邻域信息与半心区域信息的位置关系,确定冠状动脉优势型。
在邻域信息与半心区域信息的位置关系不符合冠状动脉优势型判断要求的情况下,基于左半心区域信息和右半心区域信息,确定心脏半心交界曲面,基于冠状动脉与所述心脏半心交界曲面的交点信息,确定冠状动脉优势型。
本公开实施例提供的冠状动脉优势型判断方法,通过先定位主动脉窦的位置信息,通过主动脉窦的位置更准确的分割左右半心,通过检测得到冠状动脉造影图像的中心线,基于中心线上各点的邻域信息与半心区域信息的空间位置关系,自动判断冠状动脉优势型,在邻域信息与半心区域信息的位置关系不符合冠状动脉优势型判断要求的情况下,基于冠状动脉与心脏半心交界曲面的交点信息,确定冠状动脉优势型。无需使用根节点的位置信息,避免了根节点的位置信息异常带来的干扰,精确度高,可以辅助医生对冠脉的诊断,节省了医生的工作量。同时,所使用的判断依据较少,更为直观、清晰,帮助医生快速和精准完成冠状动脉CT血管成像诊断报告书。
在一实施例中,在确定了冠状动脉优势型后,除了在用户界面上输出冠状动脉的优势型外,可以在用户界面上展示所有的分割组织:心脏的左/右半心、左/右冠状动脉以及心脏半心交界曲面。用户可以选择使用2D或者3D图像进行显示,且用户界面支持用户对分割组织进行手动编辑校正。
可以在用户界面上展示本实施例所使用到点和线。点包括:左/右冠状动脉与心脏半心交界曲面的交点,线包括:左/右冠状动脉的中心线。用户可以选择使用2D或者3D图像进行显示,且用户界面上的点和线支持手动编辑矫正。
可以在用户界面上展示冠状动脉和心脏的相关参数,比如,冠状动脉的位置信息、心脏中主动脉窦最低点的位置信息,显示方式包括2D,3D,曲线,图表等多种显示方式,且显示结果支持打印、报告和保存。用户界面还可以支持冠状动脉和心脏半心交界曲面的展开绘制。
如图4所示,图4是本公开实施例示出的一种冠状动脉优势型的确定装置的框图,所述装置可以应用于服务器或计算机等设备,包括:
检测模块41,用于对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息。
确定模块42,用于基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线。
输出模块43,用于基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型。
在一个例子中,半心区域信息包括:用于限定左半心的位置的左半心区域信息、以及用于限定右半心的位置的右半心区域信息,输出模块43,还用于在所述邻域信息与所述半心区域信息的位置关系不符合冠状动脉优势型判断要求的情况下,基于所述左半心区域信息和右半心区域信息,确定心脏半心交界曲面,所述心脏半心交界曲面为所述冠状动脉造影图像中的左半心与右半心相互接触的曲面;基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息;基于所述交点信息,确定所述冠状动脉优势型。
在一个例子中,冠状动脉位置信息包括左冠状动脉位置信息和右冠状动脉位置信息,左冠状动脉位置信息用于限定左冠状动脉的位置,右冠状动脉位置信息用于限定右冠状动脉的位置。
输出模块43在用于基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息,具体用于:基于所述左冠状动脉位置信息和所述心脏半心交界曲面,确定所述左冠状动脉与心脏半心交界曲面的第一交点数;基于所述右冠状动脉位置信息和所述心脏半心交界曲面,确定所述右冠状动脉与心脏半心交界曲面的第二交点数。
输出模块43在用于基于所述交点信息,确定所述冠状动脉优势型,具体用于:响应于所述第一交点数大于所述第二交点数,确定所述冠状动脉优势型为左优势型;或者,响应于所述第一交点数小于所述第二交点数,确定所述冠状动脉优势型为右优势型;或者,响应于所述第一交点数和所述第二交点数均为零,确定所述冠状动脉优势型为均衡型。
在一个例子中,输出模块43具体用于:遍历所述冠状动脉造影图像中包含所述冠状动脉的断面,响应于连续存在预设数量的断面中,所述中心线上预设个数的点的邻域信息与所述半心区域信息的位置关系符合位置关系判断要求,确定所述冠状动脉优势型。
在一个例子中,中心线包括左冠状动脉中心线和右冠状动脉中心线,邻域信息用于限定邻域的位置。
输出模块43在用于响应于连续存在预设数量的断面中,中心线上预设个数的点的邻域信息与半心区域信息的位置关系符合位置关系判断要求,确定冠状动脉优势型,具体用于:响应于连续存在预设数量的横断面中,所述左冠状动脉中心线上预设个数的点的邻域属于所述右半心,确定所述冠状动脉优势型为左优势型;或者,响应于连续存在预设数量的横断面中,所述右冠状动脉中心线上预设个数的点的邻域属于所述左半心,确定所述冠状动脉优势型为右优势型;或者,响应于连续存在预设数量的横断面中,所述左冠状动脉中心线上预设个数的点的邻域属于所述右半心,并且,连续存在预设数量的横断面中,所述右冠状动脉中心线上预设个数的点的邻域属于所述左半心,确定所述冠状动脉优势型为均衡型。
在一个例子中,检测模块41在用于对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息时,具体用于:对冠状动脉造影图像进行检测,识别主动脉窦的位置信息;基于所述主动脉窦的位置信息,确定所述冠状动脉造影图像中的半心区域信息。
在一个例子中,检测模块41具体用于:通过主动脉窦识别网络,对冠状动脉造影图像中的主动脉窦进行识别处理,得到标记所述主动脉窦的位置信息的冠状动脉造影图像;通过第一心脏分割网络,对所述标记主动脉窦的位置信息的冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息。
在一个例子中,检测模块41具体用于:通过第二心脏分割网络,对冠状动脉造影图像中的心脏区域进行识别处理,获取所述冠状动脉造影图像中的半心区域信息;通过冠状动脉检测网络,对冠状动脉造影图像中的冠状动脉进行识别处理,获取所述冠状动脉造影图像中的冠状动脉位置信息。
其中,主动脉窦识别网络的训练过程包括:利用主动脉窦识别网络对冠状动脉造影样本图像中的主动脉窦进行识别处理,得到标记所述主动脉窦的位置信息的冠状动脉造影样本图像;根据标记的所述主动脉窦的位置信息与所述冠状动脉造影样本图像中标注的主动脉窦的位置信息的差别,确定第一网络损失;根据所述第一网络损失调整所述主动脉窦识别网络的网络参数。
其中,第二心脏分割网络的训练过程包括:利用第二心脏分割网络对冠状动脉造影样本图像中的心脏区域进行识别处理,获取所述冠状动脉造影样本图像中的半心区域信息;根据获取的所述冠状动脉造影样本图像中的半心区域信息与所述冠状动脉造影样本图像中标注的半心区域信息的差别,确定第二网络损失;根据所述第二网络损失,调整所述第二心脏分割网络的网络参数。
其中,冠状动脉检测网络的训练过程包括:利用冠状动脉检测网络对冠状动脉造影样本图像中的冠状动脉进行识别处理,获取所述冠状动脉造影样本图像中的冠状动脉位置信息;根据获取的所述冠状动脉造影样本图像中的冠状动脉位置信息与所述冠状动脉造影样本图像中标注的冠状动脉位置信息的差别,确定第三网络损失;根据所述第三网络损失调整所述冠状动脉检测网络的网络参数。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
本公开实施例还提供了一种电子设备,如图5所示,所述电子设备包括存储器51、处理器52,所述存储器51用于存储可在处理器上运行的计算机指令,所述处理器52用于在执行所述计算机指令时实现本公开任一实施例所述的冠状动脉优势型的确定方法。
本公开实施例还提供了一种计算机程序产品,该产品包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本公开任一实施例所述的冠状动脉优势型的确定方法。
本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本公开任一实施例所述的冠状动脉优势型的确定方法。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (13)
1.一种冠状动脉优势型的确定方法,其特征在于,所述方法包括:
对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息,其中,所述半心区域信息包括:用于限定左半心的位置的左半心区域信息、以及用于限定右半心的位置的右半心区域信息;
基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线;
基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型;
其中,所述基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势,包括:
在所述邻域信息与所述半心区域信息的位置关系不符合冠状动脉优势型判断要求的情况下,
基于所述左半心区域信息和右半心区域信息,确定心脏半心交界曲面,所述心脏半心交界曲面为所述冠状动脉造影图像中的左半心与右半心相互接触的曲面;
基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息;
基于所述交点信息,确定所述冠状动脉优势型;
其中,所述冠状动脉优势型判断要求包括:
所述中心线上第一预设个数的点的邻域属于所述左半心或者属于所述右半心。
2.根据权利要求1所述的方法,其特征在于,所述冠状动脉位置信息包括左冠状动脉位置信息和右冠状动脉位置信息,所述左冠状动脉位置信息用于限定左冠状动脉的位置,所述右冠状动脉位置信息用于限定右冠状动脉的位置;
所述基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息,包括:
基于所述左冠状动脉位置信息和所述心脏半心交界曲面,确定所述左冠状动脉与心脏半心交界曲面的第一交点数;
基于所述右冠状动脉位置信息和所述心脏半心交界曲面,确定所述右冠状动脉与心脏半心交界曲面的第二交点数;
所述基于所述交点信息,确定所述冠状动脉优势型,包括:
响应于所述第一交点数大于所述第二交点数,确定所述冠状动脉优势型为左优势型;
或者,响应于所述第一交点数小于所述第二交点数,确定所述冠状动脉优势型为右优势型;
或者,响应于所述第一交点数和所述第二交点数均为零,确定所述冠状动脉优势型为均衡型。
3.根据权利要求1所述的方法,其特征在于,所述基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型,包括:
遍历所述冠状动脉造影图像中包含所述冠状动脉的断面,响应于连续存在预设数量的断面中,所述中心线上预设个数的点的邻域信息与所述半心区域信息的位置关系符合位置关系判断要求,确定所述冠状动脉优势型,其中,所述位置关系判断要求包括以下至少一项:
左冠状动脉中心线上第二预设个数的点的邻域属于右半心区域;
右冠状动脉中心线上第三预设个数的点的邻域属于左半心区域。
4.根据权利要求3所述的方法,其特征在于,所述中心线包括左冠状动脉中心线和右冠状动脉中心线,所述邻域信息用于限定邻域的位置;
所述响应于连续存在预设数量的断面中,所述中心线上预设个数的点的邻域信息与所述半心区域信息的位置关系符合位置关系判断要求,确定所述冠状动脉优势型,包括:
响应于连续存在预设数量的横断面中,所述左冠状动脉中心线上预设个数的点的邻域属于右半心,确定所述冠状动脉优势型为左优势型;
或者,响应于连续存在预设数量的横断面中,所述右冠状动脉中心线上预设个数的点的邻域属于左半心,确定所述冠状动脉优势型为右优势型;
或者,响应于连续存在预设数量的横断面中,所述左冠状动脉中心线上预设个数的点的邻域属于右半心,并且,连续存在预设数量的横断面中,所述右冠状动脉中心线上预设个数的点的邻域属于左半心,确定所述冠状动脉优势型为均衡型。
5.根据权利要求1所述的方法,其特征在于,所述对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息,包括:
对冠状动脉造影图像进行检测,识别主动脉窦的位置信息;
基于所述主动脉窦的位置信息,确定所述冠状动脉造影图像中的半心区域信息。
6.根据权利要求5所述的方法,其特征在于,
所述对冠状动脉造影图像进行检测,识别主动脉窦的位置信息,包括:
通过主动脉窦识别网络,对冠状动脉造影图像中的主动脉窦进行识别处理,得到标记所述主动脉窦的位置信息的冠状动脉造影图像;
所述基于所述主动脉窦的位置信息,确定所述冠状动脉造影图像中的半心区域信息,包括:
通过第一心脏分割网络,对所述标记主动脉窦的位置信息的冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息。
7.根据权利要求6所述的方法,其特征在于,所述主动脉窦识别网络的训练过程包括:
利用主动脉窦识别网络对冠状动脉造影样本图像中的主动脉窦进行识别处理,得到标记所述主动脉窦的位置信息的冠状动脉造影样本图像;
根据标记的所述主动脉窦的位置信息与所述冠状动脉造影样本图像中标注的主动脉窦的位置信息的差别,确定第一网络损失;
根据所述第一网络损失调整所述主动脉窦识别网络的网络参数。
8.根据权利要求1所述的方法,其特征在于,
所述对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息,包括:
通过第二心脏分割网络,对冠状动脉造影图像中的心脏区域进行识别处理,获取所述冠状动脉造影图像中的半心区域信息;
通过冠状动脉检测网络,对冠状动脉造影图像中的冠状动脉进行识别处理,获取所述冠状动脉造影图像中的冠状动脉位置信息。
9.根据权利要求8所述的方法,其特征在于,所述第二心脏分割网络的训练过程包括:
利用第二心脏分割网络对冠状动脉造影样本图像中的心脏区域进行识别处理,获取所述冠状动脉造影样本图像中的半心区域信息;
根据获取的所述冠状动脉造影样本图像中的半心区域信息与所述冠状动脉造影样本图像中标注的半心区域信息的差别,确定第二网络损失;
根据所述第二网络损失,调整所述第二心脏分割网络的网络参数。
10.根据权利要求9所述的方法,其特征在于,所述冠状动脉检测网络的训练过程包括:
利用冠状动脉检测网络对冠状动脉造影样本图像中的冠状动脉进行识别处理,获取所述冠状动脉造影样本图像中的冠状动脉位置信息;
根据获取的所述冠状动脉造影样本图像中的冠状动脉位置信息与所述冠状动脉造影样本图像中标注的冠状动脉位置信息的差别,确定第三网络损失;
根据所述第三网络损失调整所述冠状动脉检测网络的网络参数。
11.一种冠状动脉优势型的确定装置,其特征在于,所述装置包括:
检测模块,用于对冠状动脉造影图像进行检测,获取所述冠状动脉造影图像中的半心区域信息和冠状动脉位置信息,其中,所述半心区域信息包括:用于限定左半心的位置的左半心区域信息、以及用于限定右半心的位置的右半心区域信息;
确定模块,用于基于所述冠状动脉位置信息,确定冠状动脉的中心线,所述中心线是表征所述冠状动脉拓扑结构的曲线;
输出模块,用于基于所述中心线上各点的邻域信息与所述半心区域信息的位置关系,确定所述冠状动脉优势型;
所述输出模块还用于:
在所述邻域信息与所述半心区域信息的位置关系不符合冠状动脉优势型判断要求的情况下,
基于所述左半心区域信息和右半心区域信息,确定心脏半心交界曲面,所述心脏半心交界曲面为所述冠状动脉造影图像中的左半心与右半心相互接触的曲面;
基于所述冠状动脉位置信息和所述心脏半心交界曲面,确定所述冠状动脉与所述心脏半心交界曲面的交点信息;
基于所述交点信息,确定所述冠状动脉优势型;
其中,所述冠状动脉优势型判断要求包括:
所述中心线上第一预设个数的点的邻域属于所述左半心或者属于所述右半心。
12.一种电子设备,其特征在于,所述设备包括存储器、处理器,所述存储器用于存储可在处理器上运行的计算机指令,所述处理器用于在执行所述计算机指令时实现权利要求1至10任一所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至10任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110591663.5A CN113139961B (zh) | 2021-05-28 | 2021-05-28 | 一种冠状动脉优势型的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110591663.5A CN113139961B (zh) | 2021-05-28 | 2021-05-28 | 一种冠状动脉优势型的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139961A CN113139961A (zh) | 2021-07-20 |
CN113139961B true CN113139961B (zh) | 2024-04-23 |
Family
ID=76815809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110591663.5A Active CN113139961B (zh) | 2021-05-28 | 2021-05-28 | 一种冠状动脉优势型的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139961B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8560968B1 (en) * | 2009-03-26 | 2013-10-15 | Vinod Nair | Method and apparatus for evaluating a heart patient |
CN106606381A (zh) * | 2015-10-21 | 2017-05-03 | 沛嘉医疗科技(苏州)有限公司 | 人工心脏瓣定位装置 |
CN109087352A (zh) * | 2018-08-16 | 2018-12-25 | 数坤(北京)网络科技有限公司 | 一种心脏冠脉优势型自动判别方法 |
CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
CN111383259A (zh) * | 2020-03-02 | 2020-07-07 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、计算机设备和存储介质 |
CN111476880A (zh) * | 2020-03-04 | 2020-07-31 | 广东珠江智联信息科技股份有限公司 | 基于深度神经网络的冠脉造影设备及系统 |
CN112336361A (zh) * | 2020-09-29 | 2021-02-09 | 查云飞 | 一种冠脉检测方法、装置及存储介质 |
CN112801999A (zh) * | 2021-02-05 | 2021-05-14 | 深圳睿心智能医疗科技有限公司 | 确定心脏冠脉优势型的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090215895A1 (en) * | 2004-01-30 | 2009-08-27 | Peplin Biolipids Pty Ltd | Therapeutic and carrier molecules |
-
2021
- 2021-05-28 CN CN202110591663.5A patent/CN113139961B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8560968B1 (en) * | 2009-03-26 | 2013-10-15 | Vinod Nair | Method and apparatus for evaluating a heart patient |
CN106606381A (zh) * | 2015-10-21 | 2017-05-03 | 沛嘉医疗科技(苏州)有限公司 | 人工心脏瓣定位装置 |
CN109087352A (zh) * | 2018-08-16 | 2018-12-25 | 数坤(北京)网络科技有限公司 | 一种心脏冠脉优势型自动判别方法 |
CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
CN111383259A (zh) * | 2020-03-02 | 2020-07-07 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、计算机设备和存储介质 |
CN111476880A (zh) * | 2020-03-04 | 2020-07-31 | 广东珠江智联信息科技股份有限公司 | 基于深度神经网络的冠脉造影设备及系统 |
CN112336361A (zh) * | 2020-09-29 | 2021-02-09 | 查云飞 | 一种冠脉检测方法、装置及存储介质 |
CN112801999A (zh) * | 2021-02-05 | 2021-05-14 | 深圳睿心智能医疗科技有限公司 | 确定心脏冠脉优势型的方法及装置 |
Non-Patent Citations (2)
Title |
---|
主动脉窦成形技术在治疗主动脉夹层(Stanford A型)的临床分析;林坤;中国优秀硕士学位论文全文数据库-医药卫生科技;全文 * |
经导管主动脉瓣置换的实验方法和影像分析;顾明标;宗刚军;白元;黄志军;秦永文;;介入放射学杂志(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113139961A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11896416B2 (en) | Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images | |
JP7039544B2 (ja) | 血流特性及び病理を心筋血液供給のモデリングを介して決定するためのシステム及び方法 | |
US9675301B2 (en) | Systems and methods for numerically evaluating vasculature | |
US10275878B2 (en) | Method for the quantification of the presence of fats in a region of the heart | |
CN107563998B (zh) | 医学图像中心脏图像处理方法 | |
US20130216110A1 (en) | Method and System for Coronary Artery Centerline Extraction | |
JP4365836B2 (ja) | 2次元断面画像を再構築するための方法及び装置 | |
CN105518684A (zh) | 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法 | |
US11024404B2 (en) | System and method for medical image based cardio-embolic stroke risk prediction | |
WO2008085193A2 (en) | Quantitative real-time 4d strees test analysis | |
KR20150045885A (ko) | 초음파 및 ct 영상의 정합에 관한 시스템 및 작동 방법 | |
CN102194049A (zh) | 诊断辅助设备和冠状动脉分析方法 | |
Vassilevski et al. | Patient-specific anatomical models in human physiology | |
CN113470060B (zh) | 基于ct影像的冠状动脉多角度曲面重建可视化方法 | |
CN112308845B (zh) | 左心室分割方法、装置及电子设备 | |
CN113139961B (zh) | 一种冠状动脉优势型的确定方法和装置 | |
CN114419157A (zh) | 一种基于深度学习的心脏四腔心自动定位方法 | |
Goyal et al. | MRI image based patient specific computational model reconstruction of the left ventricle cavity and myocardium | |
Bhan et al. | Patient-specific cardiac computational modeling based on left ventricle segmentation from magnetic resonance images | |
CN113450322A (zh) | 一种冠状动脉的起源异常判断方法和装置 | |
EP3614338B1 (en) | Post-mapping automatic identification of pulmonary veins | |
US20230000461A1 (en) | Ultrasound slice enhancement | |
US20230086533A1 (en) | Medical image processing apparatus, medical image processing method, and storage medium | |
CN112336378B (zh) | 一种用于动物超声诊断的m型超声心动图处理方法和系统 | |
JP2023551132A (ja) | 視覚化のための方法及びシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240205 Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Neusoft Medical Systems Co.,Ltd. Country or region after: China Address before: Room 336, 177-1, Chuangxin Road, Hunnan New District, Shenyang City, Liaoning Province Applicant before: Shenyang advanced medical equipment Technology Incubation Center Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |