CN113689388A - 用于主动脉曲面重建的三维中心线起始点定位方法及装置 - Google Patents
用于主动脉曲面重建的三维中心线起始点定位方法及装置 Download PDFInfo
- Publication number
- CN113689388A CN113689388A CN202110885167.0A CN202110885167A CN113689388A CN 113689388 A CN113689388 A CN 113689388A CN 202110885167 A CN202110885167 A CN 202110885167A CN 113689388 A CN113689388 A CN 113689388A
- Authority
- CN
- China
- Prior art keywords
- layer
- starting point
- aortic
- layers
- line segments
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 210000000709 aorta Anatomy 0.000 claims abstract description 70
- 230000006835 compression Effects 0.000 claims abstract description 53
- 238000007906 compression Methods 0.000 claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010968 computed tomography angiography Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 5
- 210000002376 aorta thoracic Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 210000002254 renal artery Anatomy 0.000 description 2
- 241001166076 Diapheromera femorata Species 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000002168 brachiocephalic trunk Anatomy 0.000 description 1
- 210000001168 carotid artery common Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000003270 subclavian artery Anatomy 0.000 description 1
- 230000007704 transition 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Mathematical Analysis (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
本发明公开了一种用于主动脉曲面重建的三维中心线起始点定位方法及装置，涉及图像处理技术领域。该方法包括：获取主动脉三维分割数据的冠状位或矢状位的二值压缩图；对二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量；根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，将得到的全部边界层作为备选起点层；通过预设阈值对每个备选起点层进行筛选，得到起点层；将起点层中的升主动脉起点管腔切面的几何中心点作为三维中心线的起始点。本发明适用于CTA技术中的主动脉曲面重建，可以在无人工介入的情况下，将主动脉CTA数据自动进行曲面重建，可以适用于批量对主动脉CTA数据进行曲面重建的操作。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及用于主动脉曲面重建的三维中心线起始点定位方法及装置。
背景技术
目前，在CTA(CT angiography，CT血管造影)的主动脉曲面重建步骤中，为抽取三维中心线信息，必须获取的起止点依赖用户手动选择，故批量对主动脉CTA数据进行曲面重建存在困难，在面对大量需要做曲面重建的数据的情况下，重建效率低下。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供用于主动脉曲面重建的三维中心线起始点定位方法及装置。
本发明解决上述技术问题的技术方案如下：
一种用于主动脉曲面重建的三维中心线起始点定位方法，包括：
获取主动脉三维分割数据的冠状位或矢状位的二值压缩图；
对所述二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量；
根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，将得到的全部边界层作为备选起点层；
通过预设阈值对每个备选起点层进行筛选，得到起点层；
将所述起点层中的升主动脉起点管腔切面的几何中心点作为三维中心线的起始点。
本发明解决上述技术问题的另一种技术方案如下：
一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案所述的用于主动脉曲面重建的三维中心线起始点定位方法。
本发明解决上述技术问题的另一种技术方案如下：
一种用于主动脉曲面重建的三维中心线起始点定位装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，实现如上述技术方案所述的用于主动脉曲面重建的三维中心线起始点定位方法。
本发明的有益效果是：本发明提供的三维中心线起始点定位方法及装置适用于CTA技术中的主动脉曲面重建，通过对二值压缩图中主动脉管腔的边界层进行筛选，进而在起点层中确定升主动脉起点管腔切面的几何中心点作为起始点，可以在无人工介入的情况下，将主动脉CTA数据自动进行曲面重建，可以适用于批量对主动脉CTA数据进行曲面重建的操作，并且由于省去了人工介入，可以做到端到端的主动脉CTA曲面重建。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明三维中心线起始点定位方法的实施例提供的流程示意图；
图2为本发明三维中心线起始点定位方法的实施例提供的二值压缩示意图，a为冠状位二值压缩图，b为矢状位二值压缩图；
图3为本发明三维中心线起始点定位方法的实施例提供的结构框架示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，为本发明三维中心线起始点定位方法的实施例提供的流程示意图，该三维中心线起始点定位方法用于主动脉曲面重建，包括：
S1，获取主动脉三维分割数据的冠状位或矢状位的二值压缩图；
如图2所示，提供了示例性的主动脉三维分割模型的二值压缩图，a为冠状位二值压缩图，b为矢状位二值压缩图。
图中，包括像素值1和0，1代表管腔，0代表背景。应理解，对于主动脉三维分割模型而言，其主动脉管腔的形状为拐杖状，传统方法是人工手动选择A点作为主动脉曲面重建的起始点，B点作为主动脉曲面重建的终止点，而由于主动脉管腔的头部是向下弯折的，这就给机器识别带了困难，因不规则拐杖型单值图形在进行横向和纵向扫描时，拐杖头部分信息会被隐藏，因此只能人工手动选择起始点。而本实施例以边界搜索的手法抽取出原本会被隐藏的拐杖头坐标信息，能够使机器自动识别定位出A点作为主动脉曲面重建的起始点。
S2，对二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量；
应理解，以图2a的冠状位为例，图片从上到下是由很多行像素组成的，每一行像素即为一层像素，由于二值压缩图中像素值1表示管腔，因此，连续线段的数量指的是该行像素中像素值为1的线段的数量。
例如，在图像的最下方的a1层像素，没有管腔图像，则该层包含的连续线段的数量为0；在中间的a2层像素，有1段管腔图像，则该层包含的连续线段的数量为1；在上方的a3层像素，有2段管腔图像，则该层包含的连续线段的数量为2。
S3，根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，将得到的全部边界层作为备选起点层；
应理解，由于主动脉管腔的特殊结构，因此，由至少两段主动脉管腔过渡到一段主动脉管腔的边界层可能是包含A点的起点层，但是由于主动脉管腔可能存在分支结构，如图2b中的分叉，因此，还需要进一步从边界层中确定出起点层。
S4，通过预设阈值对每个备选起点层进行筛选，得到起点层；
应理解，预设阈值可以为根据实际需求设置的层数，层数多的CTA数据设置较大阈值，层数少的CTA数据设置较小阈值。例如，大于1000层的CTA数据的阈值可以设置为21；小于或等于1000层的CTA数据的阈值可以设置为10。
然后根据预设阈值对每个备选起点层进行筛选，因起点层实际为升主动脉的起点层，而升主动脉在CTA数据中长度会远超所设阈值，故当候选层为真实起点层时，从该层开始向上扫描一个阈值长度，每一层均应包含两段主动脉管腔；若在阈值长度中出现了仅有一段管腔的CTA层则说明该候选层为血管扭曲造成的错误候选定位。
S5，将起点层中的升主动脉起点管腔切面的几何中心点作为三维中心线的起始点。
应理解，在起点层，会存在两个管腔切面，其中一个才是需要定位的升主动脉起点，由于主动脉三维分割模型的固定性，升主动脉起点都是朝左的，因此，可以直接将起点层左侧切面设定为为升主动脉起点。
而对于部分主动脉三维分割模型，可能存在畸形等情况，此时，可以根据切面的面积大小，将面积较大的切面确定为升主动脉起点。也可以将起点层与相邻的像素层上下方的像素作差，根据差值确定升主动脉起点。以图2为例，由于起点层的左侧切面的上下方像素值不同，而右侧切面的上下方像素值相同，因此，可以根据差值确定将哪个切面作为升主动脉起点。
应理解，还可以自动选择三维中心线的终止点，例如，可以将包含主动脉管腔的最下层作为终点层，终点层仅有一处管腔切面，可以将该管腔切面的几何中心点作为三维中心线的终止点。
由于每一层像素层都有ID，因此，可以将每层的ID作为z轴，结合几何中心点的x轴和y轴坐标，得到起始点的三维坐标。
本实施例提供的三维中心线起始点定位方法适用于CTA技术中的主动脉曲面重建，通过对二值压缩图中主动脉管腔的边界层进行筛选，进而在起点层中确定升主动脉起点管腔切面的几何中心点作为起始点，可以在无人工介入的情况下，将主动脉CTA数据自动进行曲面重建，可以适用于批量对主动脉CTA数据进行曲面重建的操作，并且由于省去了人工介入，可以做到端到端的主动脉CTA曲面重建。
可选地，在一些可能的实施方式中，获取主动脉三维分割数据的冠状位或矢状位的二值压缩图之后，还包括：
去除二值压缩图中的空腔；
去除不包含主动脉管腔影像的像素层。
应理解，空腔指的是主动脉管腔影像区域出现了背景部分，例如，在主动脉管腔影像区域存在背景色的洞、缝隙或点等，这种情况的出现可能因为干扰、成像误差等原因，可以对二值压缩图进行图像检测，将主动脉管腔影像中的背景填充为管腔，例如，可以将主动脉管腔影像区域内的像素值0改为像素值1，从而使主动脉管腔影像区域形成完整连续的区域。
此外，如图2所示，二值压缩图的下方像素层中，存在没有主动脉管腔影像的空腔区域，可以预处理将其去除，从而将对下端的像素层作为终点层，便于快速确定终止点。
可选地，在一些可能的实施方式中，对二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量，具体包括：
分别计算二值压缩图中第i层的第j+1个像素与第j个像素之间的差值；
将得到的第i层的差值中的-1置为0，将第i层的所有差值相加，得到第i层包含的连续线段的数量；
或，
将得到的第i层的差值中的1置为0，将第i层的所有差值相加，将得到的相加结果的绝对值作为第i层包含的连续线段的数量；
其中，二值压缩图中，主动脉管腔影像的像素值为1，背景的像素值为0，i＝1,2,…,N，N为二值压缩图的层数，j＝1,2,…,M，M为每层像素的数量。
应理解，可以从上而下依次计算差值，即按照第1层、第2层、…、第N层的顺序处理。
由于，主动脉管腔影像的像素值为1，背景的像素值为0，因此，当第2个像素与第1个像素之间的差值为1时，表明从背景区域进入了主动脉管腔影像区域，当第2个像素与第1个像素之间的差值为0时，表明这两个像素同时处于主动脉管腔影像区域或背景区域，当第2个像素与第1个像素之间的差值为-1时，表明从主动脉管腔影像区域进入了背景区域。因此，-1与1成对出现，统计每层像素的1或-1，即可得到该层包含的连续线段的数量。
具体地，可以根据每层ID建立列表，该列表储存了每层像素中包含的连续线段的数量。
通过相邻像素差值计算的方式，有效提升了相邻像素比对产生的处理时间，可以快速的定位到每一个可能的升主动脉起点层候选区，提高代码运行效率。
可选地，在一些可能的实施方式中，对二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量，具体包括：
根据二值压缩图中第i层的每个像素的像素值，统计第i层中像素值为1的连续像素段的数量，作为第i层包含的连续线段的数量；
其中，二值压缩图中，主动脉管腔影像的像素值为1，背景的像素值为0，i＝1,2,…,N，N为二值压缩图的层数。
可选地，在一些可能的实施方式中，根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，具体包括：
将所有层的连续线段的数量中大于1的值置为2；
分别计算二值压缩图中第i+1层包含的连续线段的数量与第i层包含的连续线段的数量之间的差值，如果差值为-1，则将第i层作为边界层。
应理解，由于存在干扰等因素，某层连续线段的数量可能大于2，因此，统一置为2，便于统计。
例如，当第2层包含的连续线段的数量为1时，第1层包含的连续线段的数量为2时，表明从第2层只存在1个主动脉管腔影像的切面，而第1层存在2个主动脉管腔影像的切面，那么第1层可能就是起点层，但可能出现管腔分叉等情况，因此，可以将得到的边界层都作为候选起点层。
当差值为0时，表明相邻两层包含的线段数量相同，因此不是边界层。
当差值为1时，表明第2层包含的连续线段的数量为2，第1层包含的连续线段的数量为1，而二值压缩图中主动脉的位置较为固定，都是弯折头部在上方，因此，该情况可以排除，可能是如图2b所示的管腔分叉。
通过相邻像素差值计算的方式，有效提升了相邻像素比对产生的处理时间，可以快速的定位到每一个可能的升主动脉起点层候选区，提高代码运行效率。
可选地，在一些可能的实施方式中，还包括：根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，具体包括：
将所有层的连续线段的数量中大于1的值置为2；
统计所有层中连续线段的数量为2的连续层，并将连续层中的最后一层作为边界层。
可选地，在一些可能的实施方式中，通过预设阈值对每个备选起点层进行筛选，得到起点层，具体包括：
根据预设阈值确定检测层数；
分别检测每个备选起点层向上的检测层数内，每一层包含的主动脉管腔影像是否均为两段，如果是，则将对应的备选起点层作为起点层。
因主动脉区域同时包含一些分支，如头臂干、右颈总动脉、右锁骨下动脉、左右肾动脉等，导致主动脉模型实质为一多出口管状结构，本方案基于管腔分割结果，避免了多出口对定位升主动脉起点层的影响，将人工介入操作的必要性尽可能降低。
可选地，在一些可能的实施方式中，还包括：
当未能通过矢状位的二值压缩图计算得到起点层时，再通过冠状位的二值压缩图计算得到起点层。
应理解，之所以获取冠状位或矢状位的二值压缩图，是因为其中之一的二值压缩图可能出现升主动脉与降主动脉粘合的情况，此情况会导致起点层获取失败，而根据现有数据统计，矢状位与冠状位同时出现升主动脉与降主动脉粘合的可能性几乎为零，且冠状位出现粘合的可能性大于矢状位出现粘合的几率。
因此，优选地，可以优先选择依据矢状位二值压缩图选择返回的起点层，若成功取得起点层，则认定该层为此CTA的主动脉起点层，若未能成功取得起点层，则取获取依据冠状位二值压缩图选择返回的起点层作为次CTA的主动脉起点层。
基于统计数据，本实施方式采取冠状位与矢状位两组二维数据结合的方法，而非直接使用三维主动脉分割数据的方法。因此，基于二维数据运行的本方案在拥有较高的效率的同时，还凭借着冠状位与矢状位两方向压缩图的信息互补，确保升主动脉起点层可以被正确的定位。
可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
如图3所示，为本发明三维中心线起始点定位方法的实施例提供的结构框架示意图，该三维中心线起始点定位装置用于主动脉曲面重建，包括：
存储器10，用于存储计算机程序；
处理器20，用于执行计算机程序，实现如上述任意实施方式公开的用于主动脉曲面重建的三维中心线起始点定位方法。
本实施例提供的三维中心线起始点定位装置适用于CTA技术中的主动脉曲面重建，通过对二值压缩图中主动脉管腔的边界层进行筛选，进而在起点层中确定升主动脉起点管腔切面的几何中心点作为起始点，可以在无人工介入的情况下，将主动脉CTA数据自动进行曲面重建，可以适用于批量对主动脉CTA数据进行曲面重建的操作，并且由于省去了人工介入，可以做到端到端的主动脉CTA曲面重建。
本发明还提供一种存储介质，存储介质中存储有指令，当计算机读取指令时，使计算机执行如上述任意实施方式公开的用于主动脉曲面重建的三维中心线起始点定位方法。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，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，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
上述方法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，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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)执行本发明各个实施例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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，包括：
获取主动脉三维分割数据的冠状位或矢状位的二值压缩图；
对所述二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量；
根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，将得到的全部边界层作为备选起点层；
通过预设阈值对每个备选起点层进行筛选，得到起点层；
将所述起点层中的升主动脉起点管腔切面的几何中心点作为三维中心线的起始点。
2.根据权利要求1所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，获取主动脉三维分割数据的冠状位或矢状位的二值压缩图之后，还包括：
去除所述二值压缩图中的空腔；
去除不包含主动脉管腔影像的像素层。
3.根据权利要求1所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，对所述二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量，具体包括：
分别计算所述二值压缩图中第i层的第j+1个像素与第j个像素之间的差值；
将得到的第i层的差值中的-1置为0，将第i层的所有差值相加，得到第i层包含的连续线段的数量；
或，
将得到的第i层的差值中的1置为0，将第i层的所有差值相加，将得到的相加结果的绝对值作为第i层包含的连续线段的数量；
其中，所述二值压缩图中，主动脉管腔影像的像素值为1，背景的像素值为0，i＝1,2,…,N，N为二值压缩图的层数，j＝1,2,…,M，M为每层像素的数量。
4.根据权利要求1所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，对所述二值压缩图中每层像素进行统计，得到每层包含的连续线段的数量，具体包括：
根据所述二值压缩图中第i层的每个像素的像素值，统计第i层中像素值为1的连续像素段的数量，作为第i层包含的连续线段的数量；
其中，所述二值压缩图中，主动脉管腔影像的像素值为1，背景的像素值为0，i＝1,2,…,N，N为二值压缩图的层数。
5.根据权利要求3或4所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，具体包括：
将所有层的连续线段的数量中大于1的值置为2；
分别计算所述二值压缩图中第i+1层包含的连续线段的数量与第i层包含的连续线段的数量之间的差值，如果差值为-1，则将第i层作为边界层。
6.根据权利要求3或4所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，还包括：根据所有层的连续线段的数量确定由至少两段主动脉管腔过渡到一段主动脉管腔的边界层，具体包括：
将所有层的连续线段的数量中大于1的值置为2；
统计所有层中连续线段的数量为2的连续层，并将所述连续层中的最后一层作为边界层。
7.根据权利要求1所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，通过预设阈值对每个备选起点层进行筛选，得到起点层，具体包括：
根据预设阈值确定检测层数；
分别检测每个备选起点层向上的检测层数内，每一层包含的主动脉管腔影像是否均为两段，如果是，则将对应的备选起点层作为起点层。
8.根据权利要求1所述的用于主动脉曲面重建的三维中心线起始点定位方法，其特征在于，还包括：
当未能通过所述矢状位的二值压缩图计算得到起点层时，再通过所述冠状位的二值压缩图计算得到起点层。
9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至8中任一项所述的用于主动脉曲面重建的三维中心线起始点定位方法。
10.一种用于主动脉曲面重建的三维中心线起始点定位装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序，实现如权利要求1至8中任一项所述的用于主动脉曲面重建的三维中心线起始点定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110885167.0A CN113689388B (zh) | 2021-08-03 | 2021-08-03 | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110885167.0A CN113689388B (zh) | 2021-08-03 | 2021-08-03 | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113689388A true CN113689388A (zh) | 2021-11-23 |
| CN113689388B CN113689388B (zh) | 2024-02-06 |
Family
ID=78578899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110885167.0A Active CN113689388B (zh) | 2021-08-03 | 2021-08-03 | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113689388B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2756804A1 (en) * | 2013-01-22 | 2014-07-23 | Agfa Healthcare | Method, apparatus and system for identifying a specific part of a spine in an image |
| JP2015068752A (ja) * | 2013-09-30 | 2015-04-13 | 株式会社Ihi | 画像解析装置及びプログラム |
| CN107563998A (zh) * | 2017-08-30 | 2018-01-09 | 上海联影医疗科技有限公司 | 医学图像中心脏图像处理方法 |
| CN110338830A (zh) * | 2019-07-30 | 2019-10-18 | 赛诺威盛科技（北京）有限公司 | 自动提取cta影像中头颈血管中心路径的方法 |
| CN111612743A (zh) * | 2020-04-24 | 2020-09-01 | 杭州电子科技大学 | 一种基于ct图像的冠状动脉中心线提取方法 |
| CN111815583A (zh) * | 2020-06-29 | 2020-10-23 | 苏州润心医疗器械有限公司 | 基于ct序列图像获取主动脉中心线的方法和系统 |
| 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 |
-
2021
- 2021-08-03 CN CN202110885167.0A patent/CN113689388B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2756804A1 (en) * | 2013-01-22 | 2014-07-23 | Agfa Healthcare | Method, apparatus and system for identifying a specific part of a spine in an image |
| JP2015068752A (ja) * | 2013-09-30 | 2015-04-13 | 株式会社Ihi | 画像解析装置及びプログラム |
| CN107563998A (zh) * | 2017-08-30 | 2018-01-09 | 上海联影医疗科技有限公司 | 医学图像中心脏图像处理方法 |
| CN110338830A (zh) * | 2019-07-30 | 2019-10-18 | 赛诺威盛科技（北京）有限公司 | 自动提取cta影像中头颈血管中心路径的方法 |
| CN111612743A (zh) * | 2020-04-24 | 2020-09-01 | 杭州电子科技大学 | 一种基于ct图像的冠状动脉中心线提取方法 |
| CN111815583A (zh) * | 2020-06-29 | 2020-10-23 | 苏州润心医疗器械有限公司 | 基于ct序列图像获取主动脉中心线的方法和系统 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113689388B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111815599B (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| US6396939B1 (en) | Method and system for segmentation of medical images | |
| Buelow et al. | Automatic extraction of the pulmonary artery tree from multi-slice CT data | |
| Higgins et al. | Extraction of left-ventricular chamber from 3-D CT images of the heart | |
| US9247879B2 (en) | Method and system for automatic interpretation of computer tomography scan data | |
| CN112652011B (zh) | 目标血管的提取方法、提取装置与计算机可读存储介质 | |
| US20070127802A1 (en) | Method and System for Automatic Lung Segmentation | |
| CN110706241B (zh) | 一种三维病灶区域提取方法和装置 | |
| JP4248399B2 (ja) | 自動枝ラベリング方法 | |
| CN109740602B (zh) | 肺动脉期血管提取方法及系统 | |
| US20050249392A1 (en) | Method for the automatic segmentation of the heart cavities | |
| CN111242969B (zh) | 边界节点的确定方法、网格划分方法及医疗设备 | |
| CN109410181B (zh) | 一种心脏图像分割方法及装置 | |
| CN112991365A (zh) | 一种冠状动脉分割方法、系统及存储介质 | |
| CN111179298A (zh) | 基于ct图像的三维肺自动分割与左右肺分离方法及其系统 | |
| Jaffar et al. | Anisotropic diffusion based brain MRI segmentation and 3D reconstruction | |
| CN115409859A (zh) | 冠状动脉血管图像分割方法及装置、存储介质和终端 | |
| CN116883341A (zh) | 一种基于深度学习的肝脏肿瘤ct图像自动分割方法 | |
| CN112950734B (zh) | 冠脉重建方法、装置、电子设备和存储介质 | |
| CN113689388A (zh) | 用于主动脉曲面重建的三维中心线起始点定位方法及装置 | |
| CN111612764B (zh) | 一种新冠肺炎磨玻璃病灶造影解析方法、系统及存储介质 | |
| CN110428431B (zh) | 一种心脏医学图像的分割方法、装置、设备及存储介质 | |
| CN112862850A (zh) | 数字剪影血管造影影像处理方法及装置 | |
| CN116778486A (zh) | 一种血管造影图像的点云分割方法、装置、设备及介质 | |
| CN114998582A (zh) | 一种冠脉血管的分割方法、装置及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100192 A206, 2 / F, building B-2, Dongsheng Science Park, Zhongguancun, 66 xixiaokou Road, Haidian District, Beijing Applicant after: Huiying medical technology (Beijing) Co.,Ltd. Address before: 100192 A206, 2 / F, building B-2, Dongsheng Science Park, Zhongguancun, 66 xixiaokou Road, Haidian District, Beijing Applicant before: HUIYING MEDICAL TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |