CN113470060A - 基于ct影像的冠状动脉多角度曲面重建可视化方法 - Google Patents
基于ct影像的冠状动脉多角度曲面重建可视化方法 Download PDFInfo
- Publication number
- CN113470060A CN113470060A CN202110772838.2A CN202110772838A CN113470060A CN 113470060 A CN113470060 A CN 113470060A CN 202110772838 A CN202110772838 A CN 202110772838A CN 113470060 A CN113470060 A CN 113470060A
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- curved surface
- dimensional
- surface reconstruction
- reconstruction
- 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
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 53
- 238000007794 visualization technique Methods 0.000 title claims abstract description 10
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 210000000709 aorta Anatomy 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 208000029078 coronary artery disease Diseases 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 6
- 208000031481 Pathologic Constriction Diseases 0.000 abstract description 3
- 208000037804 stenosis Diseases 0.000 abstract description 3
- 230000036262 stenosis Effects 0.000 abstract description 3
- 238000002591 computed tomography Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000003143 atherosclerotic effect Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 201000000057 Coronary Stenosis Diseases 0.000 description 1
- 206010011089 Coronary artery stenosis Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 206010028851 Necrosis Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000004083 survival 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G06T2207/30101—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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Cardiology (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种基于CT影像的冠状动脉多角度曲面重建可视化方法,对CT图像对患者冠状动脉进行了三维重建,使用CRP技术将扭曲、缩短和重叠的血管伸展拉直,展示在同一平面上。可以帮助医生较为直观且高效的对患者的病情进行判断。本发明可以大大减少医护工作人员的工作量,提高医生们的工作效率。更重要的是在可视化的冠状动脉曲面重建剖面图下可以清楚,结合多个角度的图像可以更加准确的判断出斑块的存在,斑块的大小和类别,还有狭窄的程度,从而诊断出患者的冠心病严重程度以采取不同的治疗方式。
Description
技术领域
本发明属于进阶先进医学影像学技术,涉及一种基于CT影像的冠状动脉多角度曲面重建可视化方法,常用于心脏血管检查。CPR(curved plannar reconstruction)(医)多排螺旋CT后处理技术之一,常用做血管分析。
背景技术
在传统的医疗诊断方式中,医生通常凭借多年的阅片经验以及习惯对从医疗设备获取的二维断层图像进行疾病的观察分析,诊断结果缺乏科学性,准确率低,容易造成误诊漏诊。随着计算机图形学、图像处理技术及计算机视觉的发展,将从成像设备获取的数据及信息以图像的形式显示在屏幕上已经成为一种重要的现代诊疗方法,即医学图像的可视化技术。他可以对图像进行人机交互,多角度、多方位认识观察蕴含在数据内部的结构及信息,简化了数据的分析处理过程。
目前,医学图像可视化已经广泛应用于三维重建、配准、分割、体积测量、虚拟内窥镜等方面,三维重建能够真实的再现人体的组织器官、直观的表达图像空间信息,提高了医生诊断的准确率。我们的技术主要应用在通过识别和检测冠状动脉狭窄和斑块来判断是否患有冠心病的背景下将冠状动脉进行可视化,从而辅助医生诊断。
现有技术简介:
(1)专利——冠状血管的三维重建方法_装置_设备及存储介质(中国专利、申请公布号CN 107392994 A、申请公布日2017.11.24)
(2)该发明适用计算机技术领域,提供了一种冠脉血管的三维重建方法、装置、设备以及存储介质,该方法包括对冠状动脉造影图像进行预处理、血管边缘轮廓与二维导引丝的提取,对血管内超声图像工进行内外膜分割将分别位于一造影平面、第二造影平面的图像中的二维导引丝平移至同一起点,构建垂直相交曲面,将交线设置为三维导引丝在三维导引丝上将每帧工图像等间隔排列、并旋转至与相应位置的切矢量垂直在切矢量垂直平面旋转图像,并反投影于图像,根据反投影和血管边缘轮廓到三维导引丝的距离,确定最佳定向角度,最后重建血管表面,从而同时检查血管的外形形态结构和内腔病变信息,提高了冠脉血管三维重建的效率和准确度。
(3)冠状动脉三维分割时由于血管分叉等原因,很细小的血管可能无法追踪。
冠状动脉粥样硬化性心脏病是冠状动脉血管发生动脉粥样硬化病变而引起血管腔狭窄或阻塞,造成心肌缺血、缺氧或坏死而导致的心脏病,常常被称为“冠心病”。冠心病在美国和许多发达国家排在死亡原因的第一位。冠心病的病情发展十分迅速,急性冠心可导致病患者可在6小时之内突然死亡,我国急性冠心病的死亡率高达63%。冠状动脉CT是一项无创、低危、快速的检查方法,已逐渐成为一种重要的冠心病早期筛查和随访手段。
基于CT图像快速、准确的建立患者冠状动脉模型可以更好的帮助医生确认患者的病情,帮助医生制定相对应的诊疗计划,提高患者生存的概率。在此基础上开发的基于深度学习对冠状动脉中血管斑块的检测系统可以快速的对病人的病情进行评估,确定病灶的位置以及严重程度。避免了在传统方法中医生人工阅片时需要的时间过多,CT图像无法直观的展示患者观众动脉的具体情况等诸多问题。增加了医生的诊疗效率,给危重症的患者提供了更多宝贵的抢救时间。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于CT影像的冠状动脉多角度曲面重建可视化方法,使用CRP技术将扭曲、缩短和重叠的血管伸展拉直,展示在同一平面上。可以帮助医生较为直观且高效的对患者的病情进行判断。
技术方案
一种基于CT影像的冠状动脉多角度曲面重建可视化方法,其特征在于步骤如下:
步骤1、使用改进区域生长算法确定冠状动脉的位置,并进行三维重建:
将三维CT数据即三维HU矩阵,再通过与世界坐标系的转换关系将HU矩阵转换为体素模型;
将体素模型中的冠状动脉主体与主动脉分离,使用改进型的动态阈值区域生长算法计算出冠状动脉的具体位置;
使用pyvista以及vtk实现三维重建:冠状动脉部分拟合为三维图形以像素为小方块来显示即彩色,其余部分按照三维点云来显示即灰度;按照不同的hu值来划分不同的透明度将重建所需的图形库由matplotlib和skimage更换为vtk和pyvista;
步骤2、提取出完整血管中心线,再通过生长算法将冠状动脉中心点聚类分段:
使用生长算法将起点具有相同性质的点置于新的矩阵中,寻找每个点周围是否有大于阈值的点,将其置于矩阵中;
将矩阵模型膨胀多次再腐蚀多次,并去除掉模型内的空隙,计算出中心点,重新建立一个中心点矩阵,即中心线为冠状动脉中心线;
再将冠状动脉的中心点进行聚类分段得到主动脉的起点;从起点开始聚类,聚类的过程中将得到长度小于10的分段删除(删除细小分支和毛刺),将中心曲线进行平滑处理;
再采用迪杰斯特拉算法从给定的血管段计算出从起点开始的完整血管段;
步骤3、根据血管段对冠状动脉进行多角度曲面重建,并将其可视化显示:
从给定的血管段位置分别沿x方向,y方向以及45°方向进行投影得到三个角度的曲面重建图;
将零散的血管连接成一整根,将体素点沿着固定视角的方向进行投影,创建出血管的曲面重建剖面图;
将得到的血管剖面图可视化显示。
所述使用区域生长算法计算冠状动脉位置:第一次搜寻时采用定阈值搜索,在搜寻的过程中,若计算失败则动态向上或者向下调整20HU阈值再次进行计算。
第一次生长时将阈值定为400HU。
有益效果
本发明提出的一种基于CT影像的冠状动脉多角度曲面重建可视化方法,对CT图像对患者冠状动脉进行了三维重建,使用CRP技术将扭曲、缩短和重叠的血管伸展拉直,展示在同一平面上。可以帮助医生较为直观且高效的对患者的病情进行判断。本发明可以大大减少医护工作人员的工作量,提高医生们的工作效率。更重要的是在可视化的冠状动脉曲面重建剖面图下可以清楚,结合多个角度的图像可以更加准确的判断出斑块的存在,斑块的大小和类别,还有狭窄的程度,从而诊断出患者的冠心病严重程度以采取不同的治疗方式。
附图说明
图1:自主选择参数
图2:冠状动脉三维分割模型
图3:冠状动脉中心线
图4:冠状动脉多角度曲面重建图
图5:本发明的流程图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
本发明的实施示意图如图5所示,以下为一个具体的实施例,其具体步骤一次为:
步骤A:确定冠状动脉位置并进行三维重建。
需要读取的图像是医学影像DICOM格式的数据文件,读取出文件中带有的intercept以及slope将数据转换为HU矩阵。再通过与世界坐标系的转换关系将HU矩阵转换为体素模型。再将体素模型中的冠状动脉主体与主动脉分离,使用改进型的动态阈值区域生长算法计算出冠状动脉的具体位置。计算过程中,若计算失败则动态向上或者向下调整20HU阈值再次进行计算。若计算此时超过5次,则计算失败。
使用pyvista以及vtk实现三维重建。冠状动脉部分拟合为三维图形以像素为小方块来显示(彩色),其余部分按照三维点云来显示(灰度)按照不同的hu值来划分不同的透明度将重建所需的图形库由matplotlib和skimage更换为vtk和pyvista。
步骤B:确定完整的中心线,并将中心点进行聚类分段,以便下一步分段显示。
将具有相同性质的点置于新的矩阵中,每次从栈中取出一个点,判断该点周围的是否有大于阈值的点,将其置于矩阵中。
将矩阵模型膨胀两次再腐蚀两次,并去除掉模型内的空隙,计算出中心点,重新建立一个中心点矩阵,即中心线。
再将冠状动脉的中心点进行聚类分段,确立主动脉的起点,并从起点开始聚类,聚类的过程中将得到长度较小的分段删除,防止出现较多毛刺。
再采用迪杰斯特拉算法从给定的血管段计算出从起点开始的完整血管段。
步骤C:根据血管段对冠状动脉进行多角度曲面重建,并将其可视化显示。
选取x方向,y方向以及45°方向三个方向,每次固定一个视角,开始计算血管剖面图进行曲面重建。
将零散的血管连接成一整根,将体素点沿着固定视角的方向进行投影,创建出血管的曲面重建剖面图。
将剖面图进行可视化显示。
Claims (3)
1.一种基于CT影像的冠状动脉多角度曲面重建可视化方法,其特征在于步骤如下:
步骤1、使用改进区域生长算法确定冠状动脉的位置,并进行三维重建:
将三维CT数据即三维HU矩阵,再通过与世界坐标系的转换关系将HU矩阵转换为体素模型;
将体素模型中的冠状动脉主体与主动脉分离,使用改进型的动态阈值区域生长算法计算出冠状动脉的具体位置;
使用pyvista以及vtk实现三维重建:冠状动脉部分拟合为三维图形以像素为小方块来显示即彩色,其余部分按照三维点云来显示即灰度;按照不同的hu值来划分不同的透明度将重建所需的图形库由matplotlib和skimage更换为vtk和pyvista;
步骤2、提取出完整血管中心线,再通过生长算法将冠状动脉中心点聚类分段:
使用生长算法将起点具有相同性质的点置于新的矩阵中,寻找每个点周围是否有大于阈值的点,将其置于矩阵中;
将矩阵模型膨胀多次再腐蚀多次,并去除掉模型内的空隙,计算出中心点,重新建立一个中心点矩阵,即中心线为冠状动脉中心线;
再将冠状动脉的中心点进行聚类分段得到主动脉的起点;从起点开始聚类,聚类的过程中将得到长度小于10的分段删除(删除细小分支和毛刺),将中心曲线进行平滑处理;
再采用迪杰斯特拉算法从给定的血管段计算出从起点开始的完整血管段;
步骤3、根据血管段对冠状动脉进行多角度曲面重建,并将其可视化显示:
从给定的血管段位置分别沿x方向,y方向以及45°方向进行投影得到三个角度的曲面重建图;
将零散的血管连接成一整根,将体素点沿着固定视角的方向进行投影,创建出血管的曲面重建剖面图;
将得到的血管剖面图可视化显示。
2.根据权利要求1所述基于CT影像的冠状动脉多角度曲面重建可视化方法,其特征在于:所述使用区域生长算法计算冠状动脉位置:第一次搜寻时采用定阈值搜索,在搜寻的过程中,若计算失败则动态向上或者向下调整20HU阈值再次进行计算。
3.根据权利要求2所述基于CT影像的冠状动脉多角度曲面重建可视化方法,其特征在于:第一次生长时将阈值定为400HU。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110772838.2A CN113470060B (zh) | 2021-07-08 | 2021-07-08 | 基于ct影像的冠状动脉多角度曲面重建可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110772838.2A CN113470060B (zh) | 2021-07-08 | 2021-07-08 | 基于ct影像的冠状动脉多角度曲面重建可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470060A true CN113470060A (zh) | 2021-10-01 |
CN113470060B CN113470060B (zh) | 2023-03-21 |
Family
ID=77879190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110772838.2A Active CN113470060B (zh) | 2021-07-08 | 2021-07-08 | 基于ct影像的冠状动脉多角度曲面重建可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470060B (zh) |
Cited By (2)
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 |
CN114926700A (zh) * | 2022-07-22 | 2022-08-19 | 浙江大学 | 冠状动脉类别确定方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN106846392A (zh) * | 2016-12-12 | 2017-06-13 | 国网北京市电力公司 | 三维建模的方法和装置 |
CN107194994A (zh) * | 2017-06-16 | 2017-09-22 | 广东工业大学 | 一种无标定曲面点云数据重建圆柱面的方法及装置 |
CN107464223A (zh) * | 2017-07-19 | 2017-12-12 | 西安理工大学 | 一种基于切片的点云孔洞修补方法 |
CN108257196A (zh) * | 2018-01-11 | 2018-07-06 | 苏州润心医疗器械有限公司 | 一种基于心脏ct图像的血管拉直重建方法 |
US20190117198A1 (en) * | 2017-06-30 | 2019-04-25 | Shenzhen University | Three-dimensional reconstruction method, apparatus and device and storage medium for coronary vessels |
CN111815663A (zh) * | 2020-06-29 | 2020-10-23 | 浙江工贸职业技术学院 | 一种基于Hessian矩阵和灰度法的肝血管分割系统 |
CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
CN112652052A (zh) * | 2020-12-15 | 2021-04-13 | 山东大学 | 一种基于血管分支配准的冠状动脉三维重建方法及系统 |
US20210110597A1 (en) * | 2019-10-15 | 2021-04-15 | GE Precision Healthcare LLC | Systems and methods for visualizing anatomical structures |
CN112734917A (zh) * | 2021-03-29 | 2021-04-30 | 杭州晟视科技有限公司 | 医疗数据的三维曲面重建和优化方法、系统及存储介质 |
-
2021
- 2021-07-08 CN CN202110772838.2A patent/CN113470060B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN106846392A (zh) * | 2016-12-12 | 2017-06-13 | 国网北京市电力公司 | 三维建模的方法和装置 |
CN107194994A (zh) * | 2017-06-16 | 2017-09-22 | 广东工业大学 | 一种无标定曲面点云数据重建圆柱面的方法及装置 |
US20190117198A1 (en) * | 2017-06-30 | 2019-04-25 | Shenzhen University | Three-dimensional reconstruction method, apparatus and device and storage medium for coronary vessels |
CN107464223A (zh) * | 2017-07-19 | 2017-12-12 | 西安理工大学 | 一种基于切片的点云孔洞修补方法 |
CN108257196A (zh) * | 2018-01-11 | 2018-07-06 | 苏州润心医疗器械有限公司 | 一种基于心脏ct图像的血管拉直重建方法 |
US20210110597A1 (en) * | 2019-10-15 | 2021-04-15 | GE Precision Healthcare LLC | Systems and methods for visualizing anatomical structures |
CN111815663A (zh) * | 2020-06-29 | 2020-10-23 | 浙江工贸职业技术学院 | 一种基于Hessian矩阵和灰度法的肝血管分割系统 |
CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
CN112652052A (zh) * | 2020-12-15 | 2021-04-13 | 山东大学 | 一种基于血管分支配准的冠状动脉三维重建方法及系统 |
CN112734917A (zh) * | 2021-03-29 | 2021-04-30 | 杭州晟视科技有限公司 | 医疗数据的三维曲面重建和优化方法、系统及存储介质 |
Non-Patent Citations (4)
Title |
---|
RUOCHEN GAO等: "Joint Coronary Centerline Extraction And Lumen Segmentation From Ccta Using Cnntracker And Vascular Graph Convolutional Network", 《2021 IEEE 18TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI)》 * |
杜月: "冠状动脉曲面重建技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨帆等: "基于彩色结构光的自由曲面三维重建方法", 《光学学报》 * |
袁小翠等: "点云模型特征面分割与识别方法", 《计算机工程》 * |
Cited By (2)
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 |
CN114926700A (zh) * | 2022-07-22 | 2022-08-19 | 浙江大学 | 冠状动脉类别确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113470060B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310281B (zh) | 一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法 | |
US20190021677A1 (en) | Methods and systems for classification and assessment using machine learning | |
Van Rikxoort et al. | Automated segmentation of pulmonary structures in thoracic computed tomography scans: a review | |
JP5039294B2 (ja) | 筒状構造に沿って組織種別を解析するための装置及び方法 | |
CN106204733B (zh) | 肝脏和肾脏ct图像联合三维构建系统 | |
CN105934199B (zh) | 用于处理体腔的医学图像的设备和方法 | |
WO2005086093A2 (en) | System and method for detecting the aortic valve using a model-based segmentation technique | |
JP2014054428A (ja) | 3次元画像表示装置および方法並びにプログラム | |
CN113420826B (zh) | 一种肝脏病灶图像处理系统及图像处理方法 | |
CN113470060B (zh) | 基于ct影像的冠状动脉多角度曲面重建可视化方法 | |
KR20130023735A (ko) | 장기 모델 영상 생성 방법 및 장치 | |
US11468570B2 (en) | Method and system for acquiring status of strain and stress of a vessel wall | |
WO2022105623A1 (zh) | 一种基于迁移学习的颅内血管病灶识别方法 | |
JP2015066311A (ja) | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
EP4018415A1 (en) | Computerised tomography image processing | |
Glaßer et al. | Combined visualization of wall thickness and wall shear stress for the evaluation of aneurysms | |
Jin et al. | Left atrial appendage segmentation and quantitative assisted diagnosis of atrial fibrillation based on fusion of temporal-spatial information | |
US7653225B2 (en) | Method and system for ground glass nodule (GGN) segmentation with shape analysis | |
CN116546916A (zh) | 用于虚拟胰腺造影管线的系统和方法 | |
CN116452579B (zh) | 一种基于胸片图像的肺动脉高压智能评估方法和系统 | |
Dong et al. | A novel end‐to‐end deep learning solution for coronary artery segmentation from CCTA | |
US20230222668A1 (en) | Image processing apparatus, image processing method, and recording medium | |
CN111798468B (zh) | 图像处理方法及装置、存储介质及电子终端 | |
Andronikou et al. | Technical developments in postprocessing of paediatric airway imaging |
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 |