CN113506277A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN113506277A CN113506277A CN202110807629.7A CN202110807629A CN113506277A CN 113506277 A CN113506277 A CN 113506277A CN 202110807629 A CN202110807629 A CN 202110807629A CN 113506277 A CN113506277 A CN 113506277A
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- origin
- image
- coordinates
- point
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 309
- 210000000709 aorta Anatomy 0.000 claims abstract description 106
- 238000004891 communication Methods 0.000 claims abstract description 68
- 230000005856 abnormality Effects 0.000 claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims description 86
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 24
- 238000002591 computed tomography Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 8
- 230000002685 pulmonary effect Effects 0.000 description 7
- 230000004069 differentiation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002216 heart Anatomy 0.000 description 3
- 208000002330 Congenital Heart Defects Diseases 0.000 description 2
- 206010042434 Sudden death Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 208000014387 congenital coronary artery anomaly Diseases 0.000 description 2
- 208000028831 congenital heart disease Diseases 0.000 description 2
- 201000011639 coronary artery anomaly Diseases 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 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
- 210000000056 organ Anatomy 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000003291 sinus of valsalva Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000004382 visual function 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种图像处理方法及装置，该方法包括：基于冠脉起源图像获取主动脉关键层面，其中主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；将主动脉区域的中心点为原点，建立第一预设坐标系；基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中右冠脉起源点为第一冠脉连通域的中心点，左冠脉起源点为第二冠脉连通域的中心点；基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果，其中判定结果用于判定冠脉起源图像是否存在冠脉起源异常的情况。本申请的技术方案能够快速、精准定位左冠脉起源点和右冠脉起源点，以及加快冠脉起源异常的判定效率。
Description
技术领域
本申请涉及深度学习技术领域，具体涉及一种图像处理方法及装置。
背景技术
冠脉起源异常(即冠状动脉起源异常)是一种常见的疾病，其可能是一种先天性心脏病。并且冠脉起源异常容易导致患者的运动功能差，猝死风险高，因此需要尽早发现治疗。目前，对冠状动脉起源异常的判定，首先需要区分左冠脉起源点和右冠脉起源点。但在现有技术中，对左冠脉起源点和右冠脉起源点的区分大多是基于医生人工对医学影像进行区分判定，存在一定的误判风险。并且由于医学影像(例如CT影像)拍摄的图像多，也导致区分判定的效率较慢，进而也使得冠状动脉起源异常的诊断过程较慢。
鉴于此，如何快速、精准定位左冠脉起源点和右冠脉起源点，以及加快冠脉起源异常的判定效率成为亟待解决的技术问题。
发明内容
有鉴于此，本申请实施例提供了一种图像处理方法及装置，能够快速、精准定位左冠脉起源点和右冠脉起源点，以及加快冠脉起源异常的判定效率。
第一方面，本申请的实施例提供了一种图像处理方法，包括：基于冠脉起源图像获取主动脉关键层面，其中主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；将主动脉区域的中心点为原点，建立第一预设坐标系；基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中右冠脉起源点为第一冠脉连通域的中心点，左冠脉起源点为第二冠脉连通域的中心点；基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果，其中判定结果用于判定冠脉起源图像是否存在冠脉起源异常的情况。
在本申请某些实施例中，基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标包括：将第一坐标轴的负轴按照预设方向转动，并将经过的第一个第一冠脉连通域的中心点作为右冠脉起源点；将第一坐标轴的负轴按照预设方向转动，并将经过的第二个第二冠脉连通域的中心点作为左冠脉起源点，其中，预设方向为逆时针方向。
在本申请某些实施例中，基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果包括：基于左冠脉起源点的坐标和右冠脉起源点的坐标，确定左冠脉起源点和右冠脉起源点之间的夹角、第一距离，以及在第一预设坐标系中的第二坐标轴上的第二距离；基于夹角、第一距离和第二距离，确定判定结果。
在本申请某些实施例中，基于夹角、第一距离和第二距离，确定判定结果包括：当第一距离小于第一预设距离并且第二距离小于第二预设距离时，判定结果为起源异常；否则进一步判定第一距离是否小于第三预设距离，当第一距离小于第三预设距离时，判定结果为起源异常；否则进一步判定夹角是否大于第一预设角度，当夹角大于第一预设角度时，判定结果为起源正常；否则进一步判定夹角是否小于第二预设角度，当夹角小于第二预设角度时，判定结果为起源异常；否则进一步判定第二距离是否大于第四预设距离，当第二距离大于第四预设距离时，判定结果为起源异常。
在本申请某些实施例中，基于冠脉起源图像获取主动脉关键层面包括：基于冠脉起源图像，确定第一冠脉连通域和第二冠脉连通域；基于第二预设坐标系，确定第一冠脉连通域的中心点的坐标和第二冠脉连通域的中心点的坐标，其中第一冠脉连通域的中心点的坐标包括第一坐标值，第二冠脉连通域的中心点的坐标包括第二坐标值；基于第一坐标值和第二坐标值，获得主动脉关键层面。
在本申请某些实施例中，在基于冠脉起源图像，确定第一冠脉连通域和第二冠脉连通域之前，还包括：基于预先训练的分割模型将输入的医学影像进行分割，获取主动脉分割图像和冠脉起源分割图像；将主动脉分割图像进行膨胀操作，获取主动脉图像；将主动脉图像与冠脉起源分割图像进行相乘，获取冠脉起源图像。
在本申请某些实施例中，在基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果之后，还包括：基于预先训练的分割模型获得的主动脉分割图像和冠脉起源分割图像，获取多个三角面片的各个顶点的位置坐标和法向量；基于位置坐标和法向量，通过可视化工具包呈现重建图像，其中重建图像包括判定结果。
第二方面，本申请的实施例提供了一种图像处理装置，包括：第一获取模块，用于基于冠脉起源图像获取主动脉关键层面，其中主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；建立模块，用于将主动脉区域的中心点为原点，建立第一预设坐标系；确定模块，用于基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中右冠脉起源点为第一冠脉连通域的中心点，左冠脉起源点为第二冠脉连通域的中心点；判定模块，用于基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果，其中判定结果用于判定冠脉起源图像是否存在冠脉起源异常的情况。
第三方面，本申请的实施例提供了一种计算可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述第一方面所述的图像处理方法。
第四方面，本申请的实施例提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面所述的图像处理方法。
本申请实施例提供了一种图像处理方法及装置，通过在主动脉关键层面建立坐标系，并基于坐标系中的坐标轴进行冠脉起源点的左右区分，减少了医护人员的主观判断，增强了冠脉起源关键点划分的客观性，提高了左、右冠脉起源点的区分效率和精度。并且本申请实施例还会基于区分完成的左、右冠脉起源点的坐标信息，获得冠脉起源异常的判定结果，也进一步提高了冠脉起源异常的诊断效率。
附图说明
图1是本申请一示例性实施例提供的图像处理方法的流程示意图。
图2是本申请一示例性实施例提供的冠脉CT图像的示意图。
图3是本申请一示例性实施例提供的肺部CT图像的示意图。
图4是本申请一示例性实施例提供的图像处理方法的第一预设坐标系的示意图。
图5是本申请另一示例性实施例提供的图像处理方法的流程示意图。
图6是本申请又一示例性实施例提供的图像处理方法的流程示意图。
图7是本申请一示例性实施例提供的图像处理方法的第二预设坐标系的示意图。
图8是本申请再一示例性实施例提供的图像处理方法的流程示意图。
图9a是本申请另一示例性实施例提供的冠脉CT图像的示意图。
图9b是本申请一示例性实施例提供的分割结果的示意图。
图10是本申请一示例性实施例提供的重建图像的示意图。
图11是本申请一示例性实施例提供的图像处理装置的结构示意图。
图12是本申请一示例性实施例提供的用于图像处理的电子设备的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
对于正常的冠脉，其左主干(即左冠状动脉)起源于主动脉左窦，右冠状动脉起源于右窦。而非正常的冠状动脉，则起源于其他地方。冠状动脉起源异常这种疾病是非常常见的，其可能是一种先天性心脏病。并且冠脉起源异常容易导致患者的运动功能差，猝死风险高，因此需要尽早发现治疗。
图1是本申请一示例性实施例提供的图像处理方法的流程示意图。图1的方法由计算设备，例如，服务器，来执行。如图1所示，该图像处理方法包括如下内容。
110：基于冠脉起源图像获取主动脉关键层面。
在一实施例中，主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域。
具体地，基于预先训练的分割模型将输入的医学影像进行分割，获得主动脉分割图像和冠脉起源分割图像。其中医学影像可以是计算机断层扫描摄影(ComputedTomography,CT)图像、数字化X线摄影(Digital Radiography,DR)图像或核磁共振成像(Magnetic Resonance Imaging,MRI)图像。例如，输入的医学影像可以是冠脉CT图像(例如图2所示)和肺部CT图像(例如图3所示)，其中该肺部CT图像可以包含完整的肺动、主动脉、心脏以及冠脉区域，该冠脉CT图像可以包含主动脉、心脏、冠脉图像以及部分肺动图像。
优选地，由于冠脉CT图像中能够显示较为清晰的心脏区域，因此本申请实施例采用冠脉CT图像作为输入的医学影像。
将基于分割模型获得的主动脉分割图像进行膨胀操作，获得膨胀后的主动脉图像。将膨胀后的主动脉图像与基于分割模型获得的冠脉起源分割图像进行相乘，获得距离主动脉近的冠脉起源图像，其中由于冠脉的长度较长，因此该冠脉起源图像为距离主动脉近的部分冠脉图像，并且该冠脉起源图像包括多个连通域。
保留冠脉起源图像中面积最大的两个连通域，并将其作为第一冠脉连通域和第二冠脉连通域。由于冠脉起源图像为三维图像，因此以冠脉起源图像下方的任一顶点为坐标原点建立第二预设坐标系，其中第二预设坐标系可以为空间直角坐标系。基于第二预设坐标系，确定第一冠脉连通域的中心点的坐标和第二冠脉连通域的中心点的坐标。
根据第一冠脉连通域的中心点的第一坐标值(例如z轴坐标值)和第二冠脉连通域的中心点的第二坐标值(例如z轴坐标值)，计算第一坐标值和第二坐标值的平均值。并将该平均值高度对应的冠脉起源图像，作为主动脉关键层面，其中主动脉关键层面包括主动脉区域。
需要说明的是，步骤110的具体描述详情请参见下述图6实施例的记载，为避免重复在此不再赘述。
120：将主动脉区域的中心点为原点，建立第一预设坐标系。
具体地，将主动脉关键层面中包括的主动脉区域的中心点，作为坐标原点，建立第一预设坐标系，其中第一预设坐标系包括x轴、y轴和z轴。
例如，参见图4所示的第一预设坐标系400，其中主动脉区域的中心点A为坐标原点。
130：基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标。
在一实施例中，右冠脉起源点为第一冠脉连通域的中心点，左冠脉起源点为第二冠脉连通域的中心点。
具体地，将第一预设坐标系中第一坐标轴的负轴，按照预设方向转动，其中第一坐标轴可以是x轴，也可以是y轴，本申请实施例对第一坐标轴不作具体限定。并且，预设方向可以是顺时针方向，也可以是逆时针方向，本申请实施例对此亦不作具体限定。
优选地，本申请实施例将第一坐标轴设定为x轴。
将第一坐标轴的负轴(例如参见图4，将x轴在z轴左侧的部分成为x轴的负轴)，按照预设方向转动的过程中，经过的第一个冠脉连通域作为右冠脉区域，该右冠脉区域的中心点作为右冠脉起源点。将第一坐标轴的负轴，按照预设方向转动的过程中，经过的第二个冠脉连通域作为左冠脉区域，该左冠脉区域的中心点作为左冠脉起源点。其中，第一个冠脉连通域可以是第一冠脉连通域，也可以是第二冠脉连通域；第二个冠脉连通域可以是第一冠脉连通域，也可以是第二冠脉连通域，本申请实施例对此不作具体限定。
在一示例中，当第一坐标轴的负轴(例如x轴的负轴)经过的第一个冠脉连通域为第一冠脉连通域时，第二个冠脉连通域为第二冠脉连通域。或者，当第一坐标轴的负轴经过的第一个冠脉连通域为第二冠脉连通域时，第二个冠脉连通域为第一冠脉连通域。本申请实施例对第一坐标轴经过的冠脉连通域的不作具体限定。
确定左冠脉起源点和右冠脉起源点后，基于第一预设坐标系(例如图4所示的坐标系)，确定左冠脉起源点的坐标和右冠脉起源点的坐标。
140：基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果。
在一实施例中，判定结果用于判定冠脉起源图像是否存在冠脉起源异常的情况。
具体地，基于左冠脉起源点的坐标和右冠脉起源点的坐标，确定左冠脉起源点和右冠脉起源点之间的夹角、第一距离，以及在第一预设坐标系中的第二坐标轴上的第二距离。其中，夹角和第一距离的计算可以基于左冠脉起源点的坐标和右冠脉起源点的坐标，通过坐标计算距离和角度的公式计算获得。
基于夹角、第一距离和第二距离，确定判定结果。需要说明的是，该步骤的具体描述详情请参见下述图5实施例的记载，为避免重复在此不再赘述。
需要说明的是，本申请实施例优选采用CT图像，是由于CT图像是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查。
由此可知，本申请实施例通过在主动脉关键层面建立坐标系，并基于坐标系中的坐标轴进行冠脉起源点的左右区分，减少了医护人员的主观判断，增强了冠脉起源关键点划分的客观性，提高了左、右冠脉起源点的区分效率和精度。并且本申请实施例还会基于区分完成的左、右冠脉起源点的坐标信息，获得判定结果，也进一步提高了冠脉异常的诊断效率。
在本申请一实施例中，基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标包括：将第一坐标轴的负轴按照预设方向转动，并将经过的第一个第一冠脉连通域的中心点作为右冠脉起源点；将第一坐标轴的负轴按照预设方向转动，并将经过的第二个第二冠脉连通域的中心点作为左冠脉起源点。
在一实施例中，预设方向为逆时针方向。
具体地，第一坐标轴可以是第一预设坐标系的x轴，本申请实施例对此不作具体限定。参见图4，第一坐标轴(即x轴)的负轴可以理解为是x轴在z轴左侧的部分。
继续参见图4，以图4所示x轴的负轴所在位置为转动过程的起点，将x轴(即第一坐标轴)的负轴按照逆时针方向转动，并将经过的第一个第一冠脉连通域(或第二冠脉连通域)作为右冠脉区域，该右冠脉区域的中心点作为右冠脉起源点B，并确定该右冠脉起源点B的坐标。将x轴(即第一坐标轴)的负轴，按照逆时针方向转动，并将经过的第二个第二冠脉连通域(或第一冠脉连通域)作为左冠脉区域，该左冠脉区域的中心点作为左冠脉起源点C，并确定该左冠脉起源点C的坐标。
在一示例中，在区分左、右冠脉起源点时，也可以是将x轴(即第一坐标轴)的负轴按照逆时针方向转动，并将经过的第一个第一冠脉连通域(或第二冠脉连通域)作为右冠脉区域，该右冠脉区域的中心点作为右冠脉起源点B，并确定该右冠脉起源点B的坐标。而后将剩余的第二冠脉连通域(或第一冠脉连通域)作为左冠脉区域，该左冠脉区域的中心点作为左冠脉起源点C，并确定该左冠脉起源点C的坐标。
由此可知，本申请实施例通过将坐标轴以预设方向的转动，进行左冠脉起源点和右冠脉起源点的区分，使得区分过程简单、快速。并且由于在CT图像上，直观图像的左右和实际的左右相反，因此采用本申请实施例的技术方案，也避免了在人工判定的过程中，出现误判的情况。
在本申请一实施例中，基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果包括：基于左冠脉起源点的坐标和右冠脉起源点的坐标，确定左冠脉起源点和右冠脉起源点之间的夹角、第一距离，以及在第一预设坐标系中的第二坐标轴上的第二距离；基于夹角、第一距离和第二距离，确定判定结果。
具体地，基于左冠脉起源点的坐标和右冠脉起源点的坐标，确定左冠脉起源点和右冠脉起源点之间的夹角、第一距离。其中，夹角和第一距离的计算可以基于左冠脉起源点的坐标和右冠脉起源点的坐标，通过坐标计算距离和角度的公式计算获得。
例如左冠脉起源点的坐标为(x1,y1)，右冠脉起源点的坐标为(x2,y2)，则第一距离可以通过下述公式(1)计算获得：
其中，d为第一距离；x1和y1为左冠脉起源点的坐标；x2和y2为右冠脉起源点的坐标。
基于左冠脉起源点的坐标和右冠脉起源点的坐标，确定第一预设坐标系中的第二坐标轴上的第二距离。其中第二坐标轴可以是z轴，本申请实施例对第二坐标轴不作具体限定。第二距离可以是左冠脉起源点的z轴坐标值减去右冠脉起源点的z轴坐标值获得的。
基于夹角、第一距离和第二距离，进行冠脉起源异常的判定。当第一距离小于第一预设距离并且第二距离小于第二预设距离时，判定结果为起源异常。否则进一步判定第一距离是否小于第三预设距离，当第一距离小于第三预设距离时，判定结果为起源异常。否则进一步判定夹角是否大于第一预设角度，当夹角大于第一预设角度时，判定结果为起源正常。否则进一步判定夹角是否小于第二预设角度，当夹角小于第二预设角度时，判定结果为起源异常。否则进一步判定第二距离是否大于第四预设距离，当第二距离大于第四预设距离时，判定结果为起源异常。
需要说明的是，本申请实施例对第一预设距离至第四预设距离的具体数值不作具体限定。对第一预设角度和第二预设角度的具体数值亦不作具体限定。
由此可知，本申请实施例通过左冠脉起源点和右冠脉起源点之间的角度和距离，对主动脉关键层面进行分析，在提供了一种冠脉异常判定方式的同时，提高了冠脉起源异常判定结果的判定效率和判定的准确性。
图5是本申请另一示例性实施例提供的图像处理方法的流程示意图。图5为图1实施例的例子，相同之处不再赘述，此处着重描述不同之处。如图5所示，该图像处理方法包括如下内容。
510：当第一距离小于第一预设距离并且第二距离小于第二预设距离时，判定结果为起源异常。
具体地，第一预设距离可以是0像素、1像素或2像素，本申请实施例对第一预设距离的具体数值不作具体限定。第二预设距离可以是100像素、110像素或120像素，本申请实施例对第二预设距离也不作具体限定。
优选地，第一预设距离为0像素，第二预设距离为120像素。
在一示例中，当第一距离小于0像素并且第二距离小于120像素时，判定结果为起源异常；当第一距离大于0像素或者第二距离大于120像素时，执行步骤520。
520：否则进一步判定第一距离是否小于第三预设距离，当第一距离小于第三预设距离时，判定结果为起源异常。
具体地，第三预设距离可以是50像素、60像素或70像素，本申请实施例对第三预设距离的具体数值不作具体限定。
优选地，第三预设距离为60像素。
在一示例中，当第一距离小于60像素时，判定结果为起源异常；否则，当第一距离大于60像素时，继续执行步骤530。
530：否则进一步判定夹角是否大于第一预设角度，当夹角大于第一预设角度时，判定结果为起源正常。
具体地，第一预设角度可以是100度、104度或110度，本申请实施例对第一预设角度的具体数值不作具体限定。
优选地，第一预设角度为104度。
在一示例中，当夹角大于104度时，判定结果为起源正常；否则，当夹角小于104度时，继续执行步骤540。
540：否则进一步判定夹角是否小于第二预设角度，当夹角小于第二预设角度时，判定结果为起源异常。
具体地，第二预设角度可以是79度、80度或81度，本申请实施例对第二预设角度的具体数值不作具体限定。
优选地，第二预设角度为80度。
在一示例中，当夹角小于80度时，判定结果为起源异常；否则，当夹角大于80度时，继续执行步骤550。
550：否则进一步判定第二距离是否大于第四预设距离，当第二距离大于第四预设距离时，判定结果为起源异常。
具体地，第四预设距离可以是-11像素、-12像素或-13像素，本申请实施例对第四预设距离的具体数值不作具体限定。
优选地，第四预设距离为-11像素。
在一实施例中，当第二距离大于-11像素时，判定结果为起源异常；否则，判定结果为起源正常。
需要说明的是，若是将第一预设距离到第四预设距离换算为以毫米为单位时，可以通过将像素为单位的第一预设距离(或第二预设距离、第三预设距离、第四预设距离)乘0.5，以获得以毫米为单位的第一预设距离(或第二预设距离、第三预设距离、第四预设距离)。
由此可知，本申请实施例通过左冠脉起源点和右冠脉起源点之间的角度和距离，对主动脉关键层面进行分析，能够准确、快速的判断当前的医学影像是否存在冠脉起源异常，以辅助医生诊断。
图6是本申请另一示例性实施例提供的图像处理方法的流程示意图。图6为图1实施例的例子，相同之处不再赘述，此处着重描述不同之处。如图6所示，该图像处理方法包括如下内容。
610：基于冠脉起源图像，确定第一冠脉连通域和第二冠脉连通域。
具体地，将医学影像(例如冠脉CT图像或肺部CT图像)输入预先训练完成的分割模型中，以获得主动脉分割图像和冠脉起源分割图像。将基于分割模型获得的主动脉分割图像进行膨胀操作，获得膨胀后的主动脉图像。
将膨胀后的主动脉图像与基于分割模型获得的冠脉起源分割图像进行相乘，获得距离主动脉近的冠脉起源图像，其中由于冠脉的长度较长，因此采用膨胀操作获得距离主动脉近的部分冠脉图像(即冠脉起源图像)，并且该冠脉起源图像包括多个连通域。
保留冠脉起源图像中面积最大的两个连通域，并将其作为第一冠脉连通域和第二冠脉连通域。
620：基于第二预设坐标系，确定第一冠脉连通域的中心点的坐标和第二冠脉连通域的中心点的坐标。
在一实施例中，第一冠脉连通域的中心点的坐标包括第一坐标值，第二冠脉连通域的中心点的坐标包括第二坐标值。
具体地，由于冠脉起源图像是基于膨胀后的主动脉图像与基于分割模型获得的冠脉起源分割图像相乘获得的，因此该冠脉起源图像为三维图像。因此第二预设坐标系可以将冠脉起源图像下方的任一顶点作为坐标原点建立第二预设坐标系，其中第二预设坐标系可以为空间直角坐标系。
例如，参见图7所示的第二预设坐标系700，该第二预设坐标系700是以冠脉起源图像701下方顶点M处为坐标原点建立的坐标系。
基于第二预设坐标系，确定第一冠脉连通域的中心点的坐标和第二冠脉连通域的中心点的坐标。其中，第一冠脉连通域的中心点的坐标包括第一坐标值，该第一坐标值可以是第一冠脉连通域的中心点的z轴坐标。第二冠脉连通域的中心点的坐标包括第二坐标值，该第二坐标值可以是第二冠脉连通域的中心点的z轴坐标值，本申请实施例对第一坐标值和第二坐标值不作具体限定。
630：基于第一坐标值和第二坐标值，获得主动脉关键层面。
具体地，根据第一冠脉连通域的中心点的第一坐标值(例如z轴坐标值)和第二冠脉连通域的中心点的第二坐标值(例如z轴坐标值)，计算第一坐标值和第二坐标值的平均值。并将该平均值高度对应的冠脉起源图像，作为主动脉关键层面。
由此可知，本申请实施例通过第一冠脉连通域和第二冠脉连通域的中心点的坐标，获得易于判定冠脉起源异常的主动脉关键层面，为后续判断冠脉起源异常判定提供保障。
图8是本申请再一示例性实施例提供的图像处理方法的流程示意图。图8为图1实施例的例子，相同之处不再赘述，此处着重描述不同之处。如图8所示，该图像处理方法包括如下内容。
810：基于预先训练的分割模型将输入的医学影像进行分割，获得主动脉分割图像和冠脉起源分割图像。
具体地，将医学影像(例如图2所示的冠脉CT图像或图3所示的肺部CT图像)输入预先训练完成的分割模型中，以获得主动脉分割图像和冠脉起源分割图像，其中分割模型可以对输入的医学影像进行主动脉和冠脉起源区域的像素级分割。
例如，将图9a所示的冠脉CT图像输入预先训练完成的分割模型中，其分割结果如图9b所示，其中面积较大，偏圆形的为主动脉分割区域901，面积较小，偏细长的为靠近主动脉的冠脉分割区域902。
需要说明的是，对输入的医学影像进行主动脉和冠脉起源部分的像素级分割，获得主动脉分割图像和冠脉起源分割图像的分割技术可以采用区域生长等传统方法，也可以采用深度学习方法，本申请实施例对分割方法不作具体限定。
优选地，本申请实施例通过unet网络进行模型训练，以获得分割模型，用于对输入的医学影像进行分割。
820：将主动脉分割图像进行膨胀操作，获得主动脉图像。
具体地，将基于分割模型获得的主动脉分割图像进行膨胀操作，获得膨胀后的主动脉图像。
830：将主动脉图像与冠脉起源分割图像进行相乘，获得冠脉起源图像。
具体地，将膨胀后的主动脉图像与基于分割模型获得的冠脉起源分割图像进行相乘，获得距离主动脉近的冠脉起源图像，其中由于冠脉的长度较长，因此采用膨胀操作获得距离主动脉近的部分冠脉图像(即冠脉起源图像)。
840：基于冠脉起源图像，确定第一冠脉连通域和第二冠脉连通域。
850：基于第二预设坐标系，确定第一冠脉连通域的中心点的坐标和第二冠脉连通域的中心点的坐标。
860：基于第一坐标值和第二坐标值，获得主动脉关键层面。
由此可知，本申请实施例通过将主动脉分割图像进行膨胀操作，获得了主动脉区域显示范围变大的主动脉图像，以便于对冠脉起源位置处的观察，同时将主动脉图像与冠脉起源分割图像相乘，仅获得与主动脉较近的部分冠脉图像(即冠脉起源图像)，以便于后续对冠脉异常起源的判定。
在本申请一实施例中，在基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果之后，还包括：基于预先训练的分割模型获得的主动脉分割图像和冠脉起源分割图像，获取多个三角面片的各个顶点的位置坐标和法向量；基于位置坐标和法向量，通过可视化工具包呈现重建图像，其中重建图像包括判定结果。
具体地，将医学影像(例如冠脉CT图像或肺部CT图像)输入预先训练完成的分割模型中，以获得主动脉分割图像和冠脉起源分割图像。确定主动脉分割图像和冠脉起源分割图像体素(即三维空间的像素)内三角面片的剖分构型，并利用黄金分割算法计算等值面与体素棱边的交点，即三角面片的顶点，将获得的三角面片近似拟合成等值面。
为了使重建后的图像更加清楚、逼真加入光照模型，再计算三角面片的法向量。其中计算法向量可以采用中心差分方法求解出体素内8个顶点的梯度值。
根据计算获得的三角面片和法向量，通过可视化工具包(Visualiza tionToolkit,VTK)呈现重建图像，其中重建图像为三维重建图像(例如图10所示)，并且该重建图像还可以包括判定结果，用于主动提示用户(或医生)冠脉起源异常的位置处。并且在VTK中还可以完成重建图像的显示、旋转、缩放等交互操作，实现透明、半透明等可视化功能设置。同时用户也可以在VTK上进行个性化功能设置。
在一示例中，还可以利用医学图像处理软件例如simpleITK，进行主动脉分割图像和冠脉起源分割图像中各像素点特征的提取。将提取的各像素点的特征信息转化到VTK中进行三角面片的提取并进行重建图像的显示。
需要说明的是，CT图像是用X线束对人体某部一定厚度的层面进行扫描，其检查方便、分辨力高，是常用的检查器官和病变的方案。但是CT拍摄的图像多，诊断较慢，而且CT诊断的病灶较多，医生不一定对冠脉起源异常进行关注，导致起源异常的漏诊。因此本申请实施例对冠脉起源采用三维重建，并主动提示出冠脉异常，在冠脉CT图像或肺部CT图像中快速进行自动筛查将能够在体检等场景中快速发现可疑的冠脉起源异常病人，及早进行治疗。
由此可知，本申请实施例通过采用三角面片的方案，对获得的主动脉分割图像和冠脉起源分割图像进行三维重建，以便于能够更加快速、直观地进行起源异常的判断。并且重建的图像还显示有判定结果，能够辅助医生快速判断起源异常，发现众多医学影像中的冠脉起源异常图像。
图11是本申请一示例性实施例提供的图像处理装置的结构示意图。如图11所示，该图像处理装置1100包括：输入分割模块1110，该输入分割模块1110包括第二获取模块1111、第三获取模块1112和第四获取模块1113；起源异常提示模块1120，该起源异常提示模块1120包括第一获取模块1121、建立模块1122、确定模块1123和判定模块1124；重建输出模块1130，该重建输出模块1130包括第五获取模块1131和呈现模块1132。
第一获取模块1121用于基于冠脉起源图像获取主动脉关键层面，其中主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；建立模块1122用于将主动脉区域的中心点为原点，建立第一预设坐标系；确定模块1123用于基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中右冠脉起源点为第一冠脉连通域的中心点，左冠脉起源点为第二冠脉连通域的中心点；判定模块1124用于基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果，其中判定结果用于判定冠脉起源图像是否存在冠脉起源异常的情况。
本申请实施例提供了一种图像处理装置，通过在主动脉关键层面建立坐标系，并基于坐标系中的坐标轴进行冠脉起源点的左右区分，减少了医护人员的主观判断，增强了冠脉起源关键点划分的客观性，提高了左、右冠脉起源点的区分效率和精度。并且本申请实施例还会基于区分完成的左、右冠脉起源点的坐标信息，获得判定结果，也进一步提高了冠脉异常的诊断效率。
根据本申请一实施例，确定模块1123用于将第一坐标轴的负轴按照预设方向转动，并将经过的第一个第一冠脉连通域的中心点作为右冠脉起源点；将第一坐标轴的负轴按照预设方向转动，并将经过的第二个第二冠脉连通域的中心点作为左冠脉起源点，其中，预设方向为逆时针方向。
根据本申请一实施例，判定模块1124用于基于左冠脉起源点的坐标和右冠脉起源点的坐标，确定左冠脉起源点和右冠脉起源点之间的夹角、第一距离，以及在第一预设坐标系中的第二坐标轴上的第二距离；基于夹角、第一距离和第二距离，确定判定结果。
根据本申请一实施例，判定模块1124还用于当第一距离小于第一预设距离并且第二距离小于第二预设距离时，判定结果为起源异常；否则进一步判定第一距离是否小于第三预设距离，当第一距离小于第三预设距离时，判定结果为起源异常；否则进一步判定夹角是否大于第一预设角度，当夹角大于第一预设角度时，判定结果为起源正常；否则进一步判定夹角是否小于第二预设角度，当夹角小于第二预设角度时，判定结果为起源异常；否则进一步判定第二距离是否大于第四预设距离，当第二距离大于第四预设距离时，判定结果为起源异常。
根据本申请一实施例，第一获取模块1121用于基于冠脉起源图像，确定第一冠脉连通域和第二冠脉连通域；基于第二预设坐标系，确定第一冠脉连通域的中心点的坐标和第二冠脉连通域的中心点的坐标，其中第一冠脉连通域的中心点的坐标包括第一坐标值，第二冠脉连通域的中心点的坐标包括第二坐标值；基于第一坐标值和第二坐标值，获得主动脉关键层面。
根据本申请一实施例，该装置还包括输入分割模块1110，该输入分割模块1110包括第二获取模块1111用于基于预先训练的分割模型将输入的医学影像进行分割，获取主动脉分割图像和冠脉起源分割图像；还包括第三获取模块1112用于将主动脉分割图像进行膨胀操作，获取主动脉图像；还包括第四获取模块1113用于将主动脉图像与冠脉起源分割图像进行相乘，获取冠脉起源图像。
根据本申请一实施例，该装置还包括重建输出模块1130，该重建输出模块1130包括第五获取模块1131用于基于预先训练的分割模型获得的主动脉分割图像和冠脉起源分割图像，获取多个三角面片的各个顶点的位置坐标和法向量；还包括呈现模块1132用于基于位置坐标和法向量，通过可视化工具包呈现重建图像，其中重建图像包括判定结果。
应当理解，上述实施例中的输入分割模块1110、起源异常提示模块1120和重建输出模块1130的具体工作过程和功能可以参考上述图1至图10实施例提供的图像处理方法中的描述，为了避免重复，在此不再赘述。
图12是本申请一示例性实施例提供的用于图像处理的电子设备的框图。
参照图12，电子设备1200包括处理组件1210，其进一步包括一个或多个处理器，以及由存储器1220所代表的存储器资源，用于存储可由处理组件1210的执行的指令，例如应用程序。存储器1220中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1210被配置为执行指令，以执行上述图像处理方法。
电子设备1200还可以包括一个电源组件被配置为执行电子设备1200的电源管理，一个有线或无线网络接口被配置为将电子设备1200连接到网络，和一个输入输出(I/O)接口。可以基于存储在存储器1220的操作系统操作电子设备1200，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
一种非临时性计算机可读存储介质，当存储介质中的指令由上述电子设备1200的处理器执行时，使得上述电子设备1200能够执行一种图像处理方法，包括：基于冠脉起源图像获取主动脉关键层面，其中主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；将主动脉区域的中心点为原点，建立第一预设坐标系；基于第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中右冠脉起源点为第一冠脉连通域的中心点，左冠脉起源点为第二冠脉连通域的中心点；基于左冠脉起源点的坐标和右冠脉起源点的坐标，获得判定结果，其中判定结果用于判定冠脉起源图像是否存在冠脉起源异常的情况。
上述所有可选技术方案，可采用任意结合形成本申请的可选实施例，在此不再一一赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序校验码的介质。
需要说明的是，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
基于冠脉起源图像获取主动脉关键层面，其中所述主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；
将所述主动脉区域的中心点为原点，建立第一预设坐标系；
基于所述第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中所述右冠脉起源点为所述第一冠脉连通域的中心点，所述左冠脉起源点为所述第二冠脉连通域的中心点；
基于所述左冠脉起源点的坐标和所述右冠脉起源点的坐标，获得判定结果，其中所述判定结果用于判定所述冠脉起源图像是否存在冠脉起源异常的情况。
2.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标包括：
将所述第一坐标轴的负轴按照预设方向转动，并将经过的第一个所述第一冠脉连通域的中心点作为所述右冠脉起源点；
将所述第一坐标轴的所述负轴按照所述预设方向转动，并将经过的第二个所述第二冠脉连通域的中心点作为所述左冠脉起源点，
其中，所述预设方向为逆时针方向。
3.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述左冠脉起源点的坐标和所述右冠脉起源点的坐标，获得判定结果包括：
基于所述左冠脉起源点的坐标和所述右冠脉起源点的坐标，确定所述左冠脉起源点和所述右冠脉起源点之间的夹角、第一距离，以及在所述第一预设坐标系中的第二坐标轴上的第二距离；
基于所述夹角、所述第一距离和所述第二距离，确定所述判定结果。
4.根据权利要求3所述的图像处理方法，其特征在于，所述基于所述夹角、所述第一距离和所述第二距离，确定所述判定结果包括：
当所述第一距离小于第一预设距离并且所述第二距离小于第二预设距离时，所述判定结果为起源异常；
否则进一步判定所述第一距离是否小于第三预设距离，当所述第一距离小于所述第三预设距离时，所述判定结果为所述起源异常；
否则进一步判定所述夹角是否大于第一预设角度，当所述夹角大于所述第一预设角度时，所述判定结果为起源正常；
否则进一步判定所述夹角是否小于第二预设角度，当所述夹角小于所述第二预设角度时，所述判定结果为所述起源异常；
否则进一步判定所述第二距离是否大于第四预设距离，当所述第二距离大于所述第四预设距离时，所述判定结果为所述起源异常。
5.根据权利要求1所述的图像处理方法，其特征在于，所述基于冠脉起源图像获取主动脉关键层面包括：
基于所述冠脉起源图像，确定所述第一冠脉连通域和所述第二冠脉连通域；
基于第二预设坐标系，确定所述第一冠脉连通域的中心点的坐标和所述第二冠脉连通域的中心点的坐标，其中所述第一冠脉连通域的中心点的坐标包括第一坐标值，所述第二冠脉连通域的中心点的坐标包括第二坐标值；
基于所述第一坐标值和所述第二坐标值，获得所述主动脉关键层面。
6.根据权利要求5所述的图像处理方法，其特征在于，在所述基于所述冠脉起源图像，确定所述第一冠脉连通域和所述第二冠脉连通域之前，还包括：
基于预先训练的分割模型将输入的医学影像进行分割，获取主动脉分割图像和冠脉起源分割图像；
将所述主动脉分割图像进行膨胀操作，获取主动脉图像；
将所述主动脉图像与所述冠脉起源分割图像进行相乘，获取所述冠脉起源图像。
7.根据权利要求1至6中任一项所述的图像处理方法，其特征在于，在所述基于所述左冠脉起源点的坐标和所述右冠脉起源点的坐标，获得判定结果之后，还包括：
基于预先训练的分割模型获得的主动脉分割图像和冠脉起源分割图像，获取多个三角面片的各个顶点的位置坐标和法向量；
基于所述位置坐标和所述法向量，通过可视化工具包呈现重建图像，其中所述重建图像包括所述判定结果。
8.一种图像处理装置，其特征在于，包括：
第一获取模块，用于基于冠脉起源图像获取主动脉关键层面，其中所述主动脉关键层面包括主动脉区域、第一冠脉连通域和第二冠脉连通域；
建立模块，用于将所述主动脉区域的中心点为原点，建立第一预设坐标系；
确定模块，用于基于所述第一预设坐标系中的第一坐标轴，确定左冠脉起源点的坐标和右冠脉起源点的坐标，其中所述右冠脉起源点为所述第一冠脉连通域的中心点，所述左冠脉起源点为所述第二冠脉连通域的中心点；
判定模块，用于基于所述左冠脉起源点的坐标和所述右冠脉起源点的坐标，获得判定结果，其中所述判定结果用于判定所述冠脉起源图像是否存在冠脉起源异常的情况。
9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至7任一项所述的图像处理方法。
10.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器，
其中，所述处理器用于执行上述权利要求1至7任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110807629.7A CN113506277A (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110807629.7A CN113506277A (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113506277A true CN113506277A (zh) | 2021-10-15 |
Family
ID=78013261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110807629.7A Pending CN113506277A (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113506277A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114041761A (zh) * | 2021-10-27 | 2022-02-15 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
| CN117322918A (zh) * | 2023-12-01 | 2024-01-02 | 北京唯迈医疗设备有限公司 | 一种介入手术冠脉开口位置自动探测控制系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130216110A1 (en) * | 2012-02-21 | 2013-08-22 | Siemens Aktiengesellschaft | Method and System for Coronary Artery Centerline Extraction |
| CN107527341A (zh) * | 2017-08-30 | 2017-12-29 | 上海联影医疗科技有限公司 | 血管造影图像的处理方法和系统 |
| 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 |
| 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 |
| CN111951277A (zh) * | 2020-07-28 | 2020-11-17 | 杭州电子科技大学 | 一种基于cta图像的冠状动脉分割方法 |
| CN112950734A (zh) * | 2021-03-01 | 2021-06-11 | 推想医疗科技股份有限公司 | 冠脉重建方法、装置、电子设备和存储介质 |
-
2021
- 2021-07-16 CN CN202110807629.7A patent/CN113506277A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130216110A1 (en) * | 2012-02-21 | 2013-08-22 | Siemens Aktiengesellschaft | Method and System for Coronary Artery Centerline Extraction |
| CN107527341A (zh) * | 2017-08-30 | 2017-12-29 | 上海联影医疗科技有限公司 | 血管造影图像的处理方法和系统 |
| 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 |
| 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 |
| CN111951277A (zh) * | 2020-07-28 | 2020-11-17 | 杭州电子科技大学 | 一种基于cta图像的冠状动脉分割方法 |
| CN112950734A (zh) * | 2021-03-01 | 2021-06-11 | 推想医疗科技股份有限公司 | 冠脉重建方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 陈燕浩;金朝林;王翔;江燕萍;殷云志;陈发祥;: "64层螺旋CT冠脉造影在冠状动脉起源异常诊断中的应用价值", 山西医科大学学报, no. 03 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114041761A (zh) * | 2021-10-27 | 2022-02-15 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
| CN114041761B (zh) * | 2021-10-27 | 2022-12-09 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
| CN117322918A (zh) * | 2023-12-01 | 2024-01-02 | 北京唯迈医疗设备有限公司 | 一种介入手术冠脉开口位置自动探测控制系统 |
| CN117322918B (zh) * | 2023-12-01 | 2024-02-02 | 北京唯迈医疗设备有限公司 | 一种介入手术冠脉开口位置自动探测控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
| US7746340B2 (en) | Method and apparatus for generating a 2D image having pixels corresponding to voxels of a 3D image | |
| US9547894B2 (en) | Apparatus for, and method of, processing volumetric medical image data | |
| CN108876794B (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
| US9449381B2 (en) | Methods, systems, and media for generating and analyzing medical images having elongated structures | |
| US7684602B2 (en) | Method and system for local visualization for tubular structures | |
| US20100177177A1 (en) | Inspection of tubular-shaped structures | |
| JP2014054428A (ja) | ３次元画像表示装置および方法並びにプログラム | |
| JP6040193B2 (ja) | ３次元方向設定装置および方法並びにプログラム | |
| US20150063669A1 (en) | Visual suppression of selective tissue in image data | |
| JP2012024517A (ja) | 診断支援装置、診断支援プログラムおよび診断支援方法 | |
| CN113506277A (zh) | 图像处理方法及装置 | |
| US9019272B2 (en) | Curved planar reformation | |
| JP2016504113A (ja) | コンピュータ支援による関心組織の特定 | |
| JP2007061622A (ja) | 気道内腔の直径、気道壁の厚さおよび気管支動脈比を使用して多断面コンピュータ断層撮影（ｍｓｃｔ）イメージデータの自動的な気道評価を行うためのシステムおよび方法 | |
| JP2007275318A (ja) | 画像表示装置、画像表示方法およびそのプログラム | |
| JP4463817B2 (ja) | 脈管構造の局部画像を自動的に配向する方法及びシステム | |
| EP3389006B1 (en) | Rib unfolding from magnetic resonance images | |
| WO2009145170A1 (ja) | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム | |
| CN112116623B (zh) | 图像分割方法及装置 | |
| US10290099B2 (en) | Image processing device and image processing method | |
| WO2015111308A1 (ja) | ３次元医用画像表示制御装置およびその作動方法並びに３次元医用画像表示制御プログラム | |
| WO2006055031A2 (en) | Method and system for local visualization for tubular structures | |
| RU2639022C2 (ru) | Выявление буллезной эмфиземы и диффузной эмфиземы в, например, объемных изображениях компьютерной томографии легких | |
| Metz et al. | GPU accelerated alignment of 3-D CTA with 2-D X-ray data for improved guidance in coronary interventions |
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 |