CN114549791B - 一种血管组分材料属性的自动匹配方法及设备 - Google Patents
一种血管组分材料属性的自动匹配方法及设备 Download PDFInfo
- Publication number
- CN114549791B CN114549791B CN202210444085.7A CN202210444085A CN114549791B CN 114549791 B CN114549791 B CN 114549791B CN 202210444085 A CN202210444085 A CN 202210444085A CN 114549791 B CN114549791 B CN 114549791B
- Authority
- CN
- China
- Prior art keywords
- voxel
- tetrahedral
- mesh
- vertex
- blood vessel
- 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
Images
Classifications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
Abstract
本发明公开了一种血管组分材料属性的自动匹配方法及设备。该方法包括获取病人感兴趣部位血管的扫描数据;对血管的每一个层面进行组分标注,并导出已完成标注的血管模型;从血管模型中提取斑块的各组分体素对应的体素坐标集;导出血管的表面网格并进行光滑处理,依据表面网格生成四面体网格单元,提取四面体网格单元的编号、四面体网格单元节点的编号及坐标;计算斑块的各组分体素对应的体素坐标与网格单元节点的坐标的欧式距离;判断与斑块各组分对应的体素坐标最近的4个网格节点组成的四面体网格单元是否属于四面体网格单元集,是则将该四面体网格单元分配本体素对应的材料属性。本发明可精准高效的实现斑块组分网格单元材料属性的分配。
Description
技术领域
本发明涉及有限元分析技术领域,具体涉及一种血管组分材料属性的自动匹配方法及设备。
背景技术
随着计算力学和医学图像的快速发展,可通过固体力学对血管斑块进行有限元分析,并基于得到的血管壁载荷分布情况,对血管斑块的易损性进行评估。其中对网格单元赋予相应的材料属性是有限元分析过程中不可缺少的一个步骤。目前对形态不规则的斑块组分进行材料属性分配,多采用手动选择斑块组分对应的网格单元,赋予其材料属性,此种方式,存在网格单元的多选或少选情况,误差较大;或者分别对某一种斑块组分生成相应网格单元,赋予其材料属性,各组分网格单元之间采用刚性连接,此种方式斑块组分网格连接性较差。因此,这两种方法都无法高效实现斑块组分网格单元材料属性的分配。
发明内容
本发明的目的是针对现有技术存在的不足,提供一种血管组分材料属性的自动匹配方法及设备。
为实现上述目的,本发明提供了一种血管组分材料属性的自动匹配方法,包括:
获取病人感兴趣部位血管的扫描数据;
基于所述扫描数据对血管的每一个层面进行组分标注,并导出已完成标注的血管模型;
从所述血管模型中提取斑块的各组分体素对应的体素坐标集;
导出血管的表面网格,并进行光滑处理,依据光滑处理后的表面网格生成四面体网格单元,获取四面体网格单元集、四面体网格节点集和每一四面体网格节点对应的坐标,其中,每一四面体网格单元对应四个四面体网格节点,提取四面体网格单元的编号、四面体网格单元节点的编号及坐标;
计算所述斑块的各组分体素对应的体素坐标与所述网格单元节点的坐标的欧式距离;
判断与所述斑块各组分对应的体素坐标最近的4个网格节点组成的四面体网格单元是否属于四面体网格单元集,是,则将该四面体网格单元分配本体素对应的材料属性。
进一步的,所述斑块的各组分体素包括管壁体素、脂质体素、纤维体素和钙化体素,所述体素坐标集包括管壁体素坐标集、脂质体素坐标集、纤维体素坐标集和钙化体素坐标集。
进一步的,所述扫描数据包括CT扫描数据和MR扫描数据。
进一步的,基于拉普拉斯光滑算法对所述表面网格进行光滑处理,具体如下:
在第二方面,本发明提供了一种血管组分材料属性的自动匹配设备,包括:
扫描数据获取模块,用以获取病人感兴趣部位血管的扫描数据;
标注模块,用以基于所述扫描数据对血管的每一个层面进行组分标注,并导出已完成标注的血管模型;
体素坐标集提取模块,用以从所述血管模型中提取斑块的各组分体素对应的体素坐标集;
面网格处理和体网格生成模块,用以对导出血管模型的表面网格进行光滑处理,依据光滑处理后的表面网格生成四面体网格单元,获取四面体网格单元集、四面体网格节点集和每一四面体网格节点对应的坐标,其中,每一四面体网格单元对应四个四面体网格节点,提取四面体网格单元的编号、四面体网格单元节点的编号及坐标;
距离计算模块,用以计算所述斑块的各组分体素对应的体素坐标与所述网格单元节点的坐标的欧式距离;
判别模块,用以判断与所述斑块各组分对应的体素坐标最近的4个网格节点组成的四面体网格单元是否属于四面体网格单元集,是,则将该四面体网格单元分配本体素对应的材料属性。
进一步的,所述斑块的各组分体素包括管壁体素、脂质体素、纤维体素和钙化体素,所述体素坐标集包括管壁体素坐标集、脂质体素坐标集、纤维体素坐标集和钙化体素坐标集。
进一步的,所述扫描数据包括CT扫描数据和MR扫描数据。
进一步的,基于拉普拉斯光滑算法对所述表面网格进行光滑处理,具体如下:
有益效果:本发明通过基于扫描数据对血管的每一个层面进行标注,然后提取体素坐标集,通过网格处理和划分后,在与斑块各组分对应的体素坐标最近的4个网格节点属于同一四面体网格单元时,将该四面体网格单元分配本体素对应的材料属性,可精准高效的实现斑块组分网格单元材料属性的分配。
附图说明
图1是本发明实施例的血管组分材料属性的自动匹配方法的流程示意图;
图2为颈动脉MR图像单层面标注结果;
图3为颈动脉血管标注后的3D模型示意图;
图4为颈动脉斑块标注后的3D模型示意图;
图5为颈动脉血管3D标注模型的光滑处理后的表面网格示意图;
图6为基于颈动脉血管表面网格的四面体实体网格划分结果示意图;
图7为管壁网格单元集的示意图;
图8为脂质网格单元集的示意图;
图9为纤维网格单元集的示意图;
图10为钙化网格单元集的示意图;
图11为血管组分材料属性的自动匹配设备的结构示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,本实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1至10所示,本发明实施例提供了一种血管组分材料属性的自动匹配方法,包括:
获取病人感兴趣部位血管的扫描数据。该扫描数据包括CT扫描数据和MR扫描数据,也可以是其它扫描数据,获取的数据可输出为Dicom格式。标注后的
基于所述扫描数据对血管的每一个层面进行组分标注,并导出已完成标注的血管模型。标注的手段不限于使用计算机软件标注或计算机程序自动标注或者其他手段,输出血管模型的格式为nii格式。
从血管模型中提取斑块的各组分体素对应的体素坐标集O。上述斑块的各组分体
素优选包括管壁体素、脂质体素、纤维体素和钙化体素,体素坐标集O包括管壁体素坐标集
A、脂质体素坐标集B、纤维体素坐标集C和钙化体素坐标集D。并有。
根据血管的体素集中最外层体素点集导出血管的表面网格,并进行光滑处理,输出stl文件。优选采用拉普拉斯光滑算法对表面网格进行光滑处理,具体如下:
依据光滑处理后的表面网格生成四面体网格单元,获取四面体网格单元集、四面
体网格节点集和每一四面体网格节点对应的坐标,其中,每一四面体网格单元对应四个四
面体网格节点,提取四面体网格单元的编号、四面体网格单元节点的编号及坐标。具体的,
四面体网格单元集可表示为,m为大于3的自然数。四面
体网格节点集可表示为,n为大于3的自然数,四面体网格
单元集E中的第个四面体网格单元与四面体网格节点之间的关系为,四面体网格节点集P中的第k个四面体
网格节点的坐标可表示为,0≤k≤n-1。同时初始化定义管壁四面体网格
单元集、脂质四面体网格单元集、纤维四面体网格单元集和钙化四面体网格单元
集,。
计算上述斑块的各组分体素对应的体素坐标与网格单元节点的坐标的欧式距离。
判断与斑块各组分对应的体素坐标最近的4个网格节点组成的四面体网格单元是
否属于四面体网格单元集E,是,则将该四面体网格单元分配本该体素对应的材料属性。具
体的,遍历管壁体素坐标集A中的每一点,其中,,f为自然数,通过
KNN算法,令算法中的K=4,找寻与空间欧式距离最近的4个点组成的集合为,若,则将放入。完成管壁体素坐
标集A的遍历以后,将管壁组分对应的材料属性赋予管壁网格单元集。再遍历脂质体素
坐标集B中的每一点,其中,,g为自然数,通过KNN算法,令算法中的K
=4,找寻与空间欧式距离最近的4个点组成的集合为,若,则将放入。完成脂质
体素坐标集B的遍历以后,将脂质组分对应的材料属性赋予脂质网格单元集,再遍历纤
维体素坐标集C中的每一点,,h为自然数,通过KNN算法,令算法中
的K=4,找寻与空间欧式距离最近的4个点组成的集合为,若,将放入。完成纤维体素坐
标集C的遍历以后,将纤维组分对应的材料属性赋予纤维网格单元集,再遍历钙化体素
坐标集D中的每一点,j为自然数,通过KNN算法,令算法中的K=4,找寻与空
间欧式距离最近的4个点组成的集合为,若,将放入。完成钙化体素坐标集D的遍历以后,将钙化组分对应的材料属性赋
予钙化网格单元集。另外需要说明的是,上述参数中的上标x、y、z分别表示其在X轴、Y轴
和Z轴上的坐标值。
如图11所示,基于以上实施例,本领域技术人员可以理解,本发明还提供了一种血管组分材料属性的自动匹配设备,包括扫描数据获取模块1、标注模块2、体素坐标集提取模块3、面网格处理和体网格生成模块4、距离计算模块5和判别模块6。
其中,扫描数据获取模块1用以获取病人感兴趣部位血管的扫描数据。该扫描数据包括CT扫描数据和MR扫描数据,也可以是其它扫描数据,获取的数据可输出为Dicom格式。
标注模块2用以基于所述扫描数据对血管的每一个层面进行组分标注,并导出已完成标注的血管模型。标注的手段不限于使用计算机软件标注或计算机程序自动标注或者其他手段,输出血管模型的格式为nii格式。
体素坐标集提取模块3用以从所述血管模型中提取斑块的各组分体素对应的体素
坐标集O。上述斑块的各组分体素优选包括管壁体素、脂质体素、纤维体素和钙化体素,体素
坐标集O包括管壁体素坐标集A、脂质体素坐标集B、纤维体素坐标集C和钙化体素坐标集D。
并有。
面网格处理和体网格生成模块4用以对导出血管模型的表面网格进行光滑处理,输出stl文件。优选采用拉普拉斯光滑算法对表面网格进行光滑处理,具体如下:
面网格处理和体网格生成模块4依据光滑处理后的表面网格生成四面体网格单
元,获取四面体网格单元集、四面体网格节点集和每一四面体网格节点对应的坐标,其中,
每一四面体网格单元对应四个四面体网格节点,提取四面体网格单元的编号、四面体网格
单元节点的编号及坐标。具体的,生成后的四面体网格单元集包括管壁网格单元集、脂
质网格单元集、纤维网格单元集和钙化网格单元集,四面体网格单元集可表示为,m为大于3的自然数,,四面体网格
节点集可表示为,n为大于3的自然数,四面体网格单元集
E中的第个四面体网格单元与四面体网格节点之间的关系为,四面体网格节点集P中的第k个四面体
网格节点的坐标可表示为,0≤k≤n-1。
距离计算模块5用以计算斑块的各组分体素对应的体素坐标与网格单元节点的坐标的欧式距离。
判别模块6用以判断与斑块各组分对应的体素坐标最近的4个网格节点组成的四
面体网格单元是否属于四面体网格单元集E,是,则将该四面体网格单元分配本该体素对应
的材料属性。具体的,遍历管壁体素坐标集A中的每一点,其中,,f为
自然数,通过KNN算法,令算法中的K=4,找寻与空间欧式距离最近的4个点组成的集合为,若,则将放入。完成管壁体素坐
标集A的遍历以后,将管壁组分对应的材料属性赋予管壁网格单元集。再遍历脂质体素
坐标集B中的每一点,其中,,g为自然数,通过KNN算法,令算法中的K
=4,找寻与空间欧式距离最近的4个点组成的集合为,若 ,则将放入。完成
脂质体素坐标集B的遍历以后,将脂质组分对应的材料属性赋予脂质网格单元集,再遍
历纤维体素坐标集C中的每一点,,h为自然数,通过KNN算法,令算
法中的K=4,找寻与空间欧式距离最近的4个点组成的集合为,若,将放入。完成纤维体素坐
标集C的遍历以后,将纤维组分对应的材料属性赋予纤维网格单元集,再遍历钙化体素
坐标集D中的每一点,j为自然数,通过KNN算法,令算法中的K=4,找寻与空
间欧式距离最近的4个点组成的集合为,若
,将放入。完成钙化体素坐标集D的遍历以后,将钙化组分对应的材料属性赋予钙化
网格单元集。另外需要说明的是,上述参数中的上标x、y、z分别表示其在X轴、Y轴和Z轴
上的坐标值。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,其它未具体描述的部分,属于现有技术或公知常识。在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种血管组分材料属性的自动匹配方法,其特征在于,包括:
获取病人感兴趣部位血管的扫描数据;
基于所述扫描数据对血管的每一个层面进行组分标注,并导出已完成标注的血管模型;
从所述血管模型中提取斑块的各组分体素对应的体素坐标集;
导出血管的表面网格,并进行光滑处理,依据光滑处理后的表面网格生成四面体网格单元,获取四面体网格单元集、四面体网格节点集和每一四面体网格节点对应的坐标,其中,每一四面体网格单元对应四个四面体网格节点,提取四面体网格单元的编号、四面体网格单元节点的编号及坐标;
计算所述斑块的各组分体素对应的体素坐标与所述网格单元节点的坐标的欧式距离;
判断与所述斑块各组分对应的体素坐标最近的4个网格节点组成的四面体网格单元是否属于四面体网格单元集,是,则将该四面体网格单元分配本体素对应的材料属性。
2.根据权利要求1所述的血管组分材料属性的自动匹配方法,其特征在于,所述斑块的各组分体素包括管壁体素、脂质体素、纤维体素和钙化体素,所述体素坐标集包括管壁体素坐标集、脂质体素坐标集、纤维体素坐标集和钙化体素坐标集。
3.根据权利要求1所述的血管组分材料属性的自动匹配方法,其特征在于,所述扫描数据包括CT扫描数据和MR扫描数据。
5.一种血管组分材料属性的自动匹配设备,其特征在于,包括:
扫描数据获取模块,用以获取病人感兴趣部位血管的扫描数据;
标注模块,用以基于所述扫描数据对血管的每一个层面进行组分标注,并导出已完成标注的血管模型;
体素坐标集提取模块,用以从所述血管模型中提取斑块的各组分体素对应的体素坐标集;
面网格处理和体网格生成模块,用以对导出血管模型的表面网格进行光滑处理,依据光滑处理后的表面网格生成四面体网格单元,获取四面体网格单元集、四面体网格节点集和每一四面体网格节点对应的坐标,其中,每一四面体网格单元对应四个四面体网格节点,提取四面体网格单元的编号、四面体网格单元节点的编号及坐标;
距离计算模块,用以计算所述斑块的各组分体素对应的体素坐标与所述网格单元节点的坐标的欧式距离;
判别模块,用以判断与所述斑块各组分对应的体素坐标最近的4个网格节点组成的四面体网格单元是否属于四面体网格单元集,是,则将该四面体网格单元分配本体素对应的材料属性。
6.根据权利要求5所述的血管组分材料属性的自动匹配设备,其特征在于,所述斑块的各组分体素包括管壁体素、脂质体素、纤维体素和钙化体素,所述体素坐标集包括管壁体素坐标集、脂质体素坐标集、纤维体素坐标集和钙化体素坐标集。
7.根据权利要求5所述的血管组分材料属性的自动匹配设备,其特征在于,所述扫描数据包括CT扫描数据和MR扫描数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210444085.7A CN114549791B (zh) | 2022-04-26 | 2022-04-26 | 一种血管组分材料属性的自动匹配方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210444085.7A CN114549791B (zh) | 2022-04-26 | 2022-04-26 | 一种血管组分材料属性的自动匹配方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549791A CN114549791A (zh) | 2022-05-27 |
CN114549791B true CN114549791B (zh) | 2022-07-12 |
Family
ID=81666690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210444085.7A Active CN114549791B (zh) | 2022-04-26 | 2022-04-26 | 一种血管组分材料属性的自动匹配方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549791B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0305315D0 (en) * | 2003-03-07 | 2003-04-09 | Weber Martin | Image processing system |
WO2010042731A2 (en) * | 2008-10-10 | 2010-04-15 | The University Of Utah Research Foundation | Mesh formation for multi-element volumes |
WO2010099016A1 (en) * | 2009-02-25 | 2010-09-02 | Worcester Polytechnic Institute | Automatic vascular model generation based on fluid-structure interactions (fsi) |
JP2011040055A (ja) * | 2009-07-13 | 2011-02-24 | Advancesoft Corp | シミュレーション装置、及びプログラム |
CN204341566U (zh) * | 2014-12-24 | 2015-05-20 | 中国人民解放军南京军区南京总医院 | 一种真空采血管分类收纳装置 |
KR101676576B1 (ko) * | 2015-08-13 | 2016-11-15 | 삼성에스디에스 주식회사 | 3차원 모델의 복셀화 및 각 복셀의 속성 할당 장치 및 방법 |
US10282888B2 (en) * | 2016-01-28 | 2019-05-07 | Biosense Webster (Israel) Ltd. | High definition coloring of heart chambers |
WO2021067853A1 (en) * | 2019-10-03 | 2021-04-08 | The University Of Texas System | Characterization of lesions via determination of vascular metrics using mri data |
WO2022001026A1 (en) * | 2020-06-30 | 2022-01-06 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining blood vessel parameters |
-
2022
- 2022-04-26 CN CN202210444085.7A patent/CN114549791B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114549791A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Attene et al. | Polygon mesh repairing: An application perspective | |
Sato et al. | TEASAR: tree-structure extraction algorithm for accurate and robust skeletons | |
Lee et al. | Direct integration of reverse engineering and rapid prototyping | |
US8571278B2 (en) | System and methods for multi-object multi-surface segmentation | |
CN111612743B (zh) | 一种基于ct图像的冠状动脉中心线提取方法 | |
Praßni et al. | Shape-based transfer functions for volume visualization | |
Zhou et al. | Topology repair of solid models using skeletons | |
US20080225044A1 (en) | Method and Apparatus for Editing Three-Dimensional Images | |
Huang et al. | Visualizing industrial CT volume data for nondestructive testing applications | |
Wood et al. | Isosurface topology simplification | |
Caliskan et al. | Three-dimensional modeling in medical image processing by using fractal geometry | |
CN114549791B (zh) | 一种血管组分材料属性的自动匹配方法及设备 | |
US8422749B2 (en) | Method and system for myocardial region of interest definition | |
CN111862001A (zh) | Ct影像的半自动标注方法及装置、电子设备、存储介质 | |
Monnet et al. | Three-dimensional morphometric ontogeny of mollusc shells by micro-computed tomography and geometric analysis | |
Schoenemann et al. | Validation of plaster endocast morphology through 3D CT image analysis | |
Xie et al. | Geometric modeling of Rosa roxburghii fruit based on three-dimensional point cloud reconstruction | |
Yamanaka et al. | The sinogram polygonizer for reconstructing 3D shapes | |
Zhao et al. | A frame of 3D printing data generation method extracted from CT data | |
US8854366B1 (en) | Automated geometric representation of discrete point sets | |
CN115018825A (zh) | 一种冠脉优势型的分类方法、分类装置及存储介质 | |
Sahebdivani et al. | Deep learning based classification of color point cloud for 3D reconstruction of interior elements of buildings | |
CN112687010B (zh) | 一种端框钻模的数字化计量方法 | |
Xiong et al. | Automated structured all-quadrilateral and hexahedral meshing of tubular surfaces | |
Cappetti et al. | Skeleton and medial axis functions evaluation of voxel discretized geometries |
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 |