CN114041761A - 一种冠状动脉起源的判断方法、装置及计算机可读介质 - Google Patents
一种冠状动脉起源的判断方法、装置及计算机可读介质 Download PDFInfo
- Publication number
- CN114041761A CN114041761A CN202111258095.3A CN202111258095A CN114041761A CN 114041761 A CN114041761 A CN 114041761A CN 202111258095 A CN202111258095 A CN 202111258095A CN 114041761 A CN114041761 A CN 114041761A
- Authority
- CN
- China
- Prior art keywords
- distance
- coronary artery
- origin
- quasi
- right coronary
- 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 328
- 238000000034 method Methods 0.000 title claims abstract description 53
- 210000003748 coronary sinus Anatomy 0.000 claims abstract description 110
- 210000000709 aorta Anatomy 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000003628 erosive effect Effects 0.000 claims description 29
- 230000000877 morphologic effect Effects 0.000 claims description 26
- 230000011218 segmentation Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 8
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 230000005856 abnormality Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 206010042434 Sudden death Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000002586 coronary angiography Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 208000027205 Congenital disease Diseases 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 206010020871 hypertrophic cardiomyopathy Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008289 pathophysiological mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Vascular Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种冠状动脉起源的判断方法、装置及计算机可读介质，属于图像处理技术领域。该方法包括：获取左冠状动脉准中心线和右冠状动脉准中心线；确定左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；确定右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；基于第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。由此，实现了自动化判断冠状动脉起源，提高了冠状动脉起源判断的准确性。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种冠状动脉起源的判断方法、装置及计算机可读介质。
背景技术
目前，冠状动脉解剖异常是一类先天性疾病，其临床表现和病理生理机制多种多样。这里的“异常”通常用于定义冠状动脉解剖的任何变异形式；在普通人群中大概只有不到1％的发现率。广义的冠状动脉解剖异常包括冠状动脉起源和走行异常、冠状动脉内部结构解剖异常、冠状动脉终止异常，以及存在异常血管吻合。大多数情况下冠状动脉解剖异常不引起临床症状，极少数患者可出现心肌缺血，表现为心绞痛、心肌梗死、心律失常甚至猝死。
作为冠状动脉解剖异常的一组亚群，冠状动脉起源异常在成人患者中具有重要的临床意义。来自美国的数据显示，冠状动脉起源异常是运动员猝死的第二大死因，仅次于肥厚型心肌病。冠状动脉解剖异常是一种先天类型的疾病，对于冠状动脉疾病的诊断和评估具有较大的参考意义。
现有技术中，针对冠状动脉起源的判断通常是临床医生基于选择性冠状动脉造影来实现的，例如临床医生根据自身经验利用选择性冠状动脉造影对冠状动脉起源做出诊断。整个诊断过程都是依靠人工实现的，不仅耗时耗力，而且诊断结果受临床医生经验的影响，存在很多的主观性，从而影响冠状动脉起源判断的准确性。为此，急需要提供一种新的冠状动脉起源的判断方法，以提高冠状动脉起源判断的准确性。
发明内容
为了解决上述现有技术存在的问题，本发明实施例提供一种冠状动脉起源的判断方法、装置及计算机可读介质，能够实现自动化判断冠状动脉起源，解决了现有技术中由于依靠人工判断冠状动脉起源从而导致冠状动脉起源判断不准确的问题。
为实现上述目的，根据本发明实施例第一方面，提供一种冠状动脉起源的判断方法，该方法包括：获取左冠状动脉准中心线和右冠状动脉准中心线；确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
可选的，所述基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常，包括：从所述第一距离、第二距离和第三距离选取最小值作为左冠状动脉起源的基准指标；并判断所述基准指标是否满足第一预设条件，若是，则确定所述左冠状动脉起源为正常。
可选的，所述基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常，包括：从所述第四距离、第五距离和第六距离中选取最小值作为右冠状动脉起源的基准指标；并判断所述基准指标是否满足第二预设条件，若是，则确定所述右冠状动脉起源为正常。
可选的，所述的方法还包括：若所述左冠状动脉起源和所述右冠状动脉起源均正常，则确定所述冠状动脉起源是正常的；若所述左冠状动脉起源和所述右冠状动脉起源中至少有一个不是正常的，则确定所述冠状动脉起源是异常的。
可选的，所述获取左冠状动脉准中心线和右冠状动脉准中心线，包括：对待测冠状动脉电子计算机断层扫描CT图像进行分割处理，得到左冠状动脉掩膜图像和右冠状动脉掩膜图像；分别从所述左冠状动脉掩膜图像和所述右冠状动脉掩膜图像中提取中心线，得到左冠状动脉准中心线和右冠状动脉准中心线。
可选的，所述分别从所述左冠状动脉掩膜图像和所述右冠状动脉掩膜图像中提取中心线，得到左冠状动脉准中心线和右冠状动脉准中心线，包括：对所述左冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得左冠状动脉预中线；对每次所述形态学腐蚀处理后获得的左冠状动脉预中线的连续性进行检测；若检测结果表征所述左冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的左冠状动脉预中线作为左冠状动脉准中心线；对所述右冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得右冠状动脉预中线；对每次所述形态学腐蚀处理后获得的右冠状动脉预中线的连续性进行检测；若检测结果表征所述右冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的右冠状动脉预中线作为右冠状动脉准中心线。
可选的，所述确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离，包括：对所述待测冠状动脉CT图像进行分割处理，得到左冠状窦掩膜图、右冠状窦掩膜图和主动脉掩膜图；获取所述左冠状动脉准中心线对应的第一像素点集合，所述左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；计算所述第一像素点集合和所述第二像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第一距离；计算所述第一像素点集合和所述第三像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第二距离；计算所述第一像素点集合和所述第四像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第三距离。
可选的，所述确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离，包括：获取所述右冠状动脉准中心线对应的第五像素点集合，所述左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；计算所述第五像素点集合和所述第二像素点集合之间任意两个像素点的距离，并将所有距离中最小距离作为第四距离；计算所述第五像素点集合和所述第三像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第五距离；计算所述第五像素点集合和所述第四像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第六距离。
为实现上述目的，根据本发明实施例第二方面，还提供一种冠状动脉起源的判断装置，该装置包括：获取模块，用于获取左冠状动脉准中心线和右冠状动脉准中心线；第一确定模块，用于确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；第二确定模块，用于确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；判断模块，用于基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
为实现上述目的，根据本发明实施例第三方面，还提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述的判断方法。
与现有技术相比，本发明实施例提供一种冠状动脉起源的判断方法、装置及计算机可读介质，该方法首先获取左冠状动脉准中心线和右冠状动脉准中心线；其次确定获取的左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；并确定右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；之后基于第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；并基于第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。由此，能够基于左、右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的距离，确定左、右冠状动脉起源是否正常，从而实现了自动化判断冠状动脉起源是否正常，提高了冠状动脉起源判断的准确性，解决了现有技术中由于依靠人工判断冠状动脉起源从而导致冠状动脉起源判断不准确的问题。
理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中在附图中，相同或对应的标号表示相同或对应的部分。
图1为本发明一实施例冠状动脉起源的判断方法的示意性流程图；
图2为本发明另一实施例冠状动脉起源的判断方法的示意性流程图；
图3为本发明另一实施例中从左冠状动脉掩膜图像中提取左冠状动脉准中心线的示意性流程图；
图4为本发明另一实施例中从右冠状动脉掩膜图像中提取右冠状动脉准中心线的示意性流程图；
图5为本发明另一实施例中主动脉掩膜图；
图6为本发明另一实施例中左冠状窦掩膜图和右冠状窦掩膜图；
图7为本发明另一实施例中左冠状动脉掩膜图像和右冠状动脉掩膜图像；
图8为本发明一实施例冠状动脉起源的判断装置的示意性结构图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，本发明一实施例冠状动脉起源的判断方法的示意性流程图。一种冠状动脉起源的判断方法，包括具体操作流程如下：S101，获取左冠状动脉准中心线和右冠状动脉准中心线；S102，确定左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；S103，确定右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；S104，基于第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
在S101中，可以是从左、右冠状动脉普通图像中分别提取左冠状动脉准中心线和右冠状动脉准中心线，也可以是从左、右冠状动脉掩膜图像中分别提取左冠脉准中心线和右冠状动脉准中心线。
对左冠状动脉准中心线或右冠状动脉准中心线的获取过程也不作限定。以获取左冠状动脉准中心线为例进行说明，可以利用骨架提取的方式从左冠状动脉掩膜图像中提取左冠状动脉准中心线，也可以利用连续腐蚀处理的方式从左冠状动脉掩膜图像中提取左冠状动脉准中心线。
在这里，左冠状动脉准中心线和右冠状动脉准中心线均是由分布密集的像素点形成的。
在S102和S103中，计算左冠状动脉准中心线到左冠状窦之间的最小距离，得到第一距离；计算左冠状动脉准中心线到右冠状窦之间的最小距离，得到第二距离；计算左冠状动脉准中心线到主动脉之间的最小距离，得到第三距离。计算右冠状动脉准中心线到左冠状窦之间的最小距离，得到第四距离；计算右冠状动脉准中心线到右冠状窦之间的最小距离，得到第五距离；计算右冠状动脉准中心线到主动脉之间的最小距离，得到第六距离。计算第一距离、第二距离、第三距离、第四距离、第五距离和第六距离时，可以使用相同的算法，也可以使用不同的算法。对于算法的类型不作限定，可以是基于已有的算法实现，也可以是基于其他算法。
在S104中，从第一距离、第二距离和第三距离选取最小值作为左冠状动脉起源的基准指标；并判断基准指标是否满足第一预设条件；若是，则确定左冠状动脉起源为正常；若否，则确定左冠状动脉起源为异常。例如：若基准指标为第一距离，则确定基准指标满足第一预设条件，由此可判断左冠状动脉起源为正常且左冠状动脉起源为左冠状窦；若基准指标为第二距离，则确定基准指标不满足第一预设条件，由此可判断左冠状动脉起源为异常且左冠状动脉起源为右冠状窦；若基准指标为第三距离，则确定基准指标不满足第一预设条件，由此可判断左冠状动脉起源为异常且左冠状动脉起源为主动脉。
从第四距离、第五距离和第六距离中选取最小值作为右冠状动脉起源的基准指标；并判断基准指标是否满足第二预设条件；若是，则确定右冠状动脉起源为正常；若否，则确定右冠状动脉起源为异常。例如：若基准指标为第五距离，则确定基准指标满足第二预设条件，由此可判断右冠状动脉起源为正常且右冠状动脉起源为右冠状窦；若基准指标为第四距离，则确定基准指标不满足第二预设条件，由此可判断右冠状动脉起源为异常且右冠状动脉起源为左冠状窦；若基准指标为第六距离，则确定基准指标不满足第二预设条件，由此可判断右冠状动脉起源为异常且右冠状动脉起源为主动脉。
冠状动脉的正常解剖结构为；左冠状动脉起源于左冠状窦，右冠状动脉起源于右冠状窦。如果冠状动脉的解剖结构不符合上述情况，则说明冠状动脉解剖发生了变异。
本发明实施例先确定左冠状动脉准中心线分别到左冠状窦、右冠状窦以及主动脉之间的最小距离；并从三个最小距离中选取判断左冠状动脉起源的基准指标，若基准指标为左冠状动脉准中心线到左冠状窦之间的距离，则确定左冠状动脉起源是正常的且起源于左冠状窦。同理，先确定右冠状动脉准中心线分别到左冠状窦、右冠状窦以及主动脉之间的最小距离；并从最小距离中选取判断右冠状动脉起源的基准指标，若基准指标为右冠状动脉准中心线到右冠状窦之间的距离，则确定右冠状动脉起源是正常的且起源于右冠状窦。由此能够对左、右冠状动脉起源是否正常实现自动化判断，提高了左、右冠状动脉起源判断的准确性，解决了现有技术中由于依靠人工判断冠状动脉起源从而导致冠状动脉起源判断不准确的问题。
在优选的实施例中，若左冠状动脉起源和右冠状动脉起源均正常，则确定冠状动脉起源是正常的；若左冠状动脉起源和右冠状动脉起源中至少有一个不是正常的，则确定冠状动脉起源是异常的。
如图2所示，本发明另一实施例冠状动脉起源的判断方法的示意性流程图。如图5所示，本发明另一实施例中主动脉掩膜图；图6所示，本发明另一实施例中左冠状窦掩膜图和右冠状窦掩膜图；图7所示，本发明另一实施例中左冠状动脉掩膜图像和右冠状动脉掩膜图像。
本实施例是在前述实施例的基础上进一步优化得到的。一种冠状动脉起源的判断方法，至少包括如下操作流程：S201，对待测冠状动脉CT图像进行分割处理，得到左冠状动脉掩膜图像和右冠状动脉掩膜图像，如图7所示；S202，对待测冠状动脉CT图像进行分割处理，得到左冠状窦掩膜图、右冠状窦掩膜图和主动脉掩膜图，如图5和图6所示；S203，分别从左冠状动脉掩膜图像和右冠状动脉掩膜图像中提取中心线，得到左冠状动脉准中心线和右冠状动脉准中心线；S204，获取左冠状动脉准中心线对应的第一像素点集合、右冠状动脉准中心线对应的第五像素点集合、左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；S205，计算第一像素点集合和所述第二像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第一距离；计算所述第一像素点集合和第三像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第二距离；计算第一像素点集合和第四像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第三距离；S206，计算第五像素点集合和第二像素点集合之间任意两个像素点的距离，并将所有距离中最小距离作为第四距离；计算第五像素点集合和第三像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第五距离；计算第五像素点集合和第四像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第六距离；S207，基于第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
其中，S207的实现过程与S104的具体实现过程相类似，在这里，不作重复的赘述。
在S201和S202中，利用分割模型的第一分割网络对待测冠状动脉CT图像进行分割处理，得到左冠状动脉掩膜图像和右冠状动脉掩膜图像；利用分割模型的第二分割网络对待测冠状动脉CT图像进行第二次分割处理，得到左冠状窦掩膜图、右冠状窦掩膜图和主动脉掩膜图。其中，左冠状窦掩膜图、右冠状窦掩膜图和主动脉掩膜图均与待测冠状动脉CT图具有相同尺寸。
分割模型是通过如下方法获得的：获取若干原始冠状动脉CT图像；若干原始冠状动脉CT图像包括冠状动脉起源正常的图像以及冠状动脉起源异常的图像。对每个原始冠状动脉图像分别标注主动脉掩膜、左冠状窦掩膜和右冠状窦掩膜、左冠状动脉掩膜和右冠状动脉掩膜的标签。将具有标签的原始冠状动脉CT图像划分成训练数据集、验证数据集以及测试数据集。之后使用训练数据集训练模型，用验证数据集挑选效果最佳的模型，并用测试数据集来评价最终效果。在挑选模型时，采用的指标是分割结果和标注结果的交并比。之后利用U-Net卷积神经网络的第一网络学习主动脉和左、右冠状窦的分割，利用第二网络学习左、右冠状动脉的分割。两个网络参数设置相同，训练过程中的批次大小均设置为16，采用SGD优化算法，学习率设置为1e-2，共训练200轮次。训练过程采用焦点损失函数，焦点损失函数的参数设置α＝0.25,γ＝2.0。
在S203中，提取中心线的方法可以采用连续腐蚀处理的方法进行，也可以采用骨架提取的方法进行。在这里，不作太多限定。
在S204、S205，以及S206中，例如为判定冠状动脉的起源，须分别计算左、右冠状动脉准中心线到左、右冠状窦及主动脉的最小距离，距离最小处即为冠状动脉的起源位置。具体计算公式如式(1)和式(2)所示：
originL＝argminidist(CL,Mi),i∈{1,2,3}式(1)；
originR＝argminidist(CR,Mi),i∈{1,2,4}式(2)；
其中，CR表示右冠状动脉准中心线像素点集合；CL表示左冠状动脉准中心线像素点集合，M1，M2，M3分别表示左冠状窦像素点集合、右冠状窦像素点集合和主动脉像素点集合。
根据计算结果，左冠状动脉起源会产生三种情况：originL＝1(主动脉)，2(左冠状窦)，3(右冠状窦)；同样的，右冠状动脉起源也会产生上述三种情况：originR＝1(主动脉)，2(左冠状窦)，3(右冠状窦)。当且仅当originL＝2,originR＝3时判定冠脉起源为正常，其余情况均可判定冠脉起源异常。
本实施例基于卷积神经网络建立的分割模型预测左、右冠状窦、主动脉，以及左、右冠状动脉的位置，之后从左、右冠状动脉掩膜图像中分别提取左、右冠状动脉准中心线，并利用像素集合之间的距离分别计算左冠状动脉准中心线到左冠状窦、右冠状窦和主动脉之间的最小距离，以及右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离；最后基于最小距离确定冠状动脉起源是否正常。由此，提高了冠状动脉起源判断的准确性。
如图3所示，本发明另一实施例中从左冠状动脉掩膜图像中提取左冠状动脉准中心线的示意性流程图。本实施例是在前述实施例的基础上进一步优化得到的。从左冠状动脉掩膜图像中提取左冠状动脉准中心线，至少包括如下操作流程：S301，对左冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得左冠状动脉预中线；S302，对每次形态学腐蚀处理后获得的左冠状动脉预中线的连续性进行检测；S303，若检测结果表征左冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的左冠状动脉预中线作为左冠状动脉准中心线。
需要说明的是：上一次形态学腐蚀处理后得到的左冠状动脉预中线在垂直于左冠状动脉延伸方向的每一法向方向上仅有一个像素点。
也就是说，对左冠状动脉掩膜图像连续使用腐蚀操作，直至左冠状动脉的宽度仅有1个像素点，此时便可以得到左冠状动脉准中心线对应的第一像素点集合为为CL；通常来说，CL的元素个数不超过1000。
由于左冠状动脉掩膜图像的像素点比较多，会使得后期计算最小距离时复杂度比较高；为此采腐蚀处理的方法能够将左冠状动脉掩膜图像变换为左冠状动脉准中心线，从而简化了计算过程，提高了最小距离计算的准确度，进而有利于左冠状动脉起源的判断，提高了左冠状动脉起源判断的准确性。
如图4所示，本发明另一实施例中从右冠状动脉掩膜图像中提取右冠状动脉准中心线的示意性流程图。本实施例是在前述实施例的基础上进一步优化得到的。从右冠状动脉掩膜图像中提取右冠状动脉准中心线，至少包括如下操作流程：S401，对右冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得右冠状动脉预中线；S402，对每次形态学腐蚀处理后获得的右冠状动脉预中线的连续性进行检测；S403，若检测结果表征右冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的右冠状动脉预中线作为右冠状动脉准中心线。
需要说明的是：上一次形态学腐蚀处理后获得的右冠状动脉预中线在垂直于右冠状动脉延伸方向的每一法向方向上仅有一个像素点。
也就是说，对右冠状动脉掩膜图像连续使用腐蚀操作，直至右冠状动脉的宽度仅有1个像素点，此时便可以得到右冠状动脉准中心线对应的第一像素点集合为为CR。通常来说，CR的元素个数不超过1000。
由于右冠状动脉掩膜图像的像素点比较多，会使得后期计算最小距离时复杂度比较高；为此采腐蚀处理的方法能够将右冠状动脉掩膜图像变换为右冠状动脉准中心线，从而简化了计算过程，提高了最小距离计算的准确度；进而有利于右冠状动脉起源的判断，提高了右冠状动脉起源判断的准确性。
应理解，在本发明的各实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在的逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
如图8所示，为本发明一实施例冠状动脉起源的判断装置的示意性结构图。一种冠状动脉起源的判断装置，该装置包括：获取模块801，用于获取左冠状动脉准中心线和右冠状动脉准中心线；第一确定模块802，用于确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；第二确定模块803，用于确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；判断模块804，用于基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
在可选的实施例中，判断模块包括：第一判断单元，用于从所述第一距离、第二距离和第三距离选取最小值作为左冠状动脉起源的基准指标；并判断所述基准指标是否满足第一预设条件，若是，则确定所述左冠状动脉起源为正常。
在可选的实施例中，判断模块还包括：第二判断单元，用于从所述第四距离、第五距离和第六距离中选取最小值作为右冠状动脉起源的基准指标；并判断所述基准指标是否满足第二预设条件，若是，则确定所述右冠状动脉起源为正常。
在可选的实施例中，判断装置还包括：第三确定模块，用于若所述左冠状动脉起源和所述右冠状动脉起源均正常，则确定所述冠状动脉起源是正常的；若所述左冠状动脉起源和所述右冠状动脉起源中至少有一个不是正常的，则确定所述冠状动脉起源是异常的。
在可选的实施例中，获取模块包括：分割处理单元，用于对待测冠状动脉电子计算机断层扫描CT图像进行分割处理，得到左冠状动脉掩膜图像和右冠状动脉掩膜图像；提取单元，用于分别从所述左冠状动脉掩膜图像和所述右冠状动脉掩膜图像中提取中心线，得到左冠状动脉准中心线和右冠状动脉准中心线。
在可选的实施例中，提取单元包括：第一提取子单元，用于对所述左冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得左冠状动脉预中线；对每次所述形态学腐蚀处理后获得的左冠状动脉预中线的连续性进行检测；若检测结果表征所述左冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的左冠状动脉预中线作为左冠状动脉准中心线；第二提取子单元，用于对所述右冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得右冠状动脉预中线；对每次所述形态学腐蚀处理后获得的右冠状动脉预中线的连续性进行检测；若检测结果表征所述右冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的右冠状动脉预中线作为右冠状动脉准中心线。
在可选的实施例中，第一确定模块包括：分割处理单元，用于对所述待测冠状动脉CT图像进行分割处理，得到左冠状窦掩膜图、右冠状窦掩膜图和主动脉掩膜图；获取单元，用于获取所述左冠状动脉准中心线对应的第一像素点集合，所述左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；第一计算单元，用于计算所述第一像素点集合和所述第二像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第一距离；第二计算单元，用于计算所述第一像素点集合和所述第三像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第二距离；第三计算单元，用于计算所述第一像素点集合和所述第四像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第三距离。
在可选的实施例中，第二确定模块包括：获取单元，用于获取所述右冠状动脉准中心线对应的第五像素点集合，所述左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；第一计算单元，用于计算所述第五像素点集合和所述第二像素点集合之间任意两个像素点的距离，并将所有距离中最小距离作为第四距离；第二计算单元，用于计算所述第五像素点集合和所述第三像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第五距离；第三计算单元，用于计算所述第五像素点集合和所述第四像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第六距离。
上述装置可执行本发明一实施例所提供的冠状动脉起源的判断方法，具备执行冠状动脉起源的判断方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的冠状动脉起源的判断方法。
根据本发明再一实施例，还提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现本发明上述实施例提供的冠状动脉起源的判断方法。
本发明实施例另一方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，使得所述处理器至少执行如下所述的操作步骤：S101，获取左冠状动脉准中心线和右冠状动脉准中心线；S102，确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；S103，确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；S104，基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
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。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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
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，可轻易想到变化或替换，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)
1.一种冠状动脉起源的判断方法，其特征在于，包括：
获取左冠状动脉准中心线和右冠状动脉准中心线；
确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；
确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；
基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常，包括：
从所述第一距离、第二距离和第三距离选取最小值作为左冠状动脉起源的基准指标；并判断所述基准指标是否满足第一预设条件，若是，则确定所述左冠状动脉起源为正常。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常，包括：
从所述第四距离、第五距离和第六距离中选取最小值作为右冠状动脉起源的基准指标；并判断所述基准指标是否满足第二预设条件，若是，则确定所述右冠状动脉起源为正常。
4.根据权利要求1所述的方法，其特征在于，还包括：
若所述左冠状动脉起源和所述右冠状动脉起源均正常，则确定所述冠状动脉起源是正常的；
若所述左冠状动脉起源和所述右冠状动脉起源中至少有一个不是正常的，则确定所述冠状动脉起源是异常的。
5.根据权利要求1所述的方法，其特征在于，所述获取左冠状动脉准中心线和右冠状动脉准中心线，包括：
对待测冠状动脉电子计算机断层扫描CT图像进行分割处理，得到左冠状动脉掩膜图像和右冠状动脉掩膜图像；
分别从所述左冠状动脉掩膜图像和所述右冠状动脉掩膜图像中提取中心线，得到左冠状动脉准中心线和右冠状动脉准中心线。
6.根据权利要求1所述的方法，其特征在于，所述分别从所述左冠状动脉掩膜图像和所述右冠状动脉掩膜图像中提取中心线，得到左冠状动脉准中心线和右冠状动脉准中心线，包括：
对所述左冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得左冠状动脉预中线；对每次所述形态学腐蚀处理后获得的左冠状动脉预中线的连续性进行检测；若检测结果表征所述左冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的左冠状动脉预中线作为左冠状动脉准中心线；
对所述右冠状动脉掩膜图像进行若干次形态学腐蚀处理，获得右冠状动脉预中线；对每次所述形态学腐蚀处理后获得的右冠状动脉预中线的连续性进行检测；若检测结果表征所述右冠状动脉预中线不是连续的，则将上一次形态学腐蚀处理后获得的右冠状动脉预中线作为右冠状动脉准中心线。
7.根据权利要求1所述的方法，其特征在于，所述确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离，包括：
对所述待测冠状动脉CT图像进行分割处理，得到左冠状窦掩膜图、右冠状窦掩膜图和主动脉掩膜图；
获取所述左冠状动脉准中心线对应的第一像素点集合，所述左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；
计算所述第一像素点集合和所述第二像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第一距离；
计算所述第一像素点集合和所述第三像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第二距离；
计算所述第一像素点集合和所述第四像素点集合之间任意两个像素点的距离，并从所有距离中选取最小距离作为第三距离。
8.根据根据权利要求1或7所述的方法，其特征在于，所述确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离，包括：
获取所述右冠状动脉准中心线对应的第五像素点集合，所述左冠状窦掩膜图对应的第二像素点集合、右冠状窦掩膜图对应的第三像素点集合，以及主动脉掩膜图对应的第四像素点集合；
计算所述第五像素点集合和所述第二像素点集合之间任意两个像素点的距离，并将所有距离中最小距离作为第四距离；
计算所述第五像素点集合和所述第三像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第五距离；
计算所述第五像素点集合和所述第四像素点集合之间任意两个像素点之间的距离，并将所有距离中最小距离作为第六距离。
9.一种冠状动脉起源的判断装置，其特征在于，包括：
获取模块，用于获取左冠状动脉准中心线和右冠状动脉准中心线；
第一确定模块，用于确定所述左冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第一距离、第二距离和第三距离；
第二确定模块，用于确定所述右冠状动脉准中心线分别到左冠状窦、右冠状窦和主动脉之间的最小距离，得到第四距离、第五距离和第六距离；
判断模块，用于基于所述第一距离、第二距离和第三距离确定左冠状动脉起源是否正常；基于所述第四距离、第五距离和第六距离确定右冠状动脉起源是否正常。
10.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-8中任一项所述的判断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111258095.3A CN114041761B (zh) | 2021-10-27 | 2021-10-27 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111258095.3A CN114041761B (zh) | 2021-10-27 | 2021-10-27 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114041761A true CN114041761A (zh) | 2022-02-15 |
| CN114041761B CN114041761B (zh) | 2022-12-09 |
Family
ID=80206124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111258095.3A Active CN114041761B (zh) | 2021-10-27 | 2021-10-27 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114041761B (zh) |
Citations (12)
| 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 |
| CN105118056A (zh) * | 2015-08-13 | 2015-12-02 | 重庆大学 | 基于三维形态学的冠脉血管自动提取方法 |
| CN107563983A (zh) * | 2017-09-28 | 2018-01-09 | 上海联影医疗科技有限公司 | 图像处理方法以及医学成像设备 |
| CN108133478A (zh) * | 2018-01-11 | 2018-06-08 | 苏州润心医疗器械有限公司 | 一种提取冠状动脉血管中心线的方法 |
| CN109544566A (zh) * | 2018-11-29 | 2019-03-29 | 上海联影医疗科技有限公司 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
| CN111145206A (zh) * | 2019-12-27 | 2020-05-12 | 联想(北京)有限公司 | 肝脏图像分割质量评估方法、装置及计算机设备 |
| 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 |
| CN111932497A (zh) * | 2020-06-30 | 2020-11-13 | 数坤（北京）网络科技有限公司 | 一种冠状动脉识别方法及装置 |
| CN112801999A (zh) * | 2021-02-05 | 2021-05-14 | 深圳睿心智能医疗科技有限公司 | 确定心脏冠脉优势型的方法及装置 |
| CN113100737A (zh) * | 2021-04-06 | 2021-07-13 | 复旦大学附属中山医院 | 基于冠状动脉cta的缺血心肌负荷定量评价系统 |
| CN113450322A (zh) * | 2021-06-22 | 2021-09-28 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种冠状动脉的起源异常判断方法和装置 |
| CN113506277A (zh) * | 2021-07-16 | 2021-10-15 | 推想医疗科技股份有限公司 | 图像处理方法及装置 |
-
2021
- 2021-10-27 CN CN202111258095.3A patent/CN114041761B/zh active Active
Patent Citations (12)
| 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 |
| CN105118056A (zh) * | 2015-08-13 | 2015-12-02 | 重庆大学 | 基于三维形态学的冠脉血管自动提取方法 |
| CN107563983A (zh) * | 2017-09-28 | 2018-01-09 | 上海联影医疗科技有限公司 | 图像处理方法以及医学成像设备 |
| CN108133478A (zh) * | 2018-01-11 | 2018-06-08 | 苏州润心医疗器械有限公司 | 一种提取冠状动脉血管中心线的方法 |
| CN109544566A (zh) * | 2018-11-29 | 2019-03-29 | 上海联影医疗科技有限公司 | 冠脉图像分割方法、装置、计算机设备和存储介质 |
| CN111145206A (zh) * | 2019-12-27 | 2020-05-12 | 联想(北京)有限公司 | 肝脏图像分割质量评估方法、装置及计算机设备 |
| 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 |
| CN111932497A (zh) * | 2020-06-30 | 2020-11-13 | 数坤（北京）网络科技有限公司 | 一种冠状动脉识别方法及装置 |
| CN112801999A (zh) * | 2021-02-05 | 2021-05-14 | 深圳睿心智能医疗科技有限公司 | 确定心脏冠脉优势型的方法及装置 |
| CN113100737A (zh) * | 2021-04-06 | 2021-07-13 | 复旦大学附属中山医院 | 基于冠状动脉cta的缺血心肌负荷定量评价系统 |
| CN113450322A (zh) * | 2021-06-22 | 2021-09-28 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种冠状动脉的起源异常判断方法和装置 |
| CN113506277A (zh) * | 2021-07-16 | 2021-10-15 | 推想医疗科技股份有限公司 | 图像处理方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 易建华: "CT冠脉造影中冠状动脉中心线的提取", 《JOURNAL OF FRONTIERS OF COMPUTER SCIENCE AND TECHNOLOGY》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114041761B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Singh et al. | Machine learning in cardiac CT: basic concepts and contemporary data | |
| KR102491988B1 (ko) | 정량적 이미징을 이용하기 위한 방법 및 시스템 | |
| CN108022647B (zh) | 基于ResNet-Inception模型的肺结节良恶性预测方法 | |
| US9445716B2 (en) | Obtaining data for automatic glaucoma screening, and screening and diagnostic techniques and systems using the data | |
| JP5926937B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| US8422752B2 (en) | Diagnosis assisting apparatus, diagnosis assisting method, and storage medium in which a diagnosis assisting program is recorded | |
| CN107341812B (zh) | 一种基于超像素和密度聚类的序列肺结节图像分割方法 | |
| CN110443808B (zh) | 用于脑中线检测的医疗图像处理方法及装置、设备、存储介质 | |
| CN111598853B (zh) | 针对肺炎的ct影像评分方法、装置及设备 | |
| CN110415219B (zh) | 基于深度分割网络的医学图像处理方法及装置、设备、存储介质 | |
| EP2262410A1 (en) | Retinal image analysis systems and methods | |
| CN116236150A (zh) | 基于眼底图像的动静脉血管图像分割方法 | |
| CN109886982B (zh) | 一种血管图像分割方法、装置及计算机存储设备 | |
| CN111612756B (zh) | 冠状动脉特异性钙化检测方法及装置 | |
| CN111145200A (zh) | 结合卷积神经网络与循环神经网络的血管中心线追踪方法 | |
| WO2021027240A1 (zh) | 识别脑萎缩的方法及装置 | |
| CN114041761B (zh) | 一种冠状动脉起源的判断方法、装置及计算机可读介质 | |
| Abdulkareem et al. | Generalizable framework for atrial volume estimation for cardiac CT images using deep learning with quality control assessment | |
| US20150199587A1 (en) | Image processing device, image processing method, and image processing program | |
| CN114098779A (zh) | 尘肺病等级智能判别方法 | |
| Li et al. | Pixel-level diabetic retinopathy lesion detection using multi-scale convolutional neural network | |
| CN113052857A (zh) | 一种基于CovSegNet的肺部病变图像分割方法 | |
| US11942212B2 (en) | Medical data processing apparatus, medical data processing method, and non-transitory computer medium storing computer program | |
| CN112802040B (zh) | 一种基于边缘感知的x光片气胸分割及评估方法 | |
| CN116934754B (zh) | 基于图神经网络的肝脏影像识别方法及装置 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Room 3011, 2nd Floor, Building A, No. 1092 Jiangnan Road, Nanmingshan Street, Liandu District, Lishui City, Zhejiang Province, 323000 Patentee after: Zhejiang Yizhun Intelligent Technology Co.,Ltd. Address before: No. 1202-1203, 12 / F, block a, Zhizhen building, No. 7, Zhichun Road, Haidian District, Beijing 100083 Patentee before: Beijing Yizhun Intelligent Technology Co.,Ltd. |