CN113222987A - 磁共振成像血管壁增强强度映射方法、装置、设备和介质 - Google Patents

磁共振成像血管壁增强强度映射方法、装置、设备和介质 Download PDF

Info

Publication number
CN113222987A
CN113222987A CN202110625540.9A CN202110625540A CN113222987A CN 113222987 A CN113222987 A CN 113222987A CN 202110625540 A CN202110625540 A CN 202110625540A CN 113222987 A CN113222987 A CN 113222987A
Authority
CN
China
Prior art keywords
magnetic resonance
image
blood
dimensional
target
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
CN202110625540.9A
Other languages
English (en)
Other versions
CN113222987B (zh
Inventor
李睿
付明珠
张妙其
陈硕
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110625540.9A priority Critical patent/CN113222987B/zh
Publication of CN113222987A publication Critical patent/CN113222987A/zh
Application granted granted Critical
Publication of CN113222987B publication Critical patent/CN113222987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/30016—Brain
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种磁共振成像血管壁增强强度映射方法、装置、设备和介质。该方法包括：获取目标区域的磁共振亮血图像和磁共振黑血图像；基于磁共振亮血图像生成目标区域的三维血管模型；从磁共振黑血图像中采样目标区域中目标点的血管壁增强强度；将目标点的血管壁增强强度映射到三维血管模型中。采用本申请，可以实现血管壁增强强度的自动化映射，提高处理的准确性。

Description

磁共振成像血管壁增强强度映射方法、装置、设备和介质
技术领域
本发明涉及医学影像技术领域，特别是涉及一种磁共振成像血管壁增强强度映射方法、装置、设备和介质。
背景技术
磁共振成像技术是医学中常用到的无创影像学技术，按照对血液信号的增强或抑制处理，分为亮血成像技术和黑血成像技术。采用磁共振成像技术对头颅部位生成图像，可得到脑部血管的图像，用于分析脑部血管。比如，现有技术中常利用磁共振成像技术生成脑部血管图像，以辅助识别动脉瘤管壁区域中的增强区域和非增强区域。
现有的处理方式，主要是依靠有经验的专业医师观察磁共振成像图像，在图像中手动标定出动脉瘤管壁区域中的增强区域和非增强区域，不仅耗时耗力，且极为依赖专业医师的判读经验，主观性较大，准确性低。
发明内容
本发明要解决的技术问题是：现有技术中依赖于人工标定管壁增强区域、依赖于主观经验、准确性低。
为解决上述技术问题，本发明提供了一种磁共振成像血管壁增强强度映射方法、装置、设备和介质。
一种磁共振成像血管壁增强强度映射方法，包括：
获取目标区域的磁共振亮血图像和磁共振黑血图像；
基于所述磁共振亮血图像生成所述目标区域的三维血管模型；
从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度；
将所述目标点的血管壁增强强度映射到所述三维血管模型中。
在其中一个实施例中，所述获取目标区域的磁共振亮血图像和磁共振黑血图像，包括：
获取所述目标区域并通过磁共振亮血成像技术对所述目标区域生成图像，得到磁共振亮血图像；
获取所述目标区域并通过磁共振黑血成像技术对所述目标区域生成图像；
以所述磁共振亮血图像为基准，对通过磁共振黑血成像技术对所述目标区域生成图像进行图像配准，得到磁共振黑血图像。
在其中一个实施例中，所述基于所述磁共振亮血图像生成所述目标区域的三维血管模型，包括：
对所述磁共振亮血图像进行阈值分割；
对阈值分割后的图像进行连通域选择；
对连通域选择后的图像进行表面提取；
对表面提取后的图像进行平滑滤波，得到三维血管模型。
在其中一个实施例中，所述三维血管模型为多边形网格三维模型；所述从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度，包括：
确定所述多边形网格三维模型中多边形的共享顶点；
计算所述共享顶点的法向量；
根据所述共享顶点和所述共享顶点的法向量，确定所述共享顶点的位置映射在所述磁共振黑血图像中的目标点、以及所述目标点的相邻点；
读取所述目标点和对应相邻点的血管壁增强强度，将最大的血管壁增强强度作为所述目标点最终的血管壁增强强度。
在其中一个实施例中，所述多边形网格三维模型为三角形网格三维模型；所述计算所述共享顶点的法向量，包括：
根据共用所述共享顶点的各三角形中、连接所述共享顶点的两边的向量，采用向量叉乘法计算对应三角形的法向量；
根据三角形中连接所述共享顶点的两边的夹角，计算共用所述共享顶点的各三角形的夹角占比，得到各三角形法向量的加权权重；
根据所述三角形的法向量和对应的加权权重，对共用所述共享顶点的三角形的法向量进行加权平均，得到所述共享顶点的法向量。
在其中一个实施例中，所述根据所述共享顶点和所述共享顶点的法向量，确定所述共享顶点的位置映射在所述磁共振黑血图像中的目标点、以及所述目标点的相邻点，包括：
查找所述磁共振黑血图像中、与所述共享顶点的位置相对应的点作为目标点；
以朝血管壁内为内方向，将所述目标点的内方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第一个相邻点；
将所述目标点的外方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第二个相邻点。
在其中一个实施例中，所述将所述目标点的血管壁增强强度映射到所述三维血管模型中，包括：
将所述目标点的血管壁增强强度，作为所述三维血管模型中对应位置处的着色值，对所述三维血管模型进行属性添加。
一种磁共振成像血管壁增强强度映射装置，包括：
图像获取模块，用于获取目标区域的磁共振亮血图像和磁共振黑血图像；
模型生成模块，用于基于所述磁共振亮血图像生成所述目标区域的三维血管模型；
强度采样模块，用于从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度；
强度映射模块，用于将所述目标点的血管壁增强强度映射到所述三维血管模型中。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取目标区域的磁共振亮血图像和磁共振黑血图像；
基于所述磁共振亮血图像生成所述目标区域的三维血管模型；
从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度；
将所述目标点的血管壁增强强度映射到所述三维血管模型中。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取目标区域的磁共振亮血图像和磁共振黑血图像；
基于所述磁共振亮血图像生成所述目标区域的三维血管模型；
从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度；
将所述目标点的血管壁增强强度映射到所述三维血管模型中。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：结合磁共振亮血成像技术和磁共振黑血成像技术，从磁共振黑血图像中采样血管壁增强强度，将采样的血管壁增强强度映射到磁共振亮血图像生成的三维血管模型中，实现血管壁增强强度的自动化映射，以呈现血管壁增强强度的情况，便于区分增强区域和非增强区域，避免了采用手工标定增强区域引入的主观人为误差，提高处理的准确性。而且，不需要复杂繁琐的手工标定增强区域的过程，可显著提高数据处理效率。
附图说明
通过结合附图阅读下文示例性实施例的详细描述可更好地理解本公开的范围。其中所包括的附图是：
图1为一个实施例中磁共振成像血管壁增强强度映射方法的流程示意图；
图2为一个实施例中从磁共振黑血图像中采样目标点的血管壁增强强度的具体流程示意图；
图3为一个实施例中计算共享顶点的法向量的具体流程示意图；
图4为一个实施例中共享顶点及三角形的法向量的示意图；
图5为一个实施例中映射得到的三维血管模型图；
图6为一个实施例中磁共振成像血管壁增强强度映射装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本发明的实施方法，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。
如图1所示，在一个实施例中，提供了一种磁共振成像血管壁增强强度映射方法。以应用于计算机设备为例，该方法包括如下步骤：
S110：获取目标区域的磁共振亮血图像和磁共振黑血图像。
其中，目标区域是需要进行血管壁增强分析的部位，可以通过仪器扫描生成影像。具体地，可以采用磁共振亮血成像技术生成磁共振亮血图像，采用磁共振黑血成像技术生成磁共振黑血图像。例如，磁共振亮血图像可以是MRA(Magnetic Resonance Angiography磁共振血管造影)图像、CTA(CT Angiography CT血管造影)图像、DSA(Digitalsubtraction Angiography数字减影血管造影)图像等；磁共振黑血图像可以是HR-VWI(High Resolution Magnetic Resonance Vessel Wall Imaging高分辨磁共振血管壁成像)图像，是一种通过抑制血管内流动血液信号获取血管壁静态组织信息的磁共振黑血图像。具体地，计算机设备可以是采集扫描的信息生成磁共振亮血图像和磁共振黑血图像，也可以接收由其他设备生成磁共振亮血图像和磁共振黑血图像后发送的图像。
S130：基于磁共振亮血图像生成目标区域的三维血管模型。
三维血管模型是血管的三维模型。具体地，计算机设备根据磁共振亮血图像建立血管的三维图像。
S150：从磁共振黑血图像中采样目标区域中目标点的血管壁增强强度。
其中，目标点是血管壁的位置点，可以是通过选取确定位置。可以理解，目标点也可以是预先设定的位置。
S170：将目标点的血管壁增强强度映射到三维血管模型中。
磁共振亮血图像和磁共振黑血图像都是基于目标区域生成的图像，因此，磁共振亮血图像和磁共振黑血图像存在位置对应的点，从而目标点的位置在磁共振亮血图像对应的三维血管模型中有对应的位置。将目标点的血管壁增强强度映射到三维血管模型中，具体是在三维血管模型中、对应目标点的位置处反映出采样的血管壁增强强度，得到映射后的三维血管模型。映射后的三维血管模型，可以呈现血管壁增强强度的情况，便于用户区分增强区域和非增强区域。
上述磁共振成像血管壁增强强度映射方法，结合磁共振亮血成像技术和磁共振黑血成像技术，从磁共振黑血图像中采样血管壁增强强度，将采样的血管壁增强强度映射到磁共振亮血图像生成的三维血管模型中，实现血管壁增强强度的自动化映射，以呈现血管壁增强强度的情况，便于区分增强区域和非增强区域，避免了采用手工标定增强区域引入的主观人为误差，提高处理的准确性。而且，不需要复杂繁琐的手工标定增强区域的过程，可显著提高数据处理效率。
在其中一个实施例中，步骤S110包括：获取目标区域并通过磁共振亮血成像技术对目标区域生成图像，得到磁共振亮血图像；获取目标区域并通过磁共振黑血成像技术对目标区域生成图像；以磁共振亮血图像为基准，对通过磁共振黑血成像技术对目标区域生成图像进行图像配准，得到磁共振黑血图像。
磁共振亮血成像技术和磁共振黑血成像技术，是采用不同成像序列采集得到磁共振影像，因此，对同一目标区域分别采用磁共振亮血成像技术和磁共振黑血成像技术进行成像，所得到图像的空间位置可能存在不一致的情况。通过根据磁共振亮血技术成像的图像和磁共振黑血技术成像的图像进行配准操作，使得对应相同空间位置的组织信息，从而基于磁共振亮血图像和磁共振黑血图像的映射操作准确性更高。
具体地，可以是采用刚性配准或非刚性配准的图像配准方法进行图像配准。可以理解，在其他实施例中，也可以是直接以通过磁共振黑血成像技术生成的图像为磁共振黑血图像，以磁共振黑血图像为基准，对通过磁共振亮血成像技术对目标区域生成的图像进行图像配准，得到配准后的磁共振亮血图像。
在其中一个实施例中，步骤S130包括：对磁共振亮血图像进行阈值分割；对阈值分割后的图像进行连通域选择；对连通域选择后的图像进行表面提取；对表面提取后的图像进行平滑滤波，得到三维血管模型。
阈值分割是基于区域的图像分割技术，把图像像素点分为若干类。连通域是图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。具体地，阈值分割后，可以得到分割血管壁的图像，然后对分割血管壁的图像选取连通域、表面提取和平滑滤波，建立三维血管模型，得到的图像分辨率高，从而可以提高映射分辨率。
在其中一个实施例中，三维血管模型为多边形网格三维模型。多边形网格三维模型是用多边形网格构建的三维图像。在现有的图像映射方式中，一般只能进行区域映射，映射分辨率低；本申请通过建立三维网格模型，基于像素级别进行处理，可实现像素级别的管壁增强强度映射，极大地提高了映射分辨率。
具体地，参考图2，步骤S150包括步骤S151至步骤S157。
S151：确定多边形网格三维模型中多边形的共享顶点。
其中，共享顶点是指被两个以上的多边形共用的顶点。具体地，可以基于多边形网格三维模型的结构查找共享顶点。
S153：计算共享顶点的法向量。
S155：根据共享顶点和共享顶点的法向量，确定共享顶点的位置映射在磁共振黑血图像中的目标点、以及目标点的相邻点。
目标点在磁共振黑血图像中的位置，是共享顶点映射在磁共振黑血图像中的位置，即，目标点的位置与对应的共享顶点在磁共振亮血图像对应的多边形网格三维模型中的位置匹配；比如，磁共振亮血图像和磁共振黑血图像经过图像配准，空间位置相一致，共享顶点在多边形网格三维模型的坐标值与对应的目标点在磁共振黑血图像中的坐标值相同。具体地，目标点的相邻点可以根据实际设置的选取规则进行确定，数量可以是一个，也可以是多个。
S157：读取目标点和对应相邻点的血管壁增强强度，将最大的血管壁增强强度作为目标点最终的血管壁增强强度。
目标点和相邻点对应有各自的血管壁增强强度，在读取到目标点的血管壁增强强度和这个目标点对应相邻点的血管壁增强强度后，将其中的最大值作为目标点最终的血管壁增强强度，用于映射至三维血管模型中。具体地，一个共享顶点对应一个目标点，对每一个目标点都进行最终的血管壁增强强度的确定。
通过根据多边形网格三维模型的共享顶点确定磁共振黑血图像中需要采样的目标点，利用多边形网格三维模型在每个共享顶点处对磁共振黑血图像进行采样；除了在共享顶点对应的目标点处进行血管壁增强强度读取外，在相邻点也同样读取血管壁增强强度，基于多个点确定目标点最终的血管壁增强强度，可以提高血管壁增强强度的采样准确性，从而提高映射的准确性。
在其中一个实施例中，多边形网格三维模型为三角形网格三维模型。如图3所示，步骤S153包括步骤S1531至步骤S1535。
S1531：根据共用共享顶点的各三角形中、连接共享顶点的两边的向量，采用向量叉乘法计算对应三角形的法向量。
例如，共享顶点为点A，点A为三角形S1的一个顶点，三角形S1连接点A的两边为AB、AC，则根据AB、AC的向量采用向量叉乘法计算三角形S1的法向量。
S1533：根据三角形中连接共享顶点的两边的夹角，计算共用共享顶点的各三角形的夹角占比，得到各三角形法向量的加权权重。
夹角占比是指一个三角形在共享顶点处的夹角、在所有共用共享顶点的三角形在共享顶点处的夹角之和中的比例。例如图4所示，共用共享顶点的四个三角形在共享顶点处的夹角分别为θ1、θ2、θ3、θ4，则四个三角形的法向量的加权权重分别为θ1/(θ1+θ2+θ3+θ4)、θ2/(θ1+θ2+θ3+θ4)、θ3/(θ1+θ2+θ3+θ4)、θ4/(θ1+θ2+θ3+θ4)。
S1535：根据三角形的法向量和对应的加权权重，对共用共享顶点的三角形的法向量进行加权平均，得到共享顶点的法向量。
通过计算三角形的法向量、采用夹角的占比确定加权权重，根据三角形的法向量和加权权重，使用角度加权平均的方法，实现被多个三角形共用的共享顶点处的法向量计算。
在其中一个实施例中，步骤S155包括：查找磁共振黑血图像中、与共享顶点的位置相对应的点作为目标点；以朝血管壁内为内方向，将目标点的内方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第一个相邻点；将目标点的外方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第二个相邻点。
其中，对应法向量，是指这个目标点所对应的共享顶点的法向量；预设图像分辨率可以等于磁共振黑血图像的图像分辨率。以共享顶点A为例，共享顶点A对应的目标点为B，在目标点B的内方向、往共享顶点A的法向量的方向上、与目标点B的距离为一个预设图像分辨率的点，为目标点B的第一个相邻点；在目标点B的外方向、往共享顶点A的法向量的方向上、与目标点B的距离为一个预设图像分辨率的点，为第二个相邻点。
通过基于共享顶点的法向量，确定共享顶点所对应目标点的相邻点，对于一个目标点的血管壁增强强度采样，对目标点和相连点共进行三次采样确定最终的血管壁增强强度，提高准确性。
在其中一个实施例中，步骤S170包括：将目标点的血管壁增强强度，作为三维血管模型中对应位置处的着色值，对三维血管模型进行属性添加。
在血管壁增强强度的映射过程中，将采样的目标点的血管壁增强强度作为三维血管模型中对应位置的属性添加到血管模型中，以此属性作为着色值将血管壁增强强度映射到三维血管模型上完成血管壁增强强度的映射，着色值影响像素点的颜色深浅，从而可以从三维血管模型的颜色深浅上呈现增强区域。例如，图5为映射后的三维血管模型图。
应该理解的是，虽然图1-图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-图3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
如图6所示，在一个实施例中，提供了一种磁共振成像血管壁增强强度映射装置，包括图像获取模块610、模型生成模块630、强度采样模块650和强度映射模块670。
图像获取模块610用于获取目标区域的磁共振亮血图像和磁共振黑血图像。模型生成模块630用于基于磁共振亮血图像生成目标区域的三维血管模型。强度采样模块650用于从磁共振黑血图像中采样目标区域中目标点的血管壁增强强度。强度映射模块670用于将目标点的血管壁增强强度映射到三维血管模型中。
上述磁共振成像血管壁增强强度映射装置，结合磁共振亮血成像技术和磁共振黑血成像技术，从磁共振黑血图像中采样血管壁增强强度，将采样的血管壁增强强度映射到磁共振亮血图像生成的三维血管模型中，实现血管壁增强强度的自动化映射，以呈现血管壁增强强度的情况，便于区分增强区域和非增强区域，避免了采用手工标定增强区域引入的主观人为误差，提高处理的准确性。而且，不需要复杂繁琐的手工标定增强区域的过程，可显著提高数据处理效率。
在其中一个实施例中，图像获取模块610用于：获取目标区域并通过磁共振亮血成像技术对目标区域生成图像，得到磁共振亮血图像；获取目标区域并通过磁共振黑血成像技术对目标区域生成图像；以磁共振亮血图像为基准，对通过磁共振黑血成像技术对目标区域生成图像进行图像配准，得到磁共振黑血图像。
在其中一个实施例中，模型生成模块630用于对磁共振亮血图像进行阈值分割；对阈值分割后的图像进行连通域选择；对连通域选择后的图像进行表面提取；对表面提取后的图像进行平滑滤波，得到三维血管模型。
在其中一个实施例中，三维血管模型为多边形网格三维模型。强度采样模块650包括顶点确定单元(图未示)、法向量计算单元(图未示)、目标点确定单元(图未示)和强度采样单元(图未示)。
顶点确定单元用于确定多边形网格三维模型中多边形的共享顶点。法向量计算单元用于计算共享顶点的法向量。目标点确定单元用于根据共享顶点和共享顶点的法向量，确定共享顶点的位置映射在磁共振黑血图像中的目标点、以及目标点的相邻点。强度采样单元用于读取目标点和对应相邻点的血管壁增强强度，将最大的血管壁增强强度作为目标点最终的血管壁增强强度。
在其中一个实施例中，法向量计算单元用于根据共用共享顶点的各三角形中、连接共享顶点的两边的向量，采用向量叉乘法计算对应三角形的法向量；根据三角形中连接共享顶点的两边的夹角，计算共用共享顶点的各三角形的夹角占比，得到各三角形法向量的加权权重；根据三角形的法向量和对应的加权权重，对共用共享顶点的三角形的法向量进行加权平均，得到共享顶点的法向量。
在其中一个实施例中，目标点确定单元用于查找磁共振黑血图像中、与共享顶点的位置相对应的点作为目标点；以朝血管壁内为内方向，将目标点的内方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第一个相邻点；将目标点的外方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第二个相邻点。
在其中一个实施例中，强度映射模块670用于将目标点的血管壁增强强度，作为三维血管模型中对应位置处的着色值，对三维血管模型进行属性添加。
关于磁共振成像血管壁增强强度映射装置的具体限定可以参见上文中对于磁共振成像血管壁增强强度映射方法的限定，在此不再赘述。上述磁共振成像血管壁增强强度映射装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述各实施例中方法的步骤。
上述计算机设备，由于可以实现上述磁共振成像血管壁增强强度映射方法，同理，可以提高映射的准确性。
在一个实施例中，提供了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，计算机程序被处理器执行时实现上述各实施例中方法的步骤。
上述计算机可读存储介质，由于可以实现上述磁共振成像血管壁增强强度映射方法，同理，可以提高映射的准确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种磁共振成像血管壁增强强度映射方法，其特征在于，包括：
获取目标区域的磁共振亮血图像和磁共振黑血图像；
基于所述磁共振亮血图像生成所述目标区域的三维血管模型；
从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度；
将所述目标点的血管壁增强强度映射到所述三维血管模型中。
2.根据权利要求1所述的方法，其特征在于，所述获取目标区域的磁共振亮血图像和磁共振黑血图像，包括：
获取所述目标区域并通过磁共振亮血成像技术对所述目标区域生成图像，得到磁共振亮血图像；
获取所述目标区域并通过磁共振黑血成像技术对所述目标区域生成图像；
以所述磁共振亮血图像为基准，对通过磁共振黑血成像技术对所述目标区域生成图像进行图像配准，得到磁共振黑血图像。
3.根据权利要求1所述的方法，其特征在于，所述基于所述磁共振亮血图像生成所述目标区域的三维血管模型，包括：
对所述磁共振亮血图像进行阈值分割；
对阈值分割后的图像进行连通域选择；
对连通域选择后的图像进行表面提取；
对表面提取后的图像进行平滑滤波，得到三维血管模型。
4.根据权利要求1所述的方法，其特征在于，所述三维血管模型为多边形网格三维模型；所述从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度，包括：
确定所述多边形网格三维模型中多边形的共享顶点；
计算所述共享顶点的法向量；
根据所述共享顶点和所述共享顶点的法向量，确定所述共享顶点的位置映射在所述磁共振黑血图像中的目标点、以及所述目标点的相邻点；
读取所述目标点和对应相邻点的血管壁增强强度，将最大的血管壁增强强度作为所述目标点最终的血管壁增强强度。
5.根据权利要求4所述的方法，其特征在于，所述多边形网格三维模型为三角形网格三维模型；所述计算所述共享顶点的法向量，包括：
根据共用所述共享顶点的各三角形中、连接所述共享顶点的两边的向量，采用向量叉乘法计算对应三角形的法向量；
根据三角形中连接所述共享顶点的两边的夹角，计算共用所述共享顶点的各三角形的夹角占比，得到各三角形法向量的加权权重；
根据所述三角形的法向量和对应的加权权重，对共用所述共享顶点的三角形的法向量进行加权平均，得到所述共享顶点的法向量。
6.根据权利要求4所述的方法，其特征在于，所述根据所述共享顶点和所述共享顶点的法向量，确定所述共享顶点的位置映射在所述磁共振黑血图像中的目标点、以及所述目标点的相邻点，包括：
查找所述磁共振黑血图像中、与所述共享顶点的位置相对应的点作为目标点；
以朝血管壁内为内方向，将所述目标点的内方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第一个相邻点；
将所述目标点的外方向上、向对应法向量方向一个预设图像分辨率距离处的点，作为第二个相邻点。
7.根据权利要求1-6中任意一项所述的方法，其特征在于，所述将所述目标点的血管壁增强强度映射到所述三维血管模型中，包括：
将所述目标点的血管壁增强强度，作为所述三维血管模型中对应位置处的着色值，对所述三维血管模型进行属性添加。
8.一种磁共振成像血管壁增强强度映射装置，其特征在于，包括：
图像获取模块，用于获取目标区域的磁共振亮血图像和磁共振黑血图像；
模型生成模块，用于基于所述磁共振亮血图像生成所述目标区域的三维血管模型；
强度采样模块，用于从所述磁共振黑血图像中采样所述目标区域中目标点的血管壁增强强度；
强度映射模块，用于将所述目标点的血管壁增强强度映射到所述三维血管模型中。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202110625540.9A 2021-06-04 2021-06-04 磁共振成像血管壁增强强度映射方法、装置、设备和介质 Active CN113222987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110625540.9A CN113222987B (zh) 2021-06-04 2021-06-04 磁共振成像血管壁增强强度映射方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110625540.9A CN113222987B (zh) 2021-06-04 2021-06-04 磁共振成像血管壁增强强度映射方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113222987A true CN113222987A (zh) 2021-08-06
CN113222987B CN113222987B (zh) 2022-10-25

Family

ID=77082883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110625540.9A Active CN113222987B (zh) 2021-06-04 2021-06-04 磁共振成像血管壁增强强度映射方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN113222987B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820664A (zh) * 2022-06-28 2022-07-29 浙江大学 图像数据处理方法、装置、图像数据处理设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065430A1 (en) * 2003-07-10 2005-03-24 Andrea Wiethoff Methods of cardiothoracic imaging - (MET-30)
US20130253305A1 (en) * 2012-03-23 2013-09-26 Ioannis Koktzoglou System and Method for Imaging of the Vascular Components Using Magnetic Resonance Imaging
US20140035581A1 (en) * 2011-04-21 2014-02-06 University Of Washington Interleaved black and bright blood dynamic contrast enhanced (dce) mri
CN112508867A (zh) * 2020-11-23 2021-03-16 西安科锐盛创新科技有限公司 一种模拟化三维颅内血管狭窄分析模型的建立方法
CN112508873A (zh) * 2020-11-23 2021-03-16 西安科锐盛创新科技有限公司 基于迁移学习的颅内血管模拟三维狭窄化模型的建立方法
CN112634386A (zh) * 2020-11-23 2021-04-09 西安科锐盛创新科技有限公司 一种血管造影增强三维狭窄化分析模型的建立方法
CN112634197A (zh) * 2020-11-23 2021-04-09 西安科锐盛创新科技有限公司 一种颅内血管造影增强三维模型的建立方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065430A1 (en) * 2003-07-10 2005-03-24 Andrea Wiethoff Methods of cardiothoracic imaging - (MET-30)
US20140035581A1 (en) * 2011-04-21 2014-02-06 University Of Washington Interleaved black and bright blood dynamic contrast enhanced (dce) mri
US20130253305A1 (en) * 2012-03-23 2013-09-26 Ioannis Koktzoglou System and Method for Imaging of the Vascular Components Using Magnetic Resonance Imaging
CN112508867A (zh) * 2020-11-23 2021-03-16 西安科锐盛创新科技有限公司 一种模拟化三维颅内血管狭窄分析模型的建立方法
CN112508873A (zh) * 2020-11-23 2021-03-16 西安科锐盛创新科技有限公司 基于迁移学习的颅内血管模拟三维狭窄化模型的建立方法
CN112634386A (zh) * 2020-11-23 2021-04-09 西安科锐盛创新科技有限公司 一种血管造影增强三维狭窄化分析模型的建立方法
CN112634197A (zh) * 2020-11-23 2021-04-09 西安科锐盛创新科技有限公司 一种颅内血管造影增强三维模型的建立方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KAZUHIRO TSUCHIYA等: "Postoperative evaluation of superficial temporal artery-middle cerebral artery bypass using an MR angiography technique with combined white-blood and black-blood sequences", 《JOURNAL OF MAGNETIC RESONANCE IMAGING (JMRI)》 *
李鑫等: "3.0T磁共振颈动脉血管壁成像技术的研究现状及进展", 《现代医用影像学》 *
杜晨冰等: "血管造影图像序列减影增强技术综述", 《生命科学仪器》 *
鲁晓燕等: "磁共振新技术在颈动脉狭窄诊断中的应用", 《空军总医院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820664A (zh) * 2022-06-28 2022-07-29 浙江大学 图像数据处理方法、装置、图像数据处理设备及存储介质
CN114820664B (zh) * 2022-06-28 2022-09-30 浙江大学 图像数据处理方法、装置、图像数据处理设备及存储介质

Also Published As

Publication number Publication date
CN113222987B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
US7990379B2 (en) System and method for coronary segmentation and visualization
US8509506B2 (en) Automatic 3-D segmentation of the short-axis late-enhancement cardiac MRI
CN107886508B (zh) 差分减影方法和医学图像处理方法及系统
JP6877868B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US9600890B2 (en) Image segmentation apparatus, medical image device and image segmentation method
EP3493161B1 (en) Transfer function determination in medical imaging
CN113516659B (zh) 一种基于深度学习的医学影像自动分割方法
EP2338141B1 (en) Segmentation of the long-axis late-enhancement cardiac mri
US8781189B2 (en) Reproducible segmentation of elliptical boundaries in medical imaging
CN110176010B (zh) 一种图像检测方法、装置、设备及存储介质
JP2008511366A (ja) 距離座標を使った特徴重み付け医療オブジェクト輪郭検出
US8577104B2 (en) Liver lesion segmentation
JP2004520923A (ja) デジタル画像をセグメント化する方法
EP2827301A1 (en) Image generation device, method, and program
US20210391078A1 (en) Deep learning model learning device and method for cancer region
JP2012245085A (ja) 画像処理プログラム、方法及び装置
CN113222987B (zh) 磁共振成像血管壁增强强度映射方法、装置、设备和介质
TW202033159A (zh) 圖像處理方法、裝置及系統、電子設備及電腦可讀儲存媒體
US7873195B2 (en) Conformal segmentation of organs in medical images
CN116051553B (zh) 一种在三维医学模型内部进行标记的方法和装置
US8260022B2 (en) Automatic cardiac band detection of breast MRI
US11443476B2 (en) Image data processing method and apparatus
JP2009502430A (ja) 胸部磁気共鳴シーケンスにおいて血管を自動的にセグメント化するシステムおよび方法
Reska et al. HIST-an application for segmentation of hepatic images
JP2023524543A (ja) 超音波データのセグメンテーション

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