CN114663362B - 一种融合方法、装置以及设备 - Google Patents
一种融合方法、装置以及设备 Download PDFInfo
- Publication number
- CN114663362B CN114663362B CN202210208208.7A CN202210208208A CN114663362B CN 114663362 B CN114663362 B CN 114663362B CN 202210208208 A CN202210208208 A CN 202210208208A CN 114663362 B CN114663362 B CN 114663362B
- Authority
- CN
- China
- Prior art keywords
- image data
- processed
- registered
- hemodynamic
- data
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 19
- 230000000004 hemodynamic effect Effects 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 210000004204 blood vessel Anatomy 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 230000017531 blood circulation Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 230000010349 pulsation Effects 0.000 claims description 5
- 206010002329 Aneurysm Diseases 0.000 abstract description 11
- 238000004393 prognosis Methods 0.000 abstract description 8
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002792 vascular 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
- G06T7/0002—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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Abstract
本说明书实施例公开了一种融合方法、装置以及设备，属于医学影像及计算机技术领域。该融合方法包括：基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。采用本说明书实施例提供的方法，能够提高动脉瘤破裂预后的预测的准确性，预测速度快，操作方便。
Description
技术领域
本说明书涉及医学影像及计算机技术领域，尤其涉及一种融合方法、装置以及设备。
背景技术
血流动力学在动脉瘤的发生、增大以及破裂等起到主要作用，随着计算机技术的发展以及计算流体力学的进步，利用计算机模拟血流情况成为现实，可以定性的反映血流在血管管路中的流速、压力以及剪切力等现象；可以通过观察模拟的血流动力学结果，对压力、剪切力等参数的大小分布情况，发现动脉瘤薄弱破裂点或者可能的生长点，结合流线流形的复杂性，推断动脉瘤破裂预后情况，为确定治疗方案提供有力依据。
现有技术中，一般基于血流动力学进行动脉瘤破裂预后的预测，而不去考虑血流动力学参数与血管壁的位置关系，因此，推断动脉瘤破裂预后情况的方法并不准确。或者即使考虑血流动力学参数与血管壁的位置关系，由于MRA（MR angiography，磁共振血管成像）影像数据与增强核磁影像数据的空间不一致性，需要分别结合MRA影像数据与增强核磁影像数据分别进行观察后，进行动脉瘤破裂预后的预测，因此，该联合分析的方法存在极大的不便性。
发明内容
本说明书实施例提供一种融合方法，用于解决以下技术问题：
为解决上述技术问题，本说明书实施例是这样实现的：基于血流动力学进行动脉瘤破裂预后的预测的准确率较低，联合分析的方法存在极大的不便性。
本说明书实施例提供一种融合方法，包括：
基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；
基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
进一步地，所述基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据，具体包括：
以所述待处理的第一影像数据为移动图像，所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据进行变换，获取配准的第一影像数据。
进一步地，所述基于所述待处理的第二影像数据，获取血流动力学参数，具体包括：
基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数；
对所述第一血流动力学参数进行后处理，获取第二血流动力学参数。
进一步地，所述方法进一步包括：
对所述血流动力学参数进行归一化处理，获取归一化的血流动力学参数。
进一步地，所述预设边界条件为不同的血管类型，输入不同脉动波形的血流量，作为血管模型的入口参数。
进一步地，所述将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，具体包括：
将所述动力学参数与所述配准的第一影像数据的三个截面数据进行融合，获取融合的影像数据，所述三个截面数据为所述配准的第一影像数据的横断面数据、所述配准的第一影像数据的矢状面数据及所述配准的第一影像数据的冠状面数据；
和/或
将所述动力学参数与所述配准的第一影像数据的血管中心线切面数据进行融合，获取融合的影像数据；
和/或
将所述动力学参数与所述配准的第一影像数据的目标点对应的数据进行融合，获取融合的影像数据。
本说明书实施例还提供一种融合装置，包括：
配准模块，基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；
计算模块，基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
融合模块，将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
进一步地，所述基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据，具体包括：
以所述待处理的第一影像数据为移动图像，所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据进行变换，获取配准的第一影像数据。
进一步地，所述基于所述待处理的第二影像数据，获取血流动力学参数，具体包括：
基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数；
对所述第一血流动力学参数进行后处理，获取第二血流动力学参数。
进一步地，所述方法进一步包括：
对所述血流动力学参数进行归一化处理，获取归一化的血流动力学参数。
进一步地，所述预设边界条件为不同的血管类型，输入不同脉动波形的血流量，作为血管模型的入口参数。
进一步地，所述将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，具体包括：
将所述动力学参数与所述配准的第一影像数据的三个截面数据进行融合，获取融合的影像数据，所述三个截面数据为所述配准的第一影像数据的横断面数据、所述配准的第一影像数据的矢状面数据及所述配准的第一影像数据的冠状面数据；
和/或
将所述动力学参数与所述配准的第一影像数据的血管中心线切面数据进行融合，获取融合的影像数据；
和/或
将所述动力学参数与所述配准的第一影像数据的目标点对应的数据进行融合，获取融合的影像数据。
本说明书实施例还提供一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；
基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
本说明书实施例基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，能够提高动脉瘤破裂预后的预测的准确性，预测速度快，操作方便。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，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说明书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取其他的附图。
图1为本说明书实施例提供的一种融合方法的流程图；
图2为本说明书实施例提供的一种融合显示方法的流程图；
图3为本说明书实施例提供的又一种融合方法的流程图；
图4为本说明书实施例提供的一种融合方法的框架图；
图5为本说明书实施例提供的一种融合效果的示意图；
图6为本说明书实施例提供的一种融合装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都应当属于本申请保护的范围。
图1为本说明书实施例提供的一种融合方法的流程图，该方法包括：
步骤S101：基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据。
在本说明书实施例中，待处理的第一影像数据为增强核磁影像数据，待处理的第二影像数据为MRA影像数据。具体的，MRA影像数据及增强核磁影像数据均为三维影像数据。
在本说明书实施例中，所述基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据，具体包括：
以所述待处理的第一影像数据为移动图像，所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据进行变换，获取配准的第一影像数据。
在本说明书实施例中，以待处理的MRA影像数据为固定图像，以待处理的增强核磁影像数据为移动图像，将待处理的增强核磁影像数据进行变换，获取配准的增强核磁影像数据。
在本说明书实施例中，基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，可以采用刚性配准或者非刚性配准。
在本说明书的一个实施例中，采用基于互信息的配准方法，将待处理的MRA影像数据和待处理的增强核磁影像数据，进行图像配准，可以采用刚性配准或者非刚性配准。
具体的，采用刚性配准时，在本说明书的一个实施例中，采用基于互信息的配准方法，将第一影像数据与第二影像数据进行三维体（3D Volume）影像配准，使得第一影像数据和第二影像数据的互信息最大，实现第一影像数据和第二影像数据的配准，获取配准的第一影像数据。
在本说明书的一个实施例中，以待处理的MRA影像数据为固定图像，以待处理的增强核磁影像数据为移动图像，进行三维体影像配准，进行仿射变换后，对增强核磁影像数据进行处理，使得MRA影像数据和增强核磁影像数据的互信息最大，获取配准的增强核磁影像数据。
在本说明书的一个实施例中，采用非刚性配准时，即柔性配准，以所述待处理的第一影像数据为移动图像，所述待处理的第二影像数据为固定图像，使所述第一影像数据产生形变，以匹配第二影像数据，获取配准的第一影像数据。
具体的，以待处理的MRA影像数据为固定图像，以待处理的增强核磁影像数据为移动图像，使待处理的增强核磁影像数据产生形变，以匹配待处理的MRA影像数据，获取配准的增强核磁影像数据。
需要说明的是，在本说明书实施例中，优选刚性配准，以提高运算速度。
步骤S103：所述待处理的第二影像数据，获取血流动力学参数。
在本说明书实施例中，血流动力学参数包括第一血流动力学参数和第二血流动力学参数，所述基于所述待处理的第二影像数据，获取血流动力学参数，具体包括：
基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数；
对所述第一血流动力学参数进行后处理，获取第二血流动力学参数。
在本说明书实施例中，基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数，具体包括：
基于所述待处理的第二影像数据，进行三维重建，获得三维重建模型；
所述三维重建模型输入血流动力学模型，产生体网络，根据预设边界条件，进行动力学参数计算，获得第一血流动力学参数。
在本说明书实施例中，所述预设边界条件为不同的血管类型，输入不同脉动波形的血流量，作为血管模型的入口参数。
在本说明书的一个实施例中，基于所述待处理的第二影像数据，进行三维重建，获得三维重建模型，可以采取：基于待处理的第二影像数据，进行血管分割和等值面高精度三维重建，获得三维重建模型。具体地，以阈值及区域生长进行血管分割，利用Marching Cube方法进行等值面提取，获得三维重建模型。需要特别说明的是，三维重建模型的获取方法并不构成对本申请的限定。
在本说明书实施例中，对第一血流动力学参数进行后处理，获取第二血流动力学参数，具体包括：基于所述第一血流动力学参数，进行推导计算，获取第二血流动力学参数。基于第一血流动力学参数进行推导计算，获取第二血流动力学参数的具体方法，并不构成对本申请的限定。
在本说明书实施例中，第一血流动力学参数包括：血管壁压力、血流速度、血流冲击力、壁面剪切力中的一种或几种；第二血流动力学参数包括壁面剪切力震荡指数、壁面剪切力梯度中的一种或几种。
为了避免不同血管模型的血流动力学参数差异过大的问题，进一步地，对所述第一血流动力学参数和第二血流动力学参数进行归一化处理，获取归一化的血流动力学参数，以用于后续融合。
在本说明书实施例中，所述归一化处理包括：
获取所述第二影像数据对应的载瘤动脉区域的血流动力学参数的均值；
将第二影像数据的血流动力学参数与所述载瘤动脉区域的血流动力学参数的均值进行做比处理，以获得归一化的血流动力学参数。
需要特别说明的是，获取配准的第一影像数据及获取血流动力学参数，并没有先后顺序。
步骤S105：将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
由于待处理的第一影像数据与待处理的第二影像数据已经进行了配准，二者的空间位置的结构已经匹配，因此，载入到同一坐标时，二者是融合的。进一步地，由于血流动力学参数是基于第二影像数据获得的，所以，血流动力学参数和配准的第一影像数据中的像素点是对应的，二者是可以进行融合的。
在本说明书实施例中，所述将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，具体包括：
将所述动力学参数与所述配准的第一影像数据的三个截面数据进行融合，获取融合的影像数据，所述三个截面数据为所述配准的第一影像数据的横断面数据、所述配准的第一影像数据的矢状面数据及所述配准的第一影像数据的冠状面数据；
和/或
将所述动力学参数与所述配准的第一影像数据的血管中心线切面数据进行融合，获取融合的影像数据；
和/或
将所述动力学参数与所述配准的第一影像数据的目标点对应的数据进行融合，获取融合的影像数据。
需要特别说明的是，在本说明书实施例中，目标点为感兴趣的点，或者为特殊点。
在本说明书实施例中，基于第二影像数据获取血流动力学参数后，第二影像数据与血流动力学参数所在的影像，经过伪彩色处理后，与配准的第一影像数据进行空间融合。
为了进一步理解本说明书实施例提供的获取融合的影像数据的过程，图2为本说明书实施例提供的一种融合显示方法的流程图，如图2所示，第一影像数据与血流动力学参数在血管模型中，进行参数伪彩色处理后，与配准的第一影像数据进行空间融合，从而根据目的，进行不同的融合显示，包括：冠状面、矢状面和横截面显示、血管中心线切面显示、目标点截面显示。
为了进一步理解本说明书实施例提供的融合方法，图3为本说明书实施例提供的又一种融合方法的流程图。如图3所示，该方法包括以下步骤：
步骤S301，基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；
步骤S303，基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
步骤S305：将所述血流动力学参数进行归一化处理，获取归一化的血流动力学参数。
步骤S307：将所述归一化的血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
为了进一步理解本说明书实施例提供的融合方法，图4为本说明书实施例提供的一种融合方法的框架图。如图4所示，一方面，第一影像数据与第二影像数据进行配准，获得配准的第一影像数据；另一方面，第二影像数据经过血管分割、三维重建后，计算获得血流动力学参数；血流动力学参数与配准的第一影像数据进行融合显示。
为了更加形象的理解本说明书实施例提供的融合方法，图5为本说明书实施例提供的融合效果的示意图。如图5所示的融合显示效果，背景部分为第一影像数据（增强核磁影像数据），前景部分为血流动力学参数NWSS。
采用本说明书提供的融合方法，能够提高动脉瘤破裂预后的预测的准确性，预测速度快，操作方便。
上述内容详细说明了一种融合方法，与之相应的，本说明书还提供了一种融合装置，如图6所示。图6为本说明书实施例提供的一种融合装置的示意图，该装置包括：
配准模块601，基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；
计算模块603，基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
融合模块605，将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
进一步地，所述基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据，具体包括：
以所述待处理的第一影像数据为移动图像，所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据进行变换，获取配准的第一影像数据。
进一步地，所述基于所述待处理的第二影像数据，获取血流动力学参数，具体包括：
基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数；
对所述第一血流动力学参数进行后处理，获取第二血流动力学参数。
进一步地，所述方法进一步包括：
对所述血流动力学参数进行归一化处理，获取归一化的血流动力学参数。
进一步地，所述预设边界条件为不同的血管类型，输入不同脉动波形的血流量，作为血管模型的入口参数。
进一步地，所述将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，具体包括：
将所述动力学参数与所述配准的第一影像数据的三个截面数据进行融合，获取融合的影像数据，所述三个截面数据为所述配准的第一影像数据的横断面数据、所述配准的第一影像数据的矢状面数据及所述配准的第一影像数据的冠状面数据；
和/或
将所述动力学参数与所述配准的第一影像数据的血管中心线切面数据进行融合，获取融合的影像数据；
和/或
将所述动力学参数与所述配准的第一影像数据的目标点对应的数据进行融合，获取融合的影像数据。
本说明书实施例还提供一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；
基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书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、电子设备、非易失性计算机存储介质实施例而言，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。
本说明书实施例提供的装置、电子设备、非易失性计算机存储介质与方法是对应的，因此，装置、电子设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、电子设备、非易失性计算机存储介质的有益技术效果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
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。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书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，对于系统实施例而言，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。
以上所述仅为本说明书实施例而已，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 (13)
1.一种融合方法，其特征在于，所述方法包括：
基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；其中包括：以所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据和待处理的第二影像数据进行三维体影像配准，使得所述待处理的第一影像数据和待处理的第二影像数据的互信息最大；所述待处理的第一影像数据为三维增强核磁影像数据，所述待处理的第二影像数据为三维MRA影像数据；
基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
2.如权利要求1所述的方法，其特征在于，所述基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据，具体包括：
以所述待处理的第一影像数据为移动图像，将所述待处理的第一影像数据进行变换，获取配准的第一影像数据。
3.如权利要求1所述的方法，其特征在于，所述基于所述待处理的第二影像数据，获取血流动力学参数，具体包括：
基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数；
对所述第一血流动力学参数进行后处理，获取第二血流动力学参数。
4.如权利要求3所述的方法，其特征在于，所述方法进一步包括：
对所述血流动力学参数进行归一化处理，获取归一化的血流动力学参数。
5.如权利要求3所述的方法，其特征在于，所述预设边界条件为不同的血管类型，输入不同脉动波形的血流量，作为血管模型的入口参数。
6.如权利要求1所述的方法，其特征在于，所述将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，具体包括：
将所述动力学参数与所述配准的第一影像数据的三个截面数据进行融合，获取融合的影像数据，所述三个截面数据为所述配准的第一影像数据的横断面数据、所述配准的第一影像数据的矢状面数据及所述配准的第一影像数据的冠状面数据；
和/或
将所述动力学参数与所述配准的第一影像数据的血管中心线切面数据进行融合，获取融合的影像数据；
和/或
将所述动力学参数与所述配准的第一影像数据的目标点对应的数据进行融合，获取融合的影像数据。
7.一种融合装置，其特征在于，所述装置包括：
配准模块，基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；其中包括：以所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据和待处理的第二影像数据进行三维体影像配准，使得所述待处理的第一影像数据和待处理的第二影像数据的互信息最大；所述待处理的第一影像数据为三维增强核磁影像数据，所述待处理的第二影像数据为三维MRA影像数据；
计算模块，基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
融合模块，将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
8.如权利要求7所述的装置，其特征在于，所述基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据，具体包括：
以所述待处理的第一影像数据为移动图像，将所述待处理的第一影像数据进行变换，获取配准的第一影像数据。
9.如权利要求7所述的装置，其特征在于，所述基于所述待处理的第二影像数据，获取血流动力学参数，具体包括：
基于所述待处理的第二影像数据及预设边界条件，获取第一血流动力学参数；
对所述第一血流动力学参数进行后处理，获取第二血流动力学参数。
10.如权利要求9所述的装置，其特征在于，所述装置进一步包括：
对所述血流动力学参数进行归一化处理，获取归一化的血流动力学参数。
11.如权利要求9所述的装置，其特征在于，所述预设边界条件为不同的血管类型，输入不同脉动波形的血流量，作为血管模型的入口参数。
12.如权利要求7所述的装置，其特征在于，所述将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据，具体包括：
将所述动力学参数与所述配准的第一影像数据的三个截面数据进行融合，获取融合的影像数据，所述三个截面数据为所述配准的第一影像数据的横断面数据、所述配准的第一影像数据的矢状面数据及所述配准的第一影像数据的冠状面数据；
和/或
将所述动力学参数与所述配准的第一影像数据的血管中心线切面数据进行融合，获取融合的影像数据；
和/或
将所述动力学参数与所述配准的第一影像数据的目标点对应的数据进行融合，获取融合的影像数据。
13.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
基于待处理的第一影像数据和待处理的第二影像数据，进行图像配准，获取配准的第一影像数据；其中包括：以所述待处理的第二影像数据为固定图像，将所述待处理的第一影像数据和待处理的第二影像数据进行三维体影像配准，使得所述待处理的第一影像数据和待处理的第二影像数据的互信息最大；所述待处理的第一影像数据为三维增强核磁影像数据，所述待处理的第二影像数据为三维MRA影像数据；
基于所述待处理的第二影像数据，获取血流动力学参数，所述血流动力学参数包括第一血流动力学参数和第二血流动力学参数；
将所述血流动力学参数与所述配准的第一影像数据进行融合，获取融合的影像数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210208208.7A CN114663362B (zh) | 2022-03-04 | 2022-03-04 | 一种融合方法、装置以及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210208208.7A CN114663362B (zh) | 2022-03-04 | 2022-03-04 | 一种融合方法、装置以及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114663362A CN114663362A (zh) | 2022-06-24 |
| CN114663362B true CN114663362B (zh) | 2024-03-29 |
Family
ID=82027064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210208208.7A Active CN114663362B (zh) | 2022-03-04 | 2022-03-04 | 一种融合方法、装置以及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114663362B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009226043A (ja) * | 2008-03-24 | 2009-10-08 | Gifu Univ | 医用画像処理装置及び異常陰影検出方法 |
| CN102641561A (zh) * | 2004-02-20 | 2012-08-22 | 佛罗里达大学研究基金会公司 | 用于提供适形放射治疗同时对软组织进行成像的系统 |
| US8311300B1 (en) * | 2009-04-14 | 2012-11-13 | Ziosoft, Inc. | Medical image processing apparatus and method |
| CN103810754A (zh) * | 2014-03-04 | 2014-05-21 | 姜卫剑 | 医用图像处理方法 |
| CN107491636A (zh) * | 2017-07-26 | 2017-12-19 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
| CN107507212A (zh) * | 2017-08-18 | 2017-12-22 | 中国科学院深圳先进技术研究院 | 数字脑可视化方法、装置、计算设备及存储介质 |
| CN110517242A (zh) * | 2019-08-23 | 2019-11-29 | 强联智创（北京）科技有限公司 | 一种动脉瘤的分析方法及装置 |
| CN110599527A (zh) * | 2019-08-23 | 2019-12-20 | 首都医科大学宣武医院 | 一种mra影像数据的配准方法及装置 |
| CN110914916A (zh) * | 2017-07-17 | 2020-03-24 | 皇家飞利浦有限公司 | 用于监测evar后患者的成像方法、控制器和成像系统 |
| CN111968222A (zh) * | 2020-08-04 | 2020-11-20 | 西北工业大学 | 一种人体组织非静止状态下三维超声重建方法 |
| CN112102384A (zh) * | 2020-10-14 | 2020-12-18 | 山东大学 | 一种非刚性医学影像配准方法及系统 |
| CN112749521A (zh) * | 2021-02-08 | 2021-05-04 | 北京泰杰伟业科技有限公司 | 血流动力学指标数据的处理方法和系统 |
| CN112991315A (zh) * | 2021-03-30 | 2021-06-18 | 清华大学 | 一种血管病变的识别方法、系统、存储介质及电子设备 |
| CN113076705A (zh) * | 2021-03-26 | 2021-07-06 | 北京阅影科技有限公司 | 血流动力的仿真方法及装置 |
| CN113077435A (zh) * | 2021-03-30 | 2021-07-06 | 昆明同心医联科技有限公司 | 基于血流动力学的动脉瘤分析方法及装置 |
| CN113129301A (zh) * | 2021-05-11 | 2021-07-16 | 首都医科大学附属北京天坛医院 | 一种颅内动脉瘤手术规划的预测方法、装置以及设备 |
| CN113545846A (zh) * | 2021-07-22 | 2021-10-26 | 强联智创（北京）科技有限公司 | 一种血流动力学仿真模拟方法、装置以及设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI221406B (en) * | 2001-07-30 | 2004-10-01 | Epix Medical Inc | Systems and methods for targeted magnetic resonance imaging of the vascular system |
| US9135699B2 (en) * | 2012-03-15 | 2015-09-15 | Siemens Aktiengesellschaft | Method and system for hemodynamic assessment of aortic coarctation from medical image data |
-
2022
- 2022-03-04 CN CN202210208208.7A patent/CN114663362B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102641561A (zh) * | 2004-02-20 | 2012-08-22 | 佛罗里达大学研究基金会公司 | 用于提供适形放射治疗同时对软组织进行成像的系统 |
| JP2009226043A (ja) * | 2008-03-24 | 2009-10-08 | Gifu Univ | 医用画像処理装置及び異常陰影検出方法 |
| US8311300B1 (en) * | 2009-04-14 | 2012-11-13 | Ziosoft, Inc. | Medical image processing apparatus and method |
| CN103810754A (zh) * | 2014-03-04 | 2014-05-21 | 姜卫剑 | 医用图像处理方法 |
| CN110914916A (zh) * | 2017-07-17 | 2020-03-24 | 皇家飞利浦有限公司 | 用于监测evar后患者的成像方法、控制器和成像系统 |
| CN107491636A (zh) * | 2017-07-26 | 2017-12-19 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
| CN107507212A (zh) * | 2017-08-18 | 2017-12-22 | 中国科学院深圳先进技术研究院 | 数字脑可视化方法、装置、计算设备及存储介质 |
| CN110517242A (zh) * | 2019-08-23 | 2019-11-29 | 强联智创（北京）科技有限公司 | 一种动脉瘤的分析方法及装置 |
| CN110599527A (zh) * | 2019-08-23 | 2019-12-20 | 首都医科大学宣武医院 | 一种mra影像数据的配准方法及装置 |
| CN111968222A (zh) * | 2020-08-04 | 2020-11-20 | 西北工业大学 | 一种人体组织非静止状态下三维超声重建方法 |
| CN112102384A (zh) * | 2020-10-14 | 2020-12-18 | 山东大学 | 一种非刚性医学影像配准方法及系统 |
| CN112749521A (zh) * | 2021-02-08 | 2021-05-04 | 北京泰杰伟业科技有限公司 | 血流动力学指标数据的处理方法和系统 |
| CN113076705A (zh) * | 2021-03-26 | 2021-07-06 | 北京阅影科技有限公司 | 血流动力的仿真方法及装置 |
| CN112991315A (zh) * | 2021-03-30 | 2021-06-18 | 清华大学 | 一种血管病变的识别方法、系统、存储介质及电子设备 |
| CN113077435A (zh) * | 2021-03-30 | 2021-07-06 | 昆明同心医联科技有限公司 | 基于血流动力学的动脉瘤分析方法及装置 |
| CN113129301A (zh) * | 2021-05-11 | 2021-07-16 | 首都医科大学附属北京天坛医院 | 一种颅内动脉瘤手术规划的预测方法、装置以及设备 |
| CN113545846A (zh) * | 2021-07-22 | 2021-10-26 | 强联智创（北京）科技有限公司 | 一种血流动力学仿真模拟方法、装置以及设备 |
Non-Patent Citations (6)
| Title |
|---|
| 3D-DSA与MRI影像融合技术及其在脑动静脉畸形术前评估中的应用;李乾等;《中国微侵袭神经外科杂志》;第21卷(第6期);241-244 * |
| Curvelet transform-based volume fusion for correcting signal loss artifacts in time-of-flight magnetic resonance angiography data;Baghaie A等;《Computers in biology and medicine》;第99卷;摘要、第2节及图1 * |
| Patient-specific computational fluid dynamics—assessment of aortic hemodynamics in a spectrum of aortic valve pathologies;Youssefi P等;《The Journal of thoracic and cardiovascular surgery》;第153卷(第1期);8-20 * |
| 影像融合技术在脑血管疾病诊治中应用的研究进展;成思等;《河北医科大学学报》;第38卷(第9期);1112-1116 * |
| 磁共振弹性成像测量脑血管生物力学特性研究;汪灵杰等;《中国医学计算机成像杂志》;第27卷(第3期);204-208 * |
| 脑中动脉图谱建立及其在烟雾病血管重建术定量分析的应用;陆万鑫;《万方数据》;1-68 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114663362A (zh) | 2022-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345585B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 | |
| CN109493348B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 | |
| CN109389637B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 | |
| TW201926078A (zh) | 詞向量處理方法、裝置以及設備 | |
| CN110517780A (zh) | 一种动脉瘤破裂风险评估方法及系统 | |
| CN109584997B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 | |
| CN111081378B (zh) | 一种动脉瘤破裂风险评估方法及系统 | |
| CN110517242A (zh) | 一种动脉瘤的分析方法及装置 | |
| CN109584169A (zh) | 一种基于中心线的颅内血管图像的截取方法及系统 | |
| CN109448004A (zh) | 一种基于中心线的颅内血管图像的截取方法及系统 | |
| CN111863263B (zh) | 一种模拟方法、装置以及设备 | |
| CN111584077A (zh) | 一种动脉瘤破裂风险评估方法及系统 | |
| CN110534193A (zh) | 一种动脉瘤破裂风险评估方法及系统 | |
| CN109447967B (zh) | 一种颅内动脉瘤图像的分割方法及系统 | |
| CN114663362B (zh) | 一种融合方法、装置以及设备 | |
| CN110517244B (zh) | 一种基于dsa图像的定位方法及系统 | |
| CN112927815B (zh) | 一种预测颅内动脉瘤信息的方法、装置以及设备 | |
| CN111863262B (zh) | 一种模拟方法、装置以及设备 | |
| CN110739078B (zh) | 一种动脉瘤破裂风险评估方法及系统 | |
| CN111815622B (zh) | 一种支架模拟中心线的优化方法、装置以及设备 | |
| JP7459357B1 (ja) | 画像認識方法、装置、デバイスおよび記憶媒体 | |
| CN110599527A (zh) | 一种mra影像数据的配准方法及装置 | |
| CN110517243A (zh) | 一种基于dsa图像的定位方法及系统 | |
| CN117726907B (zh) | 一种建模模型的训练方法、三维人体建模的方法以及装置 | |
| CN117270688A (zh) | 基于ar场景的防碰撞方法及装置 |
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 |