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 PDF

Info

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
Application number
CN202210444085.7A
Other languages
English (en)
Other versions
CN114549791A (zh
Inventor
陈洋
滕忠照
沈金花
周傲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Jingsan Medical Technology Co ltd
Original Assignee
Nanjing Jingsan Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Jingsan Medical Technology Co ltd filed Critical Nanjing Jingsan Medical Technology Co ltd
Priority to CN202210444085.7A priority Critical patent/CN114549791B/zh
Publication of CN114549791A publication Critical patent/CN114549791A/zh
Application granted granted Critical
Publication of CN114549791B publication Critical patent/CN114549791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种血管组分材料属性的自动匹配方法及设备
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：
定义T=(V,E,F)表示为一个三角网格，其中V为顶点，有m个，E表示顶点之间的边，F 表示三角网格的面片，对每一个属于T的顶点
Figure 144455DEST_PATH_IMAGE001
的传统的笛卡尔坐标为：
Figure 634473DEST_PATH_IMAGE002
其中，
Figure 134724DEST_PATH_IMAGE003
分别为顶点
Figure 368391DEST_PATH_IMAGE001
在X轴、Y轴、Z轴上的坐标值，顶点
Figure 637698DEST_PATH_IMAGE001
进行光滑处理 后的拉普拉斯顶点坐标
Figure 282306DEST_PATH_IMAGE004
为：
Figure 17656DEST_PATH_IMAGE005
其中，
Figure 773123DEST_PATH_IMAGE006
分别为光滑处理后的顶点
Figure 913248DEST_PATH_IMAGE004
在X轴、Y轴、Z轴上的坐标值，
Figure 994337DEST_PATH_IMAGE007
表 示所有与顶点
Figure 203601DEST_PATH_IMAGE008
共边的点，
Figure 247912DEST_PATH_IMAGE009
，
Figure 226232DEST_PATH_IMAGE010
表示与顶点
Figure 478222DEST_PATH_IMAGE008
共边的顶点中的其中 一个顶点，
Figure 925515DEST_PATH_IMAGE011
为权重，
Figure 288363DEST_PATH_IMAGE012
Figure 134572DEST_PATH_IMAGE013
表示与顶点
Figure 557463DEST_PATH_IMAGE001
共边的顶点
Figure 475740DEST_PATH_IMAGE010
对应的权值，
Figure 127433DEST_PATH_IMAGE014
表示所有与顶点
Figure 345924DEST_PATH_IMAGE008
共边 的顶点
Figure 690449DEST_PATH_IMAGE010
对应的权值之和。
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：
定义T=(V,E,F)表示为一个三角网格，其中V为顶点，有m个，E表示顶点之间的边，F 表示三角网格的面片，对每一个属于T的顶点
Figure 96023DEST_PATH_IMAGE001
的传统的笛卡尔坐标为：
Figure 66253DEST_PATH_IMAGE015
其中，
Figure 624404DEST_PATH_IMAGE016
分别为顶点
Figure 389098DEST_PATH_IMAGE001
在X轴、Y轴、Z轴上的坐标值，顶点
Figure 16388DEST_PATH_IMAGE001
进行光滑处理 后的拉普拉斯顶点坐标
Figure 272533DEST_PATH_IMAGE004
为：
Figure 200037DEST_PATH_IMAGE017
其中，
Figure 886365DEST_PATH_IMAGE018
分别为光滑处理后的顶点
Figure 951DEST_PATH_IMAGE004
在X轴、Y轴、Z轴上的坐标值，
Figure 312984DEST_PATH_IMAGE019
表 示所有与顶点
Figure 845728DEST_PATH_IMAGE001
共边的点，
Figure 952224DEST_PATH_IMAGE020
，
Figure 819686DEST_PATH_IMAGE021
表示与顶点
Figure 420563DEST_PATH_IMAGE001
共边的顶点中的其中 一个顶点，
Figure 57080DEST_PATH_IMAGE011
为权重，
Figure 82281DEST_PATH_IMAGE022
Figure 171459DEST_PATH_IMAGE013
表示与顶点
Figure 559715DEST_PATH_IMAGE001
共边的顶点
Figure 801472DEST_PATH_IMAGE021
对应的权值，
Figure 249771DEST_PATH_IMAGE023
表示所有与顶点
Figure 91825DEST_PATH_IMAGE001
共边 的顶点
Figure 34504DEST_PATH_IMAGE021
对应的权值之和。
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
Figure 380035DEST_PATH_IMAGE024
。
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：
定义T=(V,E,F)表示为一个三角网格，其中，V为顶点，有m个，E表示顶点之间的边， F表示三角网格的面片，对每一个属于T的顶点
Figure 264814DEST_PATH_IMAGE001
的传统的笛卡尔坐标为：
Figure 79318DEST_PATH_IMAGE025
其中，
Figure 809376DEST_PATH_IMAGE016
分别为顶点
Figure 9413DEST_PATH_IMAGE001
在X轴、Y轴、Z轴上的坐标值，顶点
Figure 812897DEST_PATH_IMAGE001
进行光滑处理 后的拉普拉斯顶点坐标
Figure 98385DEST_PATH_IMAGE004
为：
Figure 632134DEST_PATH_IMAGE017
其中，
Figure 702990DEST_PATH_IMAGE018
分别为光滑处理后的顶点
Figure 663992DEST_PATH_IMAGE004
在X轴、Y轴、Z轴上的坐标值，
Figure 453088DEST_PATH_IMAGE019
表 示所有与顶点
Figure 790528DEST_PATH_IMAGE001
共边的点，
Figure 965158DEST_PATH_IMAGE026
，
Figure 113373DEST_PATH_IMAGE027
表示与顶点
Figure 373453DEST_PATH_IMAGE001
共边的顶点中的其中 一个顶点，
Figure 514585DEST_PATH_IMAGE011
为权重，
Figure 580540DEST_PATH_IMAGE028
Figure 883345DEST_PATH_IMAGE029
表示与顶点
Figure 647033DEST_PATH_IMAGE001
共边的顶点
Figure 326276DEST_PATH_IMAGE027
对应的权值，
Figure 475498DEST_PATH_IMAGE023
表示所有与顶点
Figure 699937DEST_PATH_IMAGE001
共边 的顶点
Figure 934609DEST_PATH_IMAGE027
对应的权值之和。
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
Figure 417543DEST_PATH_IMAGE030
，m为大于3的自然数。四面 体网格节点集可表示为
Figure 172004DEST_PATH_IMAGE031
，n为大于3的自然数，四面体网格 单元集E中的第
Figure 347770DEST_PATH_IMAGE032
个四面体网格单元
Figure 817541DEST_PATH_IMAGE033
与四面体网格节点之间的关系为
Figure 838587DEST_PATH_IMAGE034
，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
Figure 978712DEST_PATH_IMAGE035
，0≤k≤n-1。同时初始化定义管壁四面体网格 单元集
Figure 59801DEST_PATH_IMAGE036
、脂质四面体网格单元集
Figure 3486DEST_PATH_IMAGE037
、纤维四面体网格单元集
Figure 578955DEST_PATH_IMAGE038
和钙化四面体网格单元 集
Figure 557275DEST_PATH_IMAGE039
，
Figure 809265DEST_PATH_IMAGE040
。
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
Figure 256558DEST_PATH_IMAGE041
，其中，
Figure 619406DEST_PATH_IMAGE042
，f为自然数，通过 KNN算法，令算法中的K=4，找寻与
Figure 200036DEST_PATH_IMAGE043
空间欧式距离最近的4个点组成的集合为
Figure 622927DEST_PATH_IMAGE044
，若
Figure 541204DEST_PATH_IMAGE045
，则将
Figure 458476DEST_PATH_IMAGE046
放入
Figure 411388DEST_PATH_IMAGE036
。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
Figure 5181DEST_PATH_IMAGE047
。再遍历脂质体素 坐标集B中的每一点
Figure 895907DEST_PATH_IMAGE048
，其中，
Figure 600558DEST_PATH_IMAGE049
，g为自然数，通过KNN算法，令算法中的K =4，找寻与
Figure 407977DEST_PATH_IMAGE050
空间欧式距离最近的4个点组成的集合为
Figure 923403DEST_PATH_IMAGE051
,若
Figure 550694DEST_PATH_IMAGE052
，则将
Figure 59036DEST_PATH_IMAGE053
放入
Figure 734343DEST_PATH_IMAGE054
。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
Figure 669938DEST_PATH_IMAGE054
，再遍历纤 维体素坐标集C中的每一点
Figure 535257DEST_PATH_IMAGE055
，
Figure 112869DEST_PATH_IMAGE056
，h为自然数，通过KNN算法，令算法中 的K=4，找寻与
Figure 894880DEST_PATH_IMAGE057
空间欧式距离最近的4个点组成的集合为
Figure 752109DEST_PATH_IMAGE058
,若
Figure 353991DEST_PATH_IMAGE059
，将
Figure 954868DEST_PATH_IMAGE060
放入
Figure 591386DEST_PATH_IMAGE038
。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
Figure 868783DEST_PATH_IMAGE061
，再遍历钙化体素 坐标集D中的每一点
Figure 236923DEST_PATH_IMAGE062
,j为自然数，通过KNN算法，令算法中的K=4，找寻与
Figure 625179DEST_PATH_IMAGE063
空 间欧式距离最近的4个点组成的集合为
Figure 132515DEST_PATH_IMAGE064
,若
Figure 580814DEST_PATH_IMAGE065
，将
Figure 157289DEST_PATH_IMAGE066
放入
Figure 99968DEST_PATH_IMAGE067
。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
Figure 711078DEST_PATH_IMAGE039
。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
Figure 330278DEST_PATH_IMAGE068
。
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：
定义T=(V,E,F)表示为一个三角网格，其中，V为顶点，有m个，E表示顶点之间的边， F表示三角网格的面片，对每一个属于T的顶点
Figure 410361DEST_PATH_IMAGE001
的传统的笛卡尔坐标为：
Figure 405999DEST_PATH_IMAGE015
则顶点
Figure 619418DEST_PATH_IMAGE001
进行光滑处理后的拉普拉斯顶点坐标
Figure 409519DEST_PATH_IMAGE004
为：
Figure 960586DEST_PATH_IMAGE017
其中，
Figure 510648DEST_PATH_IMAGE018
分别为光滑处理后的顶点
Figure 830770DEST_PATH_IMAGE004
在X轴、Y轴、Z轴上的坐标值，
Figure 542506DEST_PATH_IMAGE019
表 示所有与顶点
Figure 580869DEST_PATH_IMAGE001
共边的点，
Figure 918309DEST_PATH_IMAGE020
，
Figure 843671DEST_PATH_IMAGE021
表示与顶点
Figure 241154DEST_PATH_IMAGE001
共边的顶点中的其中 一个顶点，
Figure 514616DEST_PATH_IMAGE011
为权重，
Figure 655748DEST_PATH_IMAGE022
Figure 684884DEST_PATH_IMAGE029
表示与顶点
Figure 4001DEST_PATH_IMAGE001
共边的顶点
Figure 751377DEST_PATH_IMAGE021
对应的权值，
Figure 430620DEST_PATH_IMAGE023
表示所有与顶点
Figure 330574DEST_PATH_IMAGE001
共边 的顶点
Figure 335439DEST_PATH_IMAGE021
对应的权值之和。
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
Figure 320844DEST_PATH_IMAGE036
、脂 质网格单元集
Figure 803777DEST_PATH_IMAGE037
、纤维网格单元集
Figure 820888DEST_PATH_IMAGE038
和钙化网格单元集
Figure 731075DEST_PATH_IMAGE067
，四面体网格单元集可表示为
Figure 453043DEST_PATH_IMAGE069
，m为大于3的自然数，
Figure 224821DEST_PATH_IMAGE070
，四面体网格 节点集可表示为
Figure 614214DEST_PATH_IMAGE071
，n为大于3的自然数，四面体网格单元集 E中的第
Figure 164144DEST_PATH_IMAGE032
个四面体网格单元
Figure 124141DEST_PATH_IMAGE033
与四面体网格节点之间的关系为
Figure 948878DEST_PATH_IMAGE072
，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
Figure 677930DEST_PATH_IMAGE035
，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
Figure 929920DEST_PATH_IMAGE073
，其中，
Figure 360901DEST_PATH_IMAGE074
，f为 自然数，通过KNN算法，令算法中的K=4，找寻与
Figure 494990DEST_PATH_IMAGE075
空间欧式距离最近的4个点组成的集合为
Figure 593396DEST_PATH_IMAGE076
，若
Figure 750708DEST_PATH_IMAGE077
，则将
Figure 419718DEST_PATH_IMAGE078
放入
Figure 586257DEST_PATH_IMAGE079
。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
Figure 539169DEST_PATH_IMAGE080
。再遍历脂质体素 坐标集B中的每一点
Figure 618115DEST_PATH_IMAGE081
，其中，
Figure 23688DEST_PATH_IMAGE082
，g为自然数，通过KNN算法，令算法中的K =4，找寻与
Figure 728339DEST_PATH_IMAGE050
空间欧式距离最近的4个点组成的集合为
Figure 286491DEST_PATH_IMAGE051
,若
Figure 51184DEST_PATH_IMAGE083
Figure 957436DEST_PATH_IMAGE084
，则将
Figure 465778DEST_PATH_IMAGE053
放入
Figure 127703DEST_PATH_IMAGE054
。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
Figure 548451DEST_PATH_IMAGE054
，再遍 历纤维体素坐标集C中的每一点
Figure 194196DEST_PATH_IMAGE085
，
Figure 256961DEST_PATH_IMAGE056
，h为自然数，通过KNN算法，令算 法中的K=4，找寻与
Figure 38973DEST_PATH_IMAGE057
空间欧式距离最近的4个点组成的集合为
Figure 145469DEST_PATH_IMAGE086
,若
Figure 763663DEST_PATH_IMAGE087
，将
Figure 613807DEST_PATH_IMAGE060
放入
Figure 998128DEST_PATH_IMAGE038
。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
Figure 275525DEST_PATH_IMAGE061
，再遍历钙化体素 坐标集D中的每一点
Figure 364704DEST_PATH_IMAGE062
,j为自然数，通过KNN算法，令算法中的K=4，找寻与
Figure 503693DEST_PATH_IMAGE063
空 间欧式距离最近的4个点组成的集合为
Figure 260296DEST_PATH_IMAGE064
,若
Figure 974174DEST_PATH_IMAGE088
，将
Figure 301381DEST_PATH_IMAGE066
放入
Figure 493328DEST_PATH_IMAGE067
。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
Figure 855171DEST_PATH_IMAGE039
。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。
4.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，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：
定义T=(V,E,F)表示为一个三角网格，其中V为顶点，有m个，E表示顶点之间的边，F表示 三角网格的面片，对每一个属于T的顶点
Figure 161442DEST_PATH_IMAGE001
的传统的笛卡尔坐标为：
Figure 505967DEST_PATH_IMAGE002
其中，
Figure 177119DEST_PATH_IMAGE003
分别为顶点
Figure 898082DEST_PATH_IMAGE001
在X轴、Y轴、Z轴上的坐标值，顶点
Figure 705501DEST_PATH_IMAGE001
进行光滑处理后的 拉普拉斯顶点坐标
Figure 470194DEST_PATH_IMAGE004
为：
Figure 113797DEST_PATH_IMAGE005
其中，
Figure 622138DEST_PATH_IMAGE006
分别为光滑处理后的顶点
Figure 284064DEST_PATH_IMAGE007
在X轴、Y轴、Z轴上的坐标值，
Figure 990899DEST_PATH_IMAGE008
表示所有 与顶点
Figure 105485DEST_PATH_IMAGE001
共边的点，
Figure 151939DEST_PATH_IMAGE009
，
Figure 684683DEST_PATH_IMAGE010
表示与顶点
Figure 791179DEST_PATH_IMAGE001
共边的顶点中的其中一个顶 点，
Figure 409373DEST_PATH_IMAGE011
为权重，
Figure 259517DEST_PATH_IMAGE012
Figure 161614DEST_PATH_IMAGE013
表示与顶点
Figure 189744DEST_PATH_IMAGE001
共边的顶点
Figure 278923DEST_PATH_IMAGE010
对应的权值，
Figure 680561DEST_PATH_IMAGE014
表示所有与顶点
Figure 437164DEST_PATH_IMAGE001
共边的顶点
Figure 885463DEST_PATH_IMAGE010
对应的权值之和。
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。
8.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，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：
定义T=(V,E,F)表示为一个三角网格，其中V为顶点，有m个，E表示顶点之间的边，F表示 三角网格的面片，对每一个属于T的顶点
Figure 478250DEST_PATH_IMAGE001
的传统的笛卡尔坐标为：
Figure 670197DEST_PATH_IMAGE015
其中，
Figure 32039DEST_PATH_IMAGE016
分别为顶点
Figure 916818DEST_PATH_IMAGE001
在X轴、Y轴、Z轴上的坐标值，顶点
Figure 980589DEST_PATH_IMAGE001
进行光滑处理后的 拉普拉斯顶点坐标
Figure 726960DEST_PATH_IMAGE004
为：
Figure 192576DEST_PATH_IMAGE017
其中，
Figure 996060DEST_PATH_IMAGE018
分别为光滑处理后的顶点
Figure 547127DEST_PATH_IMAGE004
在X轴、Y轴、Z轴上的坐标值，
Figure 97188DEST_PATH_IMAGE008
表示所有 与顶点
Figure 417311DEST_PATH_IMAGE001
共边的点，
Figure 909472DEST_PATH_IMAGE019
，
Figure 698567DEST_PATH_IMAGE020
表示与顶点
Figure 770429DEST_PATH_IMAGE001
共边的顶点中的其中一个顶 点，
Figure 961370DEST_PATH_IMAGE011
为权重，
Figure 93274DEST_PATH_IMAGE021
Figure 618933DEST_PATH_IMAGE022
表示与顶点
Figure 976709DEST_PATH_IMAGE001
共边的顶点
Figure 537003DEST_PATH_IMAGE020
对应的权值，
Figure 839808DEST_PATH_IMAGE014
表示所有与顶点
Figure 603496DEST_PATH_IMAGE001
共边的顶点
Figure 282739DEST_PATH_IMAGE020
对应的权值之和。
CN202210444085.7A 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 Active CN114549791B (zh)

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)

* Cited by examiner, † Cited by third party
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

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