CN113763403B - 一种冠状动脉血管分割方法及装置 - Google Patents
一种冠状动脉血管分割方法及装置 Download PDFInfo
- Publication number
- CN113763403B CN113763403B CN202111042209.0A CN202111042209A CN113763403B CN 113763403 B CN113763403 B CN 113763403B CN 202111042209 A CN202111042209 A CN 202111042209A CN 113763403 B CN113763403 B CN 113763403B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- branch
- local
- image
- segmented
- 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.)
- Active
Links
- 230000011218 segmentation Effects 0.000 title claims abstract description 282
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 226
- 238000000034 method Methods 0.000 title claims abstract description 50
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 439
- 230000004927 fusion Effects 0.000 claims description 15
- 210000002376 aorta thoracic Anatomy 0.000 claims description 12
- 238000003709 image segmentation Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
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
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种冠状动脉血管分割方法，该方法包括：获取待分割冠状动脉血管图像；将待分割冠状动脉血管图像输入整体血管分割模型得到待分割冠状动脉血管图像的整体血管分割结果；根据待分割冠状动脉血管图像的整体冠脉分割结果确定待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；将整体冠脉分割结果、血管分支命名信息以及血管分支局部图像块输入局部血管分割模型，得到待分割冠状动脉血管图像的局部血管分割结果；根据整体血管分割结果和局部血管分割结果得到待分割冠状动脉血管图像的血管分割结果。本申请可以实现提高血管分割的精确度，从而提高了待分割冠状动脉血管图像的血管分割结果的准确度。
Description
技术领域
本申请涉及医疗数据分析领域，尤其涉及一种冠状动脉血管分割方法及装置。
背景技术
人体各组织器官要维持其正常的生命活动，需要心脏不停地搏动以保证血液运行。主动脉是最大的动脉，起源于心脏，负责全身的血液供应，而心脏作为一个泵血的肌性动力器官，本身也需要足够的营养和能源。冠状动脉是专供心脏营养的血管，起于主动脉根部，分左右两支，行于心脏表面。两者都是从心脏发出，供应所到器官的氧气以及营养。
目前冠状动脉血管自动分割对于冠状动脉影像的重建至关重要，由于血管分割技术对环境要求极高，噪声、震动等因素都会对造影结果产生非常大的影响，但是，现有的血管分割技术的准确性不够高，对细小分支和血管末端的分割识别能力不够强，而在如细小分支和血管末端等特殊区域成像的冠状动脉容易连入一些非冠脉血管，从而造成分割结果精度下降。
发明内容
本申请提供一种冠状动脉血管分割方法及装置，以实现提高待分割冠状动脉血管图像的血管分割结果的准确度。
第一方面，本申请提供了一种冠状动脉血管分割方法，所述方法包括：
获取待分割冠状动脉血管图像；
将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；
根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；
将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；
根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。
可选的，所述根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块，包括：
根据所述待分割冠状动脉血管图像的整体冠脉分割结果，得到中心骨架线信息；
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息；
根据所述待分割冠状动脉血管图像的各个血管分支，得到各个血管分支的血管分支局部图像块。
可选的，所述根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息，包括：
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的血管分叉信息；
根据所述血管分叉信息以及预设冠状命名规则，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息。
可选的，所述局部血管分割模型包括局部图像模块、空间坐标模块、命名特征模块、上下文特征模块和融合模块；
所述将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果，包括：
针对每一血管分支，将所述血管分支的血管分支局部图像块输入所述局部图像模块，得到所述血管分支的局部分割特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征；
针对每一血管分支，确定与所述血管分支相邻的若干血管分支，将所述若干血管分支各自分别对应的血管分支局部图像块输入所述上下文特征模块，得到所述血管分支的上下文特征；
将各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征输入所述融合模块，得到所述待分割冠状动脉血管图像的局部血管分割结果。
可选的，所述将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征，包括：
所述空间坐标模块根据所述整体血管分割结果和所述血管分支命名信息，确定主动脉弓的位置信息；
所述空间坐标模块以所述主动脉弓的位置信息作为起点，建立所述待分割冠状动脉血管图像对应的局部相对坐标系；
所述空间坐标模块利用所述局部相对坐标系，确定各个血管分支的局部相对坐标值；
所述空间坐标模块根据所述各个血管分支的局部相对坐标值，确定各个血管分支的空间坐标特征。
可选的，所述将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征，包括：
所述命名特征模块对所述血管分支命名信息进行独热编码，得到血管分支命名编码；
所述命名特征模块根据所述血管分支命名编码和整体血管分割结果，得到各个血管分支的命名特征。
可选的，所述整体血管分割模型为3D图像分割网络。
第二方面，本申请提供了一种冠状动脉血管分割装置，所述装置包括：
图像获取单元，用于获取待分割冠状动脉血管图像；
第一获取单元，用于将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；
第一确定单元，用于根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；
第二获取单元，用于将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；
第二确定单元，用于根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。
可选的，所述第一确定单元，具体用于：
根据所述待分割冠状动脉血管图像的整体冠脉分割结果，得到中心骨架线信息；
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息；
根据所述待分割冠状动脉血管图像的各个血管分支，得到各个血管分支的血管分支局部图像块。
可选的，所述第一确定单元，具体用于：
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的血管分叉信息；
根据所述血管分叉信息以及预设冠状命名规则，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息。
可选的，所述局部血管分割模型包括局部图像模块、空间坐标模块、命名特征模块、上下文特征模块和融合模块；
所述第二获取单元，具体用于：
针对每一血管分支，将所述血管分支的血管分支局部图像块输入所述局部图像模块，得到所述血管分支的局部分割特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征；
针对每一血管分支，确定与所述血管分支相邻的若干血管分支，将所述若干血管分支各自分别对应的血管分支局部图像块输入所述上下文特征模块，得到所述血管分支的上下文特征；
将各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征输入所述融合模块，得到所述待分割冠状动脉血管图像的局部血管分割结果。
可选的，所述第二获取单元，具体用于：
所述空间坐标模块根据所述整体血管分割结果和所述血管分支命名信息，确定主动脉弓的位置信息；
所述空间坐标模块以所述主动脉弓的位置信息作为起点，建立所述待分割冠状动脉血管图像对应的局部相对坐标系；
所述空间坐标模块利用所述局部相对坐标系，确定各个血管分支的局部相对坐标值；
所述空间坐标模块根据所述各个血管分支的局部相对坐标值，确定各个血管分支的空间坐标特征。
可选的，所述第二获取单元，具体用于：
所述命名特征模块对所述血管分支命名信息进行独热编码，得到血管分支命名编码；
所述命名特征模块根据所述血管分支命名编码和整体血管分割结果，得到各个血管分支的命名特征。
可选的，所述整体血管分割模型为3D图像分割网络。
第三方面，本申请提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
第四方面，本申请提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
由上述技术方案可以看出，本申请先获取待分割冠状动脉血管图像；然后，将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；接着，根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；紧接着，将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；最后，根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。由于待分割冠状动脉血管图像的整体血管分割结果能够反映待分割冠状动脉血管图像中各个血管分支之间的连续性和整体结构的完整性，所述待分割冠状动脉血管图像的局部血管分割结果能够反映各个血管分支的局部细节信息，因此，本申请根据所述整体血管分割结果和所述局部血管分割结果，对待分割冠状动脉血管图像进行血管分割，可以提高血管分割的精确度，从而提高了根据所述整体血管分割结果和所述局部血管分割结果所得到的所述待分割冠状动脉血管图像的血管分割结果的准确度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本申请实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一种冠状动脉血管分割方法的流程示意图；
图2为本申请一实施例提供的一种冠状动脉血管分割装置的结构示意图；
图3为本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本申请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。
发明人发现目前冠状动脉血管自动分割对于冠状动脉影像的重建至关重要，由于血管分割技术对环境要求极高，噪声、震动等因素都会对造影结果产生非常大的影响，但是，现有的血管分割技术的准确性不够高，对细小分支和血管末端的分割识别能力不够强，而在如细小分支和血管末端等特殊区域成像的冠状动脉容易连入一些非冠脉血管，从而造成分割结果精度下降。
故此，本申请提供了一种冠状动脉血管分割方法，具体地，可以先获取待分割冠状动脉血管图像；然后，将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；接着，根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；紧接着，将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；最后，根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。由于待分割冠状动脉血管图像的整体血管分割结果能够反映待分割冠状动脉血管图像中各个血管分支之间的连续性和整体结构的完整性，所述待分割冠状动脉血管图像的局部血管分割结果能够反映各个血管分支的局部细节信息，因此，本申请根据所述整体血管分割结果和所述局部血管分割结果，对待分割冠状动脉血管图像进行血管分割，可以提高血管分割的精确度，从而提高了根据所述整体血管分割结果和所述局部血管分割结果所得到的所述待分割冠状动脉血管图像的血管分割结果的准确度。
下面结合附图，详细说明本申请的各种非限制性实施方式。
参见图1，示出了本申请实施例中的一种冠状动脉血管分割方法，其中，该方法可以完全应用于终端设备(例如手机、笔记本、电子通信手表等移动设备)，或者可以完全应用于服务器，或者可以部分步骤应用于终端设备，部分步骤应用于服务器。在本实施例中，所述方法例如可以包括以下步骤：
S101：获取待分割冠状动脉血管图像。
在本实施例中，可以将需要进行冠状动脉血管分割的图像称之为待分割冠状动脉血管图像。需要说明的是，通常情况下，待分割冠状动脉血管图像可以包括冠状动脉血管图像以及其他背景图像。需要说明的是，待分割冠状动脉血管图像可以是通过扫描设备对患者进行扫描得到的，或者可以是通过其他设备发送所接收到的。在本实施例中，不对待分割冠状动脉血管图像的获取方式进行限定。
S102：将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果。
在本实施例中，获取到待分割冠状动脉血管图像后，可以先对待分割冠状动脉血管图像中的血管进行整体分割，以得到待分割冠状动脉血管图像的整体血管分割结果。需要说明的是，待分割冠状动脉血管图像的整体血管分割结果能够反映待分割冠状动脉血管图像的血管分支整体分割效果、注重整体结构；比如可以利用整体血管分割结果判断待分割冠状动脉血管图像的整体血管分割关于血管分支的分割是不是将全部的血管分支均进行分割了，是否存在漏掉尚未进行分割的血管分支，即待分割冠状动脉血管图像的整体血管分割结果能够反映待分割冠状动脉血管图像中各个血管分支之间的连续性和整体结构的完整性，以及各个血管分支之间的连接关系。
在本实施例的一种实现方式中，可以利用已训练的整体血管分割模型对待分割冠状动脉血管图像进行血管分割。具体地，可以将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果。所述整体血管分割模型为3D图像分割网络，比如可以为3D UNet、3D VNet、3D nnUNet等等。需要说明的是，该整体血管分割模型是基于第一训练样本集合训练得到的，其中，该第一训练样本集合包括若干组训练样本，每组训练样本包括完整冠脉图像以及该图像对应的整体血管分割结果(比如较大的冠脉图像块)，这样，该整体血管分割模型可以学习到冠脉血管的整体结构。
S103：根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块。
在获取到待分割冠状动脉血管图像的整体冠脉分割结果后，可以利用该整体血管分割结果，确定待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块。其中，血管分支命名信息可以包括待分割冠状动脉血管图像的各个血管分支各自分别对应的血管分支命名信息，血管分支局部图像块可以包括待分割冠状动脉血管图像的各个血管分支的血管分支局部图像块。
作为一种示例，可以先根据所述待分割冠状动脉血管图像的整体冠脉分割结果，得到中心骨架线信息，其中，中心骨架线信息可以理解为中心骨架线，中心骨架线信息用于保证在分割连通性的基础上，保证每处宽度都是1像素。
然后，可以根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息。具体地，可以根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的血管分叉信息，血管分叉信息可以包括各个血管的分叉情况，例如是否包括分叉，以及具体的分叉数量等信息。以及，可以根据所述血管分叉信息以及预设冠状命名规则(比如SCCT冠脉命名标准)，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息，比如前降支、回旋支、对角支等。
接着，可以根据所述待分割冠状动脉血管图像的各个血管分支，得到各个血管分支的血管分支局部图像块。具体地，可以针对待分割冠状动脉血管图像的每一个血管分支，提取出该血管分支对应的血管分支局部图像块，可以理解的是，该血管分支对应的血管分支局部图像块包括该血管分支的图像。
S104：将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果。
在本实施例中，获取到整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块之后，可以根据整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块，得到待分割冠状动脉血管图像的局部血管分割结果。需要说明的是，待分割冠状动脉血管图像的局部血管分割结果可以反映待分割冠状动脉血管图像的各个血管分支的局部细节信息，例如待分割冠状动脉血管图像的局部血管分割结果可以包括各个血管分支的局部血管信息、血管边缘细节信息(比如血管边缘是不是准确，有没有粘连附近的组织结构)、血管分支的走形程度、动静脉的走形关联、小血管分割、末端分割、静脉粘连消除等。可见，待分割冠状动脉血管图像的局部血管分割结果与整体血管分割结果相比，局部血管分割结果是局部血管分支分割效果，注重局部细节，局部分割就是局部精细化的血管分割，结果比较细致，在局部细节主要参考局部分割结果，以确保血管边缘的准确性。也就是说，局部血管分割结果可以更好地反映冠脉血管分割的细节性能。
其中，局部血管分割模型可以为3D图像分割网络，例如局部血管分割模型的主体，可以采用3D UNet、3D VNet、3D nnUNet等3D图像分割网络。
在一种实现方式中，所述局部血管分割模型包括局部图像模块、空间坐标模块、命名特征模块、上下文特征模块和融合模块。接下来，将分别介绍各个模块的作用。
首先，先介绍局部图像模块。具体地，针对每一血管分支，可以将所述血管分支的血管分支局部图像块输入所述局部图像模块，得到所述血管分支的局部分割特征。具体地，获取到各个血管分支的血管分支局部图像块后，可以先将各个血管分支的血管分支局部图像块根据不同的血管分支统一大小(比如调整成一样的分辨率)，得到调整后的各个血管分支的血管分支局部图像块；然后，可以将调整后的各个血管分支的血管分支局部图像块输入局部图像模块，经过局部图像模块中的若干卷积层进行卷积处理，输出各个血管分支的局部分割特征。
其次，介绍空间坐标模块。具体地，可以将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征。具体地，所述空间坐标模块可以先根据所述整体血管分割结果和所述血管分支命名信息，确定主动脉弓的位置信息。然后，空间坐标模块可以以所述主动脉弓的位置信息作为起点，建立所述待分割冠状动脉血管图像对应的局部相对坐标系。接着，空间坐标模块可以利用所述局部相对坐标系，确定各个血管分支的局部相对坐标值，其中，待分割冠状动脉血管图像中各个血管分支的局部相对坐标值可以以坐标矩阵形式来存储。接着，所述空间坐标模块可以根据各个血管分支的局部相对坐标值，确定各个血管分支的空间坐标特征，例如，各个血管分支的局部相对坐标值经过空间坐标模块中的若干图卷积层、卷积层等，可以得到各个血管分支对应的空间坐标特征。
接着，对命名特征模块进行介绍。具体地，可以将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征。具体地，所述命名特征模块可以先对所述血管分支命名信息进行独热编码(one-hot编码)，得到血管分支命名编码；然后，所述命名特征模块可以根据所述血管分支命名编码和整体血管分割结果，得到各个血管分支的命名特征，例如，命名特征模块可以包括若干图卷积层，利用所述若干图卷积层对血管分支命名编码和整体血管分割结果进行图卷积处理，得到各个血管分支的命名特征。
紧接着，对上下文特征模块进行介绍。为了建模血管的走形信息，针对每一血管分支，可以先确定与所述血管分支相邻的若干血管分支，例如，可以确定与该血管分支对应的血管分支局部图像块相邻的上下左右前后(比如上侧、下侧、左侧、右侧、左上侧、右上侧、右下侧、左下侧)的8个血管分支局部图像块，需要说明的是，通过冠脉都在图像最中间，一般不存在缺少血管分支局部图像块不足8个血管分支局部图像块的情况，不若够8个血管分支局部图像块，则可以在所缺失的血管分支局部图像块的数值部分填补参数0。然后，可以将所述若干血管分支各自分别对应的血管分支局部图像块输入所述上下文特征模块，所述上下文特征模块可以对所述若干血管分支各自分别对应的血管分支局部图像块进行上下文信息编码，得到所述血管分支的上下文特征，即筛选后的上下文特征。
最后，对融合模块进行介绍。可以将各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征输入所述融合模块，得到所述待分割冠状动脉血管图像的局部血管分割结果。具体地，各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征可以经过下采样、融合模块和上采样模块，得到待分割冠状动脉血管图像的局部血管分割结果。可见，局部血管分割模型利用了各个血管分支的血管分支局部图像块的空间信息、解剖结构、上下文信息(即各个血管分支的血管分支局部图像块的局部分割特征、空间坐标特征、命名特征和上下文特征)以保证融合结果(即局部血管分割结果)可以提高局部血管分支精确分割的效果、更加注重局部细节、确保反映冠脉血管分割的细节性能，从而提高了冠状动脉血管分割的准确性，以及提升了血管分割的细节局部分割的准确性的效果。
S105：根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。
在得到待分割冠状动脉血管图像的整体血管分割结果和局部血管分割结果后，由于整体血管分割结果可以反映待分割冠状动脉血管图像的血管分支整体分割效果、注重整体结构，局部血管分割结果可以反映待分割冠状动脉血管图像的各个血管分支的局部细节信息，因此，将所述整体血管分割结果和所述局部血管分割结果进行融合，可以得到所述待分割冠状动脉血管图像的血管分割结果；可以理解的是，整体血管分割结果和局部血管分割结果进行融合时，需要基于待分割冠状动脉血管图像中血管分支的整体结构保证局部血管分割块之间的连续性以及整体结构的完整性，以及基于血管分支局部图像块提升局部分割结果的准确性，对待分割冠状动脉血管图像的进行血管分割，得到血管分割结果，这样，将所述整体血管分割结果和所述局部血管分割结果进行融合，所得到的待分割冠状动脉血管图像的血管分割结果可以提高血管分割的精确度，从而提高了根据所述整体血管分割结果和所述局部血管分割结果所得到的所述待分割冠状动脉血管图像的血管分割结果的准确度。
由上述技术方案可以看出，本申请先获取待分割冠状动脉血管图像；然后，将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；接着，根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；紧接着，将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；最后，根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。由于待分割冠状动脉血管图像的整体血管分割结果能够反映待分割冠状动脉血管图像中各个血管分支之间的连续性和整体结构的完整性，所述待分割冠状动脉血管图像的局部血管分割结果能够反映各个血管分支的局部细节信息，因此，本申请根据所述整体血管分割结果和所述局部血管分割结果，对待分割冠状动脉血管图像进行血管分割，可以提高血管分割的精确度，从而提高了根据所述整体血管分割结果和所述局部血管分割结果所得到的所述待分割冠状动脉血管图像的血管分割结果的准确度。
如图2所示，为本申请所述一种冠状动脉血管分割装置的一个具体实施例。本实施例所述装置，即用于执行上述实施例所述方法的实体装置。其技术方案本质上与上述实施例一致，上述实施例中的相应描述同样适用于本实施例中。本实施例中所述装置包括：
图像获取单元201，用于获取待分割冠状动脉血管图像；
第一获取单元202，用于将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；
第一确定单元203，用于根据所述待分割冠状动脉血管图像的整体冠脉分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；
第二获取单元204，用于将所述整体冠脉分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；
第二确定单元205，用于根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果。
可选的，所述第一确定单元203，具体用于：
根据所述待分割冠状动脉血管图像的整体冠脉分割结果，得到中心骨架线信息；
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息；
根据所述待分割冠状动脉血管图像的各个血管分支，得到各个血管分支的血管分支局部图像块。
可选的，所述第一确定单元203，具体用于：
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的血管分叉信息；
根据所述血管分叉信息以及预设冠状命名规则，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息。
可选的，所述局部血管分割模型包括局部图像模块、空间坐标模块、命名特征模块、上下文特征模块和融合模块；
所述第二获取单元204，具体用于：
针对每一血管分支，将所述血管分支的血管分支局部图像块输入所述局部图像模块，得到所述血管分支的局部分割特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征；
针对每一血管分支，确定与所述血管分支相邻的若干血管分支，将所述若干血管分支各自分别对应的血管分支局部图像块输入所述上下文特征模块，得到所述血管分支的上下文特征；
将各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征输入所述融合模块，得到所述待分割冠状动脉血管图像的局部血管分割结果。
可选的，所述第二获取单元204，具体用于：
所述空间坐标模块根据所述整体血管分割结果和所述血管分支命名信息，确定主动脉弓的位置信息；
所述空间坐标模块以所述主动脉弓的位置信息作为起点，建立所述待分割冠状动脉血管图像对应的局部相对坐标系；
所述空间坐标模块利用所述局部相对坐标系，确定各个血管分支的局部相对坐标值；
所述空间坐标模块根据所述各个血管分支的局部相对坐标值，确定各个血管分支的空间坐标特征。
可选的，所述第二获取单元204，具体用于：
所述命名特征模块对所述血管分支命名信息进行独热编码，得到血管分支命名编码；
所述命名特征模块根据所述血管分支命名编码和整体血管分割结果，得到各个血管分支的命名特征。
可选的，所述整体血管分割模型为3D图像分割网络。
图3是本申请实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放执行指令。具体地，执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器，并向处理器提供执行指令和数据。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成冠状动脉血管分割装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本申请任一实施例中提供的冠状动脉血管分割方法。
上述如本申请图1所示实施例提供的冠状动脉血管分割装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
本申请实施例还提出了一种可读介质，该可读存储介质存储有执行指令，存储的执行指令被电子设备的处理器执行时，能够使该电子设备执行本申请任一实施例中提供的冠状动脉血管分割方法，并具体用于执行上述冠状动脉血管分割的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白，本申请的实施例可提供为方法或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种冠状动脉血管分割方法，其特征在于，所述方法包括：
获取待分割冠状动脉血管图像；
将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；
根据所述待分割冠状动脉血管图像的整体血管分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；
将所述整体血管分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；
根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果；
所述局部血管分割模型包括局部图像模块、空间坐标模块、命名特征模块、上下文特征模块和融合模块；
所述将所述整体血管分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果，包括：
针对每一血管分支，将所述血管分支的血管分支局部图像块输入所述局部图像模块，得到所述血管分支的局部分割特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征；
针对每一血管分支，确定与所述血管分支相邻的若干血管分支，将所述若干血管分支各自分别对应的血管分支局部图像块输入所述上下文特征模块，得到所述血管分支的上下文特征；
将各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征输入所述融合模块，得到所述待分割冠状动脉血管图像的局部血管分割结果；
所述将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征，包括：
所述空间坐标模块根据所述整体血管分割结果和所述血管分支命名信息，确定主动脉弓的位置信息；
所述空间坐标模块以所述主动脉弓的位置信息作为起点，建立所述待分割冠状动脉血管图像对应的局部相对坐标系；
所述空间坐标模块利用所述局部相对坐标系，确定各个血管分支的局部相对坐标值；
所述空间坐标模块根据所述各个血管分支的局部相对坐标值，确定各个血管分支的空间坐标特征。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待分割冠状动脉血管图像的整体血管分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块，包括：
根据所述待分割冠状动脉血管图像的整体血管分割结果，得到中心骨架线信息；所述中心骨架线信息为中心骨架线；
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息；
根据所述待分割冠状动脉血管图像的各个血管分支，得到各个血管分支的血管分支局部图像块。
3.根据权利要求2所述的方法，其特征在于，所述根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息，包括：
根据所述中心骨架线信息，得到所述待分割冠状动脉血管图像的血管分叉信息；
根据所述血管分叉信息以及预设冠状命名规则，得到所述待分割冠状动脉血管图像的各个血管分支以及各个血管分支各自分别对应的血管分支命名信息。
4.根据权利要求1所述的方法，其特征在于，所述将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征，包括：
所述命名特征模块对所述血管分支命名信息进行独热编码，得到血管分支命名编码；
所述命名特征模块根据所述血管分支命名编码和整体血管分割结果，得到各个血管分支的命名特征。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述整体血管分割模型为3D图像分割网络。
6.一种冠状动脉血管分割装置，其特征在于，所述装置包括：
图像获取单元，用于获取待分割冠状动脉血管图像；
第一获取单元，用于将所述待分割冠状动脉血管图像输入整体血管分割模型，得到所述待分割冠状动脉血管图像的整体血管分割结果；
第一确定单元，用于根据所述待分割冠状动脉血管图像的整体血管分割结果，确定所述待分割冠状动脉血管图像的血管分支命名信息以及血管分支局部图像块；
第二获取单元，用于将所述整体血管分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果；
第二确定单元，用于根据所述整体血管分割结果和所述局部血管分割结果，得到所述待分割冠状动脉血管图像的血管分割结果；
所述局部血管分割模型包括局部图像模块、空间坐标模块、命名特征模块、上下文特征模块和融合模块；
所述将所述整体血管分割结果、所述血管分支命名信息以及所述血管分支局部图像块输入局部血管分割模型，得到所述待分割冠状动脉血管图像的局部血管分割结果，包括：
针对每一血管分支，将所述血管分支的血管分支局部图像块输入所述局部图像模块，得到所述血管分支的局部分割特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征；
将所述整体血管分割结果和所述血管分支命名信息输入所述命名特征模块，得到各个血管分支的命名特征；
针对每一血管分支，确定与所述血管分支相邻的若干血管分支，将所述若干血管分支各自分别对应的血管分支局部图像块输入所述上下文特征模块，得到所述血管分支的上下文特征；
将各个血管分支的局部分割特征、空间坐标特征、命名特征和上下文特征输入所述融合模块，得到所述待分割冠状动脉血管图像的局部血管分割结果；
所述将所述整体血管分割结果和所述血管分支命名信息输入所述空间坐标模块，得到各个血管分支的空间坐标特征，包括：
所述空间坐标模块根据所述整体血管分割结果和所述血管分支命名信息，确定主动脉弓的位置信息；
所述空间坐标模块以所述主动脉弓的位置信息作为起点，建立所述待分割冠状动脉血管图像对应的局部相对坐标系；
所述空间坐标模块利用所述局部相对坐标系，确定各个血管分支的局部相对坐标值；
所述空间坐标模块根据所述各个血管分支的局部相对坐标值，确定各个血管分支的空间坐标特征。
7.一种可读介质，其特征在于，所述可读介质包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1-5中任一所述的方法。
8.一种电子设备，其特征在于，所述电子设备包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111042209.0A CN113763403B (zh) | 2021-09-07 | 2021-09-07 | 一种冠状动脉血管分割方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111042209.0A CN113763403B (zh) | 2021-09-07 | 2021-09-07 | 一种冠状动脉血管分割方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113763403A CN113763403A (zh) | 2021-12-07 |
| CN113763403B true CN113763403B (zh) | 2024-03-08 |
Family
ID=78793340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111042209.0A Active CN113763403B (zh) | 2021-09-07 | 2021-09-07 | 一种冠状动脉血管分割方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113763403B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161270A (zh) * | 2019-12-24 | 2020-05-15 | 上海联影智能医疗科技有限公司 | 医学影像的血管分割方法、计算机设备和可读存储介质 |
| CN111695451A (zh) * | 2020-05-27 | 2020-09-22 | 中山市生科试剂仪器有限公司 | 一种静脉图像识别分析方法及处理装置 |
| WO2021006991A2 (en) * | 2019-06-12 | 2021-01-14 | Carnegie Mellon University | System and method for vessel segmentation |
| CN112862835A (zh) * | 2021-01-19 | 2021-05-28 | 杭州深睿博联科技有限公司 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
| CN112862759A (zh) * | 2021-01-19 | 2021-05-28 | 杭州深睿博联科技有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9679389B2 (en) * | 2009-05-19 | 2017-06-13 | Algotec Systems Ltd. | Method and system for blood vessel segmentation and classification |
| US10102633B2 (en) * | 2015-11-30 | 2018-10-16 | Hyland Switzerland Sarl | System and methods of segmenting vessels from medical imaging data |
| EP4276751A3 (en) * | 2019-11-28 | 2024-01-10 | Siemens Healthcare GmbH | Computer-implemented method for evaluating a ct data set regarding perivascular tissue, evaluation device, computer program and electronically readable storage medium |
-
2021
- 2021-09-07 CN CN202111042209.0A patent/CN113763403B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021006991A2 (en) * | 2019-06-12 | 2021-01-14 | Carnegie Mellon University | System and method for vessel segmentation |
| CN111161270A (zh) * | 2019-12-24 | 2020-05-15 | 上海联影智能医疗科技有限公司 | 医学影像的血管分割方法、计算机设备和可读存储介质 |
| CN111695451A (zh) * | 2020-05-27 | 2020-09-22 | 中山市生科试剂仪器有限公司 | 一种静脉图像识别分析方法及处理装置 |
| CN112862835A (zh) * | 2021-01-19 | 2021-05-28 | 杭州深睿博联科技有限公司 | 冠脉血管分割方法、装置、设备及计算机可读存储介质 |
| CN112862759A (zh) * | 2021-01-19 | 2021-05-28 | 杭州深睿博联科技有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113763403A (zh) | 2021-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112288731A (zh) | 一种血管狭窄分析方法及装置 | |
| CN109242863B (zh) | 一种缺血性脑卒中图像区域分割方法及装置 | |
| CN110706272B (zh) | 血管中心线的提取方法、装置、电子设备和存储介质 | |
| CN111312374B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
| CN113610752A (zh) | 乳腺图像配准方法、计算机设备和存储介质 | |
| CN113724203B (zh) | 应用于oct图像中目标特征分割的模型训练方法及装置 | |
| CN115526833A (zh) | 基于超声影像的射血分数计算装置、方法、介质及设备 | |
| CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
| CN113763403B (zh) | 一种冠状动脉血管分割方法及装置 | |
| CN117036530B (zh) | 基于跨模态数据的冠状动脉血流储备分数预测方法及装置 | |
| CN116342986B (zh) | 模型训练方法、目标器官的分割方法及相关产品 | |
| CN117495876A (zh) | 基于深度学习的冠状动脉图像分割方法及系统 | |
| CN111739004B (zh) | 图像处理方法、设备及存储介质 | |
| CN115375583A (zh) | 一种pet参数图像的增强方法、装置、设备及存储介质 | |
| CN111784732B (zh) | 训练心脏运动场估计模型、心脏运动场估计的方法及系统 | |
| CN115546094A (zh) | 一种模型的训练方法、ct图像的优化方法及装置 | |
| CN113129297A (zh) | 基于多期相肿瘤影像的直径自动测量方法及系统 | |
| CN111915556B (zh) | 一种基于双分支网络的ct图像病变检测方法、系统、终端及存储介质 | |
| CN117495951B (zh) | 颅内动脉瘤定位方法、装置、计算机设备及存储介质 | |
| US20230401712A1 (en) | Method for determining cardiac coronary artery imaging phase, electronic device, and storage medium | |
| US20240005510A1 (en) | Method and apparatus of nidus segmentation, electronic device, and storage medium | |
| CN113723419B (zh) | 一种基于语义分割网络对造影图像进行分割的方法和装置 | |
| CN107492100B (zh) | 图像处理方法、装置及设备 | |
| CN116051579A (zh) | 医学图像分割模型的获取方法、系统、电子设备和介质 | |
| CN116342463A (zh) | 支架植入效果的评估方法、装置、电子设备及介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |