CN113393427A - 斑块分析方法、装置、计算机设备和存储介质 - Google Patents
斑块分析方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113393427A CN113393427A CN202110590143.2A CN202110590143A CN113393427A CN 113393427 A CN113393427 A CN 113393427A CN 202110590143 A CN202110590143 A CN 202110590143A CN 113393427 A CN113393427 A CN 113393427A
- Authority
- CN
- China
- Prior art keywords
- image
- plaque
- analysis result
- modal
- analysis
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 157
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000007667 floating Methods 0.000 claims abstract description 23
- 238000010191 image analysis Methods 0.000 claims description 81
- 210000004204 blood vessel Anatomy 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 31
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 26
- 230000036262 stenosis Effects 0.000 claims description 26
- 208000037804 stenosis Diseases 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 7
- 206010057469 Vascular stenosis Diseases 0.000 claims 1
- 238000002591 computed tomography Methods 0.000 description 134
- 238000002600 positron emission tomography Methods 0.000 description 93
- 238000010586 diagram Methods 0.000 description 11
- 238000007499 fusion processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 206010061218 Inflammation Diseases 0.000 description 4
- 230000004054 inflammatory process Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000002308 calcification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 208000032843 Hemorrhage Diseases 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- HIIJZYSUEJYLMX-JZRMKITLSA-N 1-fluoranyl-3-(2-nitroimidazol-1-yl)propan-2-ol Chemical compound [18F]CC(O)CN1C=CN=C1[N+]([O-])=O HIIJZYSUEJYLMX-JZRMKITLSA-N 0.000 description 1
- 208000004434 Calcinosis Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- PUZPDOWCWNUUKD-ULWFUOSBSA-M sodium;fluorine-18(1-) Chemical compound [18F-].[Na+] PUZPDOWCWNUUKD-ULWFUOSBSA-M 0.000 description 1
- 230000003068 static effect 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
- G06T7/0002—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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- 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
- G06T2207/10—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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种斑块分析方法、装置、计算机设备和存储介质。所述方法包括：获取目标对象的多模态数据；确定所述多模态数据中的基准图像，并将浮动图像配准至所述基准图像得到配准关系；基于所述配准关系对所述多模态数据中的斑块进行分析，得到多模态分析结果；所述多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；展示所述多模态分析结果。采用本方法能够更好地辅助医生判断易损斑块。
Description
技术领域
本申请涉及斑块分析技术领域，特别是涉及一种斑块分析方法、装置、计算机设备和存储介质。
背景技术
易损斑块(Vulnerable Plaque)是指那些不稳定和有血栓形成倾向的斑块，准确识别易损斑块对预防和治疗心脑血管疾病有着非常重要的意义。
随着医学成像技术的发展，医生通常会根据CT(Computed Tomography，即电子计算机断层扫描)图像、MR(Magnetic Resonance，磁共振检查)图像和PET(PositronEmission Computed Tomography，正电子发射型计算机断层显像)图像来判断斑块是易损斑块还是稳定斑块。
但是，CT图像、MR图像和PET图像各有优缺点，例如可MR图像分析可以提供狭窄或者斑块形态的分析，但是无法判断斑块内炎性改变。因此，如何整合上述图像，使得上述图像可以更好地辅助医生判断易损斑块成为了亟待解决的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够更好地辅助意思判断易损斑块的斑块分析方法、装置、计算机设备和存储介质。
一种斑块分析方法，该方法包括：
获取目标对象的多模态数据；
确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
展示多模态分析结果。
在其中一个实施例中，上述确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系，包括：
若多模态数据包括CT图像，则将CT图像确定为基准图像，并将MR图像和/或PET图像配准至CT图像，得到配准关系；
若多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为基准图像，并将第二MR图像配准至第一MR图像，得到配准关系；
若多模态数据包括MR图像和PET图像但不包括CT图像，则将MR图像确定为基准图像，并将PET图像配准至MR图像，得到配准关系。
在其中一个实施例中，上述基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果，包括：
对CT图像中的斑块进行分析，得到CT图像分析结果；
根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。
在其中一个实施例中，上述对CT图像中的斑块进行分析，得到CT图像分析结果，包括：
对CT图像进行中心线提取处理，得到CT图像中的血管中心线；
根据CT图像中的血管中心线进行图像重建得到重建图像；
根据重建图像进行血管狭窄分析，得到狭窄分析结果。
在其中一个实施例中，上述根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果，包括：
根据配准关系和CT图像中的血管中心线确定MR图像中的血管中心线，并根据MR图像中的血管中心线计算血管参数；
根据狭窄分析结果确定MR图像的分析区域；
获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数。
在其中一个实施例中，上述根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果，包括：
根据MR图像计算参数图；参数图包括斑块横截面参数；
根据配准关系将斑块区域映射到参数图中，并根据映射结果确定参数图中的感兴趣区域。
在其中一个实施例中，上述基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果，包括：
根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域；
对PET图像中的斑块区域进行分析，得到PET图像分析结果。
在其中一个实施例中，上述展示多模态分析结果，包括：
展示CT图像分析结果、MR图像分析结果、PET图像分析结果、重建图像和融合图像中的至少一种。
在其中一个实施例中，该方法还包括：
获取上层图像和下层图像；其中，上层图像为PET图像或MR图像，下层图像为CT图像或MR图像；
将上层图像与下层图像进行融合处理得到融合图像。
在其中一个实施例中，上述获取目标对象的多模态数据，包括：
接收针对目标对象的对象选取操作，并根据对象选取操作在数据选择界面中展示目标对象对应的可选图像；
基于数据选择界面接收数据选取操作，并根据数据选取操作在应用界面中展示选出的多模态数据。
一种斑块分析装置，该装置包括：
数据获取模块，用于获取目标对象的多模态数据；
配准关系确定模块，用于确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
斑块分析模块，用于基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
结果展示模块，用于展示多模态分析结果。
在其中一个实施例中，上述配准关系确定模块，具体用于若多模态数据包括CT图像，则将CT图像确定为基准图像，并将MR图像和/或PET图像配准至CT图像，得到配准关系；若多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为基准图像，并将第二MR图像配准至第一MR图像，得到配准关系；若多模态数据包括MR图像和PET图像但不包括CT图像，则将MR图像确定为基准图像，并将PET图像配准至MR图像，得到配准关系。
在其中一个实施例中，上述斑块分析模块，包括：
CT图像分析子模块，用于对CT图像中的斑块进行分析，得到CT图像分析结果；
MR图像分析子模块，用于根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。
在其中一个实施例中，上述CT图像分析子模块，具体用于对CT图像进行中心线提取处理，得到CT图像中的血管中心线；根据CT图像中的血管中心线进行图像重建得到重建图像；根据重建图像进行血管狭窄分析，得到狭窄分析结果。
在其中一个实施例中，上述MR图像分析子模块，具体用于根据配准关系和CT图像中的血管中心线确定MR图像中的血管中心线，并根据MR图像中的血管中心线计算血管参数；根据狭窄分析结果确定MR图像的分析区域；获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数。
在其中一个实施例中，上述MR图像分析子模块，具体用于根据MR图像计算参数图；参数图包括斑块横截面参数；根据配准关系将斑块区域映射到参数图中，并根据映射结果确定参数图中的感兴趣区域。
在其中一个实施例中，上述斑块分析模块包括：
映射子模块，用于根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域；
PET图像分析子模块，用于对PET图像中的斑块区域进行分析，得到PET图像分析结果。
在其中一个实施例中，上述结果展示模块，用于展示CT图像分析结果、MR图像分析结果、PET图像分析结果、重建图像和融合图像中的至少一种。
在其中一个实施例中，该装置还包括：
图像获取模块，用于获取上层图像和下层图像；其中，上层图像为PET图像或MR图像，下层图像为CT图像或MR图像；
融合模块，用于将上层图像与下层图像进行融合处理得到融合图像。
在其中一个实施例中，上述数据获取模块，具体用于接收针对目标对象的对象选取操作，并根据对象选取操作在数据选择界面中展示目标对象对应的可选图像；基于数据选择界面接收数据选取操作，并根据数据选取操作在应用界面中展示选出的多模态数据。
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以下步骤：
获取目标对象的多模态数据；
确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
展示多模态分析结果。
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以下步骤：
获取目标对象的多模态数据；
确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
展示多模态分析结果。
上述斑块分析方法、装置、计算机设备和存储介质，获取目标对象的多模态数据；确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；展示多模态分析结果。本公开实施例中，根据多模态数据之间的配准关系进行斑块分析，可以整合多模态的图像，从而更好地辅助医生判断易损斑块。
附图说明
图1为一个实施例中斑块分析方法的应用环境图；
图2为一个实施例中斑块分析方法的流程示意图；
图3为一个实施例中数据选择界面的示意图；
图4为一个实施例中应用界面的示意图；
图5为一个实施例中斑块分析报告的示意图；
图6为一个实施例中基于配准关系对多模态数据中的斑块进行分析步骤的流程示意图之一；
图7为一个实施例中基于配准关系对多模态数据中的斑块进行分析步骤的流程示意图之二；
图8为一个实施例中获得融合图像步骤的流程示意图；
图9为一个实施例中斑块分析装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的斑块分析方法，可以应用于如图1所示的应用环境中。该应用环境可以包括图像处理设备101和多个医学扫描设备102。其中，图像处理设备101可以通过网络与医学扫描设备102进行通信。上述图像处理设备101可以但不限于是各种个人计算机、笔记本电脑机和平板电脑，上述医学扫描设备102可以但不限于是CT(Computed Tomography，即电子计算机断层扫描)设备、PET(Positron Emission Computed Tomography，正电子发射型计算机断层显像)-CT设备和MR(Magnetic Resonance，磁共振)设备。
该应用环境还可以包括PACS(Picture Archiving and Communication Systems，影像归档和通信系统)服务器103，图像处理设备101和医学扫描设备102均可以通过网络与PACS服务器103进行通信。上述PACS服务器103可以用独立的服务和器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种斑块分析方法，以该方法应用于图1中的图像处理设备为例进行说明，包括以下步骤：
步骤201，获取目标对象的多模态数据。
其中，多模态数据可以包括CT图像、MR图像和PET图像中的至少两种。
图像处理设备可以分别从各医学扫描设备获取目标对象的图像。例如，分别从CT设备获取目标对象的CT图像，从MR设备获取目标对象的MR图像，从PET设备获取目标对象的PET图像。图像处理设备也可以从PACS服务器获取目标对象的CT图像、MR图像和PET图像。本公开实施例对此不做限定。
在实际应用中，图像处理设备可以展示对象选取页面，之后，基于对象选取页面接收针对目标对象的对象选取操作，并根据对象选取操作在数据选择界面中展示目标对象对应的可选图像；接着，基于数据选择界面接收数据选取操作，并根据数据选取操作在应用界面中展示选出的多模态数据。
例如，根据对象选取操作展示数据选择界面，如图3所示，数据选择页面中展示有目标对象对应的可选图像包括CT图像、MR图像和PET图像。其中，CT图像有一个序列(CTA)可选，MR图像有5个序列(TOF、T1 mx、T1 CE、T2、DCE)可选、PET有一个序列可选。用户可以基于数据选择界面选取图像数据，对应地，图像处理设备基于数据选择界面接收用户输入的数据选取操作，并在应用界面中展示选出的CT图像、MR图像和PET图像等，如图4所示，应用界面中展示有图像显示区域和工具栏，图像显示区域中图像显示数量和图像显示位置可以根据用户需要进行调整。例如，图4中图像显示区域有4个窗口(cell)，在实际应用中也可以采用左右排列的2个窗口或者上下排列的2个窗口。
步骤202，确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系。
图像处理设备获取到多模态数据后，确定多模态数据中的基准图像。通常情况下，将CT图像确定为基准图像；也可以将MR图像确定为基准图像。本公开实施例对此不做限定。
在确定基准图像后，可以采用刚性配准或者非刚性配准的方式，将浮动图像配准至基准图像得到配准关系。也可以采用其他配准方式，本公开实施例对此不做限定。
步骤203，基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果。
其中，多模态分析结果包括各模态的斑块分析结果和多模态的融合图像。
图像处理设备得到配准关系后，先对基准图像中的斑块进行分析，得到基准图像中的斑块分析结果。再根据配准关系，将基准图像中的斑块分析结果映射到浮动图像中，确定浮动图像中的斑块区域，并对浮动图像中的斑块区域进行分析，得到浮动图像中的斑块分析结果。
图像处理设备可以在对斑块进行分析的过程进行图像重建，得到重建图像；也可以对基准图像和浮动图像或者多个浮动图像进行融合处理，得到多模态的融合图像。
步骤204，展示多模态分析结果。
其中，多模态分析结果包括CT图像分析结果、MR图像分析结果、PET图像分析结果，配准过程中生成的重建图像以及融合处理得到的融合图像。
图像处理设备获得多模态分析结果后，展示CT图像分析结果、MR图像分析结果、PET图像分析结果、重建图像和融合图像中的至少一种。
在其中一个实施例中，图像处理设备根据多模态分析结果生成斑块分析报告。斑块分析报告如图5所示，斑块分析报告包括CT图像分析结果、MR分析结果和PET分析结果。图5中，CT图像分析结果包括狭窄分析结果为狭窄，血管不同角度的CPR图像以及面积、最大直径等参数。MR分析结果包括血管测量结果、斑块测量结果、DCE定量分析结果，图5中，血管测量结果包括管腔的体积和面积，管壁的体积和面积，血管厚度的平均值、最大值、最小值，NWI的平均值、最大值、最小值，不同序列CPR图像和最大管壁厚度血管界面MPR图像；斑块测量结果包括腐质坏死的体积、体积比、最大面积，钙化的体积、体积比、最大面积，内出血的体积、体积比、最大面积，疏松基质的体积、体积比、最大面积，纤维帽的体积、体积比、最大面积，斑块层面不同序列横截面MPR图像；DCE定量分析为炎症，ROI1的平均值、最小值和最大值，斑块层面Ktrans参数图融合图。PET分析结果包括18F-FDG和斑块分析，图5中斑块分析为钙化、炎症。图像处理设备支持用户对报告内容、报告布局进行自定义。
上述斑块分析方法中，获取目标对象的多模态数据；确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；展示多模态分析结果。本公开实施例中，根据多模态数据之间的配准关系进行斑块分析，可以整合多模态的图像，从而更好地辅助医生判断易损斑块。
在一个实施例中，上述确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系，可以以下配准方式：
其中一种方式包括：若多模态数据包括CT图像，则将CT图像确定为基准图像，并将MR图像和/或PET图像配准至CT图像，得到配准关系。
例如，如果多模态数据包括CT图像和MR图像，则将CT图像确定为基准图像，将MR图像配准至CT图像得到配准关系。如果多模态数据包括CT图像和PET图像，则将CT图像确定为基准图像，将PET图像配准至CT图像得到配准关系。如果多模态数据包括CT图像、MR图像和PET图像，则将CT图像确定为基准图像，将MR图像配准至CT图像得到CT图像和MR图像之间的配准关系，将PET图像配准至CT图像得到CT图像和PET图像之间的配准关系。
其中一种方式包括：若多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为基准图像，并将第二MR图像配准至第一MR图像，得到配准关系。
例如，如果多模态数据包括HR(high resolution，高分辨率)-MR图像和MR-DCE(Dynamic contrast enhanced，动态对比增强)图像，则将HR-MR图像确定为基准图像，将MR-DCE图像配准至HR-MR图像得到配准关系。
其中一种方式包括：若多模态数据包括MR图像和PET图像但不包括CT图像，则将MR图像确定为基准图像，并将PET图像配准至MR图像，得到配准关系。
上述实施例中，对于不同的多模态数据，采用不同的配准方式，使得配准可以灵活设置，适用于多种情况。
在一个实施例中，如图6所示，上述基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果的步骤，可以包括：
步骤301，对CT图像中的斑块进行分析，得到CT图像分析结果。
图像处理设备获取到CT图像后，对CT图像中的斑块进行分析。具体地，对CT图像进行中心线提取处理，得到CT图像中的血管中心线；根据CT图像中的血管中心线进行图像重建得到重建图像；根据重建图像进行血管狭窄分析，得到狭窄分析结果。
上述重建图像可以包括曲面重建图像(CPR)、最大密度投影图像(MIP)和体数据渲染图像(VR)。上述狭窄分析结果可以包括管腔狭窄参数。本公开实施例对重建图像和狭窄分析结果不做限定。
可以理解地，对CT图像的斑块进行分析得到的CT图像分析结果，可以评估斑块的解剖结构和整体形态。
步骤302，根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。
图像处理设备将MR图像配准至CT图像得到配准关系，在得到CT图像中的血管中心线后，可以根据配准关系和CT图像中的血管中心线确定MR图像中的血管中心线，并根据MR图像中的血管中心线计算血管参数；之后，图像处理设备根据狭窄分析结果确定MR图像的分析区域；获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数。
在其中一个实施例中，MR图像包括HR-MR图像，上述根据MR图像中的血管中心线计算血管参数的过程可以包括：图像处理设备根据MR图像中的血管中心线，重建出曲面重建图像、最大密度投影图像、血管横截面MPR图像(斑块层面)等；基于重建出的图像分割出血管内壁轮廓和血管外壁轮廓；根据血管内壁轮廓和血管外壁轮廓计算出管腔直径、管壁面积、管壁厚度、标准化管壁指数和重构指数等血管参数。本公开实施例对血管参数不做限定。
在其中一个实施例中，MR图像包括HR-MR图像，上述获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数的过程可以包括：图像处理设备获取分析区域，根据分析区域对应的血管横截面MPR图像确定MR图像中的斑块区域，根据MR图像中的斑块区域计算斑块负荷、斑块体积、成分体积和成分占比等斑块参数。
可以理解地，对MR图像中的斑块进行分析得到的MR图像分析结果，可以评估斑块及成分体积、各成分占比和斑块是否出血，对斑块进行定性和定量分析。
在其中一个实施例中，MR图像包括MR-DCE图像，上述根据MR图像中的血管中心线计算血管参数的过程可以包括：图像处理设备根据MR图像计算参数图；根据配准关系将斑块区域映射到参数图中，并根据映射结果确定参数图中的感兴趣区域(Region OfInterest，ROI)。
上述参数图(Ktrans参数图)可以包括斑块横截面参数。
可以理解地，对MR图像中的斑块进行分析得到的MR图像分析结果，还可以评估斑块内的新生血管，反映斑块内的微血管含量，判断炎症情况。
上述基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果的步骤中，对CT图像中的斑块进行分析，得到CT图像分析结果；根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。本公开实施例中，CT图像分析结果可以评估斑块的整体形态，依据CT图像分析结果和配准关系得到的MR图像分析结果可以对斑块进行定性和定量分析，因此，整合多模态数据可以更好地辅助医生判断易损斑块。
在一个实施例中，如图7所示，上述基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果的步骤，还可以包括：
步骤303，根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域。
图像处理设备可以直接根据MR图像与PET图像之间的配准关系，将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域。图像处理设备也可以先根据MR图像与CT图像的配准关系和PET图像与CT图像的配准关系确定MR图像与PET图像之间的配准关系，再根据MR图像与PET图像之间的配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域。
步骤304，对PET图像中的斑块区域进行分析，得到PET图像分析结果。
图像处理设备可以根据PET图像中的斑块区域进行图像重建得到斑块横截面MRP图像，进而根据斑块横截面MRP图像确定感兴趣区域。
可以理解地，PET图像分析结果可以测量颈动脉斑块对18F-FDG，或18F-NaF、18F-FMISO等的摄取量，评估炎症、钙化、缺氧等情况，从而更准确地评估斑块的易损性。
上述基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果的步骤中，根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域；对PET图像中的斑块区域进行分析，得到PET图像分析结果。本公开实施例中，依据MR图像分析结果得到的PET图像分析结果可以更准确地评估斑块的易损性，因此，整合多模态数据可以更好地辅助医生判断易损斑块。
在一个实施例中，如图8所示，在上述实施例的基础上，还可以包括获得融合图像的过程：
步骤401，获取上层图像和下层图像。
其中，上层图像为PET图像或MR图像，下层图像为CT图像或MR图像。
图像处理设备获得融合图像时，可以根据用户输入的图像选取操作获取上层图像和下层图像，也可以根据待生成的融合图像获取上层图像和下层图像。
例如，图像处理设备根据用户输入的图像选取操作获取到上层图像为MR图像、下层图像为CT图像；或者，根据待生成的融合图像为MR+PET融合图像，获取到上层图像为PET图像、下层图像为MR图像。
步骤402，将上层图像与下层图像进行融合处理得到融合图像。
图像处理设备获取到上层图像和下层图像后，利用预先设置的图像融合算法对上层图像和下层图像进行融合处理，得到融合图像。
上述图像融合算法可以包括空间域融合算法和变换域融合算法，空间域融合算法可以包括逻辑滤波器法、数学形态发和图像代数法等；变换域融合算法可以包括高通滤波法、金字塔分解法和小波变换法等。本公开实施例对图像融合算法不做限定。
上述获得融合图像的过程中，获取上层图像和下层图像；将上层图像与下层图像进行融合处理得到融合图像。本公开实施例中，对多模态的图像进行融合得到融合图像，可以更好地展示斑块，从而更好地辅助医生判断易损斑块。
应该理解的是，虽然图2至图8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2至图8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。
在一个实施例中，如图9所示，提供了一种斑块分析装置，包括：
数据获取模块501，用于获取目标对象的多模态数据；
配准关系确定模块502，用于确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
斑块分析模块503，用于基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
结果展示模块504，用于展示多模态分析结果。
在其中一个实施例中，上述配准关系确定模块502，具体用于若多模态数据包括CT图像，则将CT图像确定为基准图像，并将MR图像和/或PET图像配准至CT图像，得到配准关系；若多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为基准图像，并将第二MR图像配准至第一MR图像，得到配准关系；若多模态数据包括MR图像和PET图像但不包括CT图像，则将MR图像确定为基准图像，并将PET图像配准至MR图像，得到配准关系。
在其中一个实施例中，上述斑块分析模块503，包括：
CT图像分析子模块，用于对CT图像中的斑块进行分析，得到CT图像分析结果；
MR图像分析子模块，用于根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。
在其中一个实施例中，上述CT图像分析子模块，具体用于对CT图像进行中心线提取处理，得到CT图像中的血管中心线；根据CT图像中的血管中心线进行图像重建得到重建图像；根据重建图像进行血管狭窄分析，得到狭窄分析结果。
在其中一个实施例中，上述MR图像分析子模块，具体用于根据配准关系和CT图像中的血管中心线确定MR图像中的血管中心线，并根据MR图像中的血管中心线计算血管参数；根据狭窄分析结果确定MR图像的分析区域；获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数。
在其中一个实施例中，上述MR图像分析子模块，具体用于根据MR图像计算参数图；参数图包括斑块横截面参数；根据配准关系将斑块区域映射到参数图中，并根据映射结果确定参数图中的感兴趣区域。
在其中一个实施例中，上述斑块分析模块503包括：
映射子模块，用于根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域；
PET图像分析子模块，用于对PET图像中的斑块区域进行分析，得到PET图像分析结果。
在其中一个实施例中，上述结果展示模块504，用于展示CT图像分析结果、MR图像分析结果、PET图像分析结果、重建图像和融合图像中的至少一种。
在其中一个实施例中，该装置还包括：
图像获取模块，用于获取上层图像和下层图像；其中，上层图像为PET图像或MR图像，下层图像为CT图像或MR图像；
融合模块，用于将上层图像与下层图像进行融合处理得到融合图像。
在其中一个实施例中，上述数据获取模块501，具体用于接收针对目标对象的对象选取操作，并根据对象选取操作在数据选择界面中展示目标对象对应的可选图像；基于数据选择界面接收数据选取操作，并根据数据选取操作在应用界面中展示选出的多模态数据。
关于斑块分析装置的具体限定可以参见上文中对于斑块分析方法的限定，在此不再赘述。上述斑块分析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。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种斑块分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
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，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取目标对象的多模态数据；
确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
展示多模态分析结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若多模态数据包括CT图像，则将CT图像确定为基准图像，并将MR图像和/或PET图像配准至CT图像，得到配准关系；
若多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为基准图像，并将第二MR图像配准至第一MR图像，得到配准关系。
若多模态数据包括MR图像和PET图像但不包括CT图像，则将MR图像确定为基准图像，并将PET图像配准至MR图像，得到配准关系。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对CT图像中的斑块进行分析，得到CT图像分析结果；
根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对CT图像进行中心线提取处理，得到CT图像中的血管中心线；
根据CT图像中的血管中心线进行图像重建得到重建图像；
根据重建图像进行血管狭窄分析，得到狭窄分析结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据配准关系和CT图像中的血管中心线确定MR图像中的血管中心线，并根据MR图像中的血管中心线计算血管参数；
根据狭窄分析结果确定MR图像的分析区域；
获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据MR图像计算参数图；参数图包括斑块横截面参数；
根据配准关系将斑块区域映射到参数图中，并根据映射结果确定参数图中的感兴趣区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域；
对PET图像中的斑块区域进行分析，得到PET图像分析结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
展示CT图像分析结果、MR图像分析结果、PET图像分析结果、重建图像和融合图像中的至少一种。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取上层图像和下层图像；其中，上层图像为PET图像或MR图像，下层图像为CT图像或MR图像；
将上层图像与下层图像进行融合处理得到融合图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
接收针对目标对象的对象选取操作，并根据对象选取操作在数据选择界面中展示目标对象对应的可选图像；
基于数据选择界面接收数据选取操作，并根据数据选取操作在应用界面中展示选出的多模态数据。
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，计算机程序被处理器执行时实现以下步骤：
获取目标对象的多模态数据；
确定多模态数据中的基准图像，并将浮动图像配准至基准图像得到配准关系；
基于配准关系对多模态数据中的斑块进行分析，得到多模态分析结果；多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
展示多模态分析结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若多模态数据包括CT图像，则将CT图像确定为基准图像，并将MR图像和/或PET图像配准至CT图像，得到配准关系；
若多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为基准图像，并将第二MR图像配准至第一MR图像，得到配准关系；
若多模态数据包括MR图像和PET图像但不包括CT图像，则将MR图像确定为基准图像，并将PET图像配准至MR图像，得到配准关系。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对CT图像中的斑块进行分析，得到CT图像分析结果；
根据配准关系和CT图像分析结果对MR图像中的斑块进行分析，得到MR图像分析结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对CT图像进行中心线提取处理，得到CT图像中的血管中心线；
根据CT图像中的血管中心线进行图像重建得到重建图像；
根据重建图像进行血管狭窄分析，得到狭窄分析结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据配准关系和CT图像中的血管中心线确定MR图像中的血管中心线，并根据MR图像中的血管中心线计算血管参数；
根据狭窄分析结果确定MR图像的分析区域；
获取分析区域中的斑块区域，并计算斑块区域对应的斑块参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据MR图像计算参数图；参数图包括斑块横截面参数；
根据配准关系将斑块区域映射到参数图中，并根据映射结果确定参数图中的感兴趣区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据配准关系将MR图像中的斑块区域映射到PET图像中，得到PET图像中的斑块区域；
对PET图像中的斑块区域进行分析，得到PET图像分析结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
展示CT图像分析结果、MR图像分析结果、PET图像分析结果、重建图像和融合图像中的至少一种。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取上层图像和下层图像；其中，上层图像为PET图像或MR图像，下层图像为CT图像或MR图像；
将上层图像与下层图像进行融合处理得到融合图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
接收针对目标对象的对象选取操作，并根据对象选取操作在数据选择界面中展示目标对象对应的可选图像；
基于数据选择界面接收数据选取操作，并根据数据选取操作在应用界面中展示选出的多模态数据。
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。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种斑块分析方法，其特征在于，所述方法包括：
获取目标对象的多模态数据；
确定所述多模态数据中的基准图像，并将浮动图像配准至所述基准图像得到配准关系；
基于所述配准关系对所述多模态数据中的斑块进行分析，得到多模态分析结果；所述多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
展示所述多模态分析结果。
2.根据权利要求1所述的方法，其特征在于，所述确定所述多模态数据中的基准图像，并将浮动图像配准至所述基准图像得到配准关系，包括：
若所述多模态数据包括CT图像，则将所述CT图像确定为所述基准图像，并将MR图像和/或PET图像配准至所述CT图像，得到所述配准关系；
若所述多模态数据包括多个MR图像但不包括CT图像，则将第一MR图像确定为所述基准图像，并将第二MR图像配准至所述第一MR图像，得到所述配准关系；
若所述多模态数据包括MR图像和PET图像但不包括CT图像，则将所述MR图像确定为所述基准图像，并将所述PET图像配准至所述MR图像，得到所述配准关系。
3.根据权利要求2所述的方法，其特征在于，所述基于所述配准关系对所述多模态数据中的斑块进行分析，得到多模态分析结果，包括：
对所述CT图像中的斑块进行分析，得到CT图像分析结果；
根据所述配准关系和所述CT图像分析结果对所述MR图像中的斑块进行分析，得到所述MR图像分析结果。
4.根据权利要求3所述的方法，其特征在于，所述对所述CT图像中的斑块进行分析，得到CT图像分析结果，包括：
对所述CT图像进行中心线提取处理，得到所述CT图像中的血管中心线；
根据所述CT图像中的血管中心线进行图像重建得到重建图像；
根据所述重建图像进行血管狭窄分析，得到狭窄分析结果。
5.根据权利要求4所述的方法，其特征在于，所述根据所述配准关系和所述CT图像分析结果对所述MR图像中的斑块进行分析，得到MR图像分析结果，包括：
根据所述配准关系和所述CT图像中的血管中心线确定所述MR图像中的血管中心线，并根据所述MR图像中的血管中心线计算血管参数；
根据所述狭窄分析结果确定所述MR图像的分析区域；
获取所述分析区域中的斑块区域，并计算所述斑块区域对应的斑块参数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述配准关系和所述CT图像分析结果对所述MR图像中的斑块进行分析，得到MR图像分析结果，包括：
根据所述MR图像计算参数图，所述参数图包括斑块横截面参数；
根据所述配准关系将所述斑块区域映射到所述参数图中，并根据映射结果确定所述参数图中的感兴趣区域。
7.根据权利要求6所述的方法，其特征在于，所述基于所述配准关系对所述多模态数据中的斑块进行分析，得到多模态分析结果，包括：
根据所述配准关系将所述MR图像中的斑块区域映射到所述PET图像中，得到所述PET图像中的斑块区域；
对所述PET图像中的斑块区域进行分析，得到PET图像分析结果。
8.一种斑块分析装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标对象的多模态数据；
配准关系确定模块，用于确定所述多模态数据中的基准图像，并将浮动图像配准至所述基准图像得到配准关系；
斑块分析模块，用于基于所述配准关系对所述多模态数据中的斑块进行分析，得到多模态分析结果；所述多模态分析结果包括各模态的斑块分析结果和多模态的融合图像；
结果展示模块，用于展示所述多模态分析结果。
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110590143.2A CN113393427B (zh) | 2021-05-28 | 2021-05-28 | 斑块分析方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110590143.2A CN113393427B (zh) | 2021-05-28 | 2021-05-28 | 斑块分析方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393427A true CN113393427A (zh) | 2021-09-14 |
| CN113393427B CN113393427B (zh) | 2023-04-25 |
Family
ID=77619264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110590143.2A Active CN113393427B (zh) | 2021-05-28 | 2021-05-28 | 斑块分析方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393427B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114049282A (zh) * | 2022-01-07 | 2022-02-15 | 浙江大学 | 一种冠状动脉的构建方法、装置、终端及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140073907A1 (en) * | 2012-09-12 | 2014-03-13 | Convergent Life Sciences, Inc. | System and method for image guided medical procedures |
| US20180330477A1 (en) * | 2017-01-18 | 2018-11-15 | David S. Paik | Systems and methods for analyzing pathologies utilizing quantitative imaging |
| CN109559360A (zh) * | 2018-09-29 | 2019-04-02 | 深圳先进技术研究院 | 一种pet图像重建方法、装置和计算设备 |
| CN110074756A (zh) * | 2013-12-18 | 2019-08-02 | 哈特弗罗公司 | 用于根据患者特定的解剖图像数据预测冠状动脉斑块易损性的系统和方法 |
| CN110335665A (zh) * | 2019-04-01 | 2019-10-15 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
| CN110533641A (zh) * | 2019-08-20 | 2019-12-03 | 东软医疗系统股份有限公司 | 一种多模态医学图像配准方法和装置 |
| CN110717961A (zh) * | 2019-09-17 | 2020-01-21 | 上海联影医疗科技有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
| CN110766730A (zh) * | 2019-10-18 | 2020-02-07 | 上海联影智能医疗科技有限公司 | 图像配准及随访评估方法、存储介质及计算机设备 |
| CN111311655A (zh) * | 2020-02-13 | 2020-06-19 | 东软医疗系统股份有限公司 | 多模态图像配准方法、装置、电子设备、存储介质 |
| CN111709925A (zh) * | 2020-05-26 | 2020-09-25 | 深圳科亚医疗科技有限公司 | 用于血管斑块分析的装置、系统及介质 |
| CN111815599A (zh) * | 2020-07-01 | 2020-10-23 | 上海联影智能医疗科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN112634196A (zh) * | 2020-11-23 | 2021-04-09 | 西安科锐盛创新科技有限公司 | 一种基于智慧医疗的医学图像分割与显示方法 |
-
2021
- 2021-05-28 CN CN202110590143.2A patent/CN113393427B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140073907A1 (en) * | 2012-09-12 | 2014-03-13 | Convergent Life Sciences, Inc. | System and method for image guided medical procedures |
| CN110074756A (zh) * | 2013-12-18 | 2019-08-02 | 哈特弗罗公司 | 用于根据患者特定的解剖图像数据预测冠状动脉斑块易损性的系统和方法 |
| US20180330477A1 (en) * | 2017-01-18 | 2018-11-15 | David S. Paik | Systems and methods for analyzing pathologies utilizing quantitative imaging |
| CN109559360A (zh) * | 2018-09-29 | 2019-04-02 | 深圳先进技术研究院 | 一种pet图像重建方法、装置和计算设备 |
| CN110335665A (zh) * | 2019-04-01 | 2019-10-15 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
| CN110533641A (zh) * | 2019-08-20 | 2019-12-03 | 东软医疗系统股份有限公司 | 一种多模态医学图像配准方法和装置 |
| CN110717961A (zh) * | 2019-09-17 | 2020-01-21 | 上海联影医疗科技有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
| CN110766730A (zh) * | 2019-10-18 | 2020-02-07 | 上海联影智能医疗科技有限公司 | 图像配准及随访评估方法、存储介质及计算机设备 |
| CN111311655A (zh) * | 2020-02-13 | 2020-06-19 | 东软医疗系统股份有限公司 | 多模态图像配准方法、装置、电子设备、存储介质 |
| CN111709925A (zh) * | 2020-05-26 | 2020-09-25 | 深圳科亚医疗科技有限公司 | 用于血管斑块分析的装置、系统及介质 |
| CN111815599A (zh) * | 2020-07-01 | 2020-10-23 | 上海联影智能医疗科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN112634196A (zh) * | 2020-11-23 | 2021-04-09 | 西安科锐盛创新科技有限公司 | 一种基于智慧医疗的医学图像分割与显示方法 |
Non-Patent Citations (6)
| Title |
|---|
| EDWARD K. FUNG等: "A multimodal approach to image-derived input functions for brain PET" * |
| FAEZE GHOLAMIANKHAH等: "Deep learning-based synthetic CT generation from MR images: comparison of generative adversarial and residual neural networks", 《ARXIV.ORG》 * |
| FREDERIC WOLF等: "MR and PET-CT monitoring of tissue-engineered vascular grafts in the ovine carotid artery" * |
| INÉS MÉRIDA等: "Evaluation of several multi-atlas methods for PSEUDO-CT generation in brain MRI-PET attenuation correction", 《2015 IEEE 12TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI)》 * |
| 刑磊等: "OCT-IVUS一体成像的多模态血管腔内成像技术的应用与进展", 《中华心血管病杂志》 * |
| 梁汉祥等: "高分辨磁共振评价年龄对动脉粥样硬化性大脑中动脉狭窄血管重构和斑块负荷的作用" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114049282A (zh) * | 2022-01-07 | 2022-02-15 | 浙江大学 | 一种冠状动脉的构建方法、装置、终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393427B (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148192B (zh) | 医学影像成像方法、装置、计算机设备和存储介质 | |
| US8498492B2 (en) | Methods of analyzing a selected region of interest in medical image data | |
| US10402976B2 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
| CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
| CN102301394B (zh) | 透壁灌注梯度图像分析 | |
| CN110415310B (zh) | 医学扫描成像方法、装置、存储介质及计算机设备 | |
| CN111080583B (zh) | 医学图像检测方法、计算机设备和可读存储介质 | |
| CN110136076B (zh) | 医学扫描成像方法、装置、存储介质及计算机设备 | |
| WO2013086026A1 (en) | System and method of automatically detecting tissue abnormalities | |
| CN112150376A (zh) | 血管医学影像分析方法、装置、计算机设备和存储介质 | |
| CN113192031B (zh) | 血管分析方法、装置、计算机设备和存储介质 | |
| Gourdeau et al. | On the proper use of structural similarity for the robust evaluation of medical image synthesis models | |
| CN113393427B (zh) | 斑块分析方法、装置、计算机设备和存储介质 | |
| CN110610527B (zh) | 计算suv的方法、装置、设备、系统及计算机存储介质 | |
| CN117562504A (zh) | 目标模型的构建方法、治疗效果的预测方法以及相关装置 | |
| EP4330930A1 (en) | Systems and methods for determining information of regions of interest | |
| CN115272674A (zh) | 图像分割模型的训练方法、图像分割的方法及装置 | |
| CN114723723A (zh) | 医学影像处理方法、计算机设备和存储介质 | |
| CN114494070A (zh) | 血管图像的增强方法、装置、设备和存储介质 | |
| US10977792B2 (en) | Quantitative evaluation of time-varying data | |
| US11704795B2 (en) | Quality-driven image processing | |
| CN118052751A (zh) | 医学数据校正方法、装置、计算机设备和存储介质 | |
| US20230386035A1 (en) | Medical image processing system | |
| Soni et al. | Dynamic contrast-enhanced MRI perfusion in multiple sclerosis: Is this the way to go? | |
| EP3136343A1 (en) | A method and apparatus for generating a data profile for a medical scan |
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 |