CN114880960A - 基于流体动力学的放射栓塞剂量及注射位置评估方法 - Google Patents
基于流体动力学的放射栓塞剂量及注射位置评估方法 Download PDFInfo
- Publication number
- CN114880960A CN114880960A CN202110802053.5A CN202110802053A CN114880960A CN 114880960 A CN114880960 A CN 114880960A CN 202110802053 A CN202110802053 A CN 202110802053A CN 114880960 A CN114880960 A CN 114880960A
- Authority
- CN
- China
- Prior art keywords
- embolization
- blood vessel
- dose
- efficiency
- organ
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000002347 injection Methods 0.000 title claims abstract description 38
- 239000007924 injection Substances 0.000 title claims abstract description 38
- 239000012530 fluid Substances 0.000 title claims abstract description 33
- 230000002285 radioactive effect Effects 0.000 title claims abstract description 17
- 208000005189 Embolism Diseases 0.000 title claims description 41
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 60
- 230000005855 radiation Effects 0.000 claims abstract description 60
- 230000010102 embolization Effects 0.000 claims abstract description 56
- 239000004005 microsphere Substances 0.000 claims abstract description 49
- 210000000056 organ Anatomy 0.000 claims abstract description 45
- 230000006378 damage Effects 0.000 claims abstract description 27
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 18
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 12
- 208000014674 injury Diseases 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000013136 deep learning model Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 210000001367 artery Anatomy 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000008816 organ damage Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005094 computer simulation Methods 0.000 claims description 8
- 230000000873 masking effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 206010028980 Neoplasm Diseases 0.000 abstract description 4
- 230000010108 arterial embolization Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000011282 treatment Methods 0.000 abstract description 4
- 238000002697 interventional radiology Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000010110 radioembolization Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000002828 effect on organs or tissue Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1001—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy using radiation sources introduced into or applied onto the body; brachytherapy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Animal Behavior & Ethology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及介入放射学动脉栓塞技术领域，公开了一种基于流体动力学的放射栓塞剂量及注射位置评估方法。获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模两种方法分别对动脉树进行识别、三维重建；对重建后的血管进行分割和命名；基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估，保证对肿瘤的治疗效果。
Description
技术领域
本发明涉及介入放射学动脉栓塞技术领域，尤其涉及一种基于流体动力学的放射栓塞剂量及注射位置评估方法。
背景技术
放射性栓塞术是将放射性疗法和一种被称为“动脉栓塞术”的医疗手段相结合的产物，目前主要用于治疗癌症。简言之，就是让含有放射性物质的微小粒子注入血管，通过血液流动，最终堵塞流向癌细胞的血液。
但是，目前注入粒子的位置以及栓塞效率等难以精确的预判，并高精度的控制和调整，更无法实时、动态的评估放射栓塞操作对人体器官的损害程度，严重影响动脉栓塞的治疗效果。
发明内容
本发明的目的在于提供一种基于流体动力学的放射栓塞剂量及注射位置评估方法，保证对器官的最优治疗效果。
为实现上述目的，本发明提供了一种基于流体动力学的放射栓塞剂量及注射位置评估方法，包括以下步骤：
获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模方法分别对动脉树进行识别、三维重建，对重建后的血管进行分割和命名；
基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；
基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，基于所述微球放射剂量对器官的损害度进行评估。
其中，所述方法还包括：
对栓塞注射位置和所述微球放射剂量进行映射，并进行实时展示。
其中，获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模两种方法分别对动脉树进行识别、三维重建，对重建后的血管进行分割和命名，包括：
利用已有的器官医学影像学图像对深度学习模型进行训练，得到医学影像学血管识别模型，利用模型识别出每张医学影像学图像上的血管，然后对血管进行三维重建；
利用精确建模方法对动脉树进行识别、三维重建；
利用区域增长等分割方法分割出动脉树，并利用三维拓扑细化方法提取出各动脉的中心线；
对血管进行交互分级标记，之后利用距离变换和Voronoi算法进行计算，并利用器官轮廓进行值掩，得到分段结果；
基于所述分段结果对分割后的动脉树进行命名。
其中，基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况，包括：
基于分割后的动脉树，基于流体动力学对三维重建后的模型展开计算，获取栓塞部位各个血管出口的流量；
基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率。
其中，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率，包括：
基于分割后的血管分段以及分段截面，计算各段总分支与各段分支流量；
根据分支与总分支的流量比值计算出对应的栓塞效率和器官损伤情况；
基于流体动力学的计算模型以及计算得出的栓塞效率，三维云图展示不同栓塞位置注射时的栓塞效率。
其中，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率之后，所述方法还包括：
根据所述栓塞效率和对应的三维云图数值，以及器官损伤情况，对栓塞位置注射点进行调整。
其中，基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估，包括：
根据流量比例计算各个血管出口的微球放射数量；
利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图；
基于所述微球放射剂量对器官的损害度进行评估。
本发明的一种基于流体动力学的放射栓塞剂量及注射位置评估方法，获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模两种方法分别对动脉树进行识别、三维重建；对重建后的血管进行分割和命名；基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估，保证对肿瘤的治疗效果。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于流体动力学的放射栓塞剂量及注射位置评估方法的步骤示意图。
图2是本发明提供的一种基于流体动力学的放射栓塞剂量及注射位置评估方法的流程示意图。
图3是本发明提供的一种基于流体动力学的放射栓塞剂量及注射位置评估系统的结构示意图。
1-图像处理模块、2-分割命名模块、3-栓塞效率计算模块、4-器官损伤评估模块、5-微球放射评估模块。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，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。
请参阅图1和图2，本发明提供一种基于流体动力学的放射栓塞剂量及注射位置评估方法，包括以下步骤：
S101、获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模两种方法分别对动脉树进行识别、三维重建；对重建后的血管进行分割和命名。
具体的，
(1)载入医学影像学图像，例如器官动脉成像的动脉期图像序列，对其进行预处理，并分割得到器官轮廓图像；再利用分割好的器官轮廓图像对动脉期的图像序列进行值掩处理，得到器官图像；其中，
预处理为：对器官动脉期图像序列进行数据裁剪，采用双线性插值对裁剪后的数据插值，然后利用各向异性滤波去噪；并转换为灰度图，同时，将对应的灰度值进行对应赋值；
值掩为：以精确分割得到的器官轮廓图像为模板，对经过预处理的器官动脉期图像序列进行值掩，得到器官图像；
(2)对器官图像进行血管增强处理，分割出动脉血管，然后提取动脉中心线；其具体实现步骤为：
(2.1)器官动脉血管增强；
(a1)调整器官图像的窗宽、窗位，并对灰度值进行归一化，获得归一化后的器官图像；
(a2)统计并分析归一化后的器官图像直方图，确定感兴趣灰度范围，即动脉血管的灰度范围；
(a3)在感兴趣灰度范围内，对器官图像进行基于Hessian矩阵的多尺度滤波，得到增强的动脉图像；
(2.2)从增强后的动脉图像中分割出动脉血管；
(2.3)从分割出的动脉中提取动脉血管的中心线：
(b1)对动脉血管进行孔洞填充；
(b2)利用三维拓扑细化方法得到动脉血管的初始中心线；
(b3)利用深度优先搜索算法检测步骤(b2)获得的动脉血管的初始中心线中存在的环；
(2.4)分析步骤(2.3)获得的动脉血管的中心线中的每个环并解环，然后对中心线数据进行剪枝，去除伪分支，得到动脉中心线；
(3)利用动脉中心线重建动脉血管树，或利用其它精确建模技术识别出医学影像学图像上的血管，然后对血管进行三维重建；
(4)利用交互式的方法对其分级，并对相应的中心线标记以不同的灰度值；
(5)对分级得到的动脉中心线数据进行距离变换，得到动脉中心线的距离图像，并计算其Voronoi图，然后利用步骤(1)分割好的器官轮廓图像对Voronoi图进行值掩，得到器官分段图；
基于所述分段结果对分割后的动脉树进行命名，首先，将动脉树看作是二叉树原理，分别确定根节点和分叉节点，将第一个根节点命名为1，下一级根节点则命名为11、12……类推，在下一级根节点则命名为111、112、121、122……以此类推，下一级根节点会在上一级根节点上增加一位数，直至所有节点命名完成，基于命名规则，可以直观的显示出当前节点的走向。自动分割、自动命名的目的是为了后续进行流体动力学计算后便于抓取不同区域、截面的流场参数，从而进行数据分析。
S102、基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况。
具体的，基于分割后的动脉树，基于流体动力学对三维重建后的模型展开计算，获取栓塞部位各个血管出口的流量；将得到的流量利用对应的节点命名进行标记，便于直观的了解是哪一个血管出口的流量。
详细流程为：
根据分割后的血管分段以及分段截面，计算各段总分支与各段分支流量；
根据分支与总分支的流量比值计算出对应的栓塞效率和器官损伤情况；
基于流体动力学的计算模型以及计算得出的栓塞效率，三维云图展示不同栓塞位置注射时的栓塞效率。
根据所述栓塞效率和对应的三维云图数值，以及器官损伤情况，对栓塞位置注射点进行调整。
S103、基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估。
具体的，根据所述栓塞效率和流量比例，计算出各个血管出口的微球放射数量，然后计算出各个血管出口的微球放射剂量，基于所述微球放射剂量计算出微球放射范围，并基于所述微球放射范围和微球放射剂量对器官的损害度进行评估；其中，基于统计模拟方法计算辐射剂量分布；流量比例也就是微球数量在各个出口的比例，通常认为微球是均布在血液中的，所以流量比例即微球比例，微球又是辐射源，所以可以据此推测微球放射范围，以及根据此微球放射范围估算对器官的损害，即误杀了器官健康组织。
其中，基于微球数量计算出口的放射剂量，这部分可以做成实时显示的状态，便于治疗人员直观的掌握当前的微球放射剂量以及所处的位置，同时，根据放射剂量对器官的影响的评估，可以起到指导手术的作用，可以便于治疗人员分析当前手术过程中注射位置的合理性。
请参阅图3，本发明提供一种基于流体动力学的放射栓塞剂量及注射位置评估系统，包括依次连接的图像处理模块1、分割命名模块2、栓塞效率计算模块3、器官损伤评估模块4和微球放射评估模块5；
所述图像处理模块1，获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模两种方法分别对动脉树进行识别、三维重建；
所述分割命名模块2，对重建后的血管进行分割和命名，目的是为了后续进行流体动力学计算后便于抓取不同区域、截面的流场参数，从而进行数据分析；
所述栓塞效率计算模块3，用于获取栓塞部位各个血管出口流量，并基于所述流量计算出不同栓塞位置注射时的栓塞效率；
所述器官损伤评估模块4，计算出不同栓塞位置注射时的器官损伤情况；
所述微球放射评估模块5，用于基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估。
在本实施方式中，关于一种基于流体动力学的放射栓塞剂量及注射位置评估系统的具体限定可以参见上文中对于一种基于流体动力学的放射栓塞剂量及注射位置评估方法的限定，在此不再赘述。上述一种基于流体动力学的放射栓塞剂量及注射位置评估系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于本发明专利所涵盖的范围。
Claims (7)
1.一种基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，包括以下步骤：
获取医学影像学图像并进行预处理，利用训练后的深度学习模型对动脉树进行识别、三维重建；
利用精确建模方法对动脉树进行识别、三维重建；
对重建后的血管进行分割和命名；
基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；
基于流量比例计算各个血管出口的微球数量和放射剂量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图；
基于所述微球放射剂量对器官的损害度进行评估。
2.如权利要求1所述的基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，所述方法还包括：
对栓塞注射位置和所述微球放射剂量进行映射，并进行实时展示。
3.如权利要求1所述的基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，获取医学影像学图像并进行预处理，利用训练后的深度学习模型和精确建模两种方法分别对动脉树进行识别、三维重建，对重建后的血管进行分割和命名，包括：
利用已有的器官医学影像学图像对深度学习模型进行训练，得到医学影像学血管识别模型，利用模型识别出每张医学影像学图像上的血管，然后对血管进行三维重建；
利用精确建模方法对动脉树进行识别、三维重建；
利用区域增长等分割方法分割出动脉树，并利用三维拓扑细化方法提取出各动脉的中心线；
对血管进行交互分级标记，之后利用距离变换和Voronoi算法进行计算，并利用器官轮廓进行值掩，得到分段结果；
基于所述分段结果对分割后的动脉树进行命名。
4.如权利要求1所述的基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，基于流体动力学获取栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况，包括：
基于分割后的动脉树，基于流体动力学对三维重建后的模型展开计算，获取栓塞部位各个血管出口的流量；
基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率。
5.如权利要求4所述的基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率，包括：
基于分割后的血管分段以及分段截面，计算各段总分支与各段分支流量；
根据分支与总分支的流量比值计算出对应的栓塞效率和器官损伤情况；
基于流体动力学的计算模型以及计算得出的栓塞效率，三维云图展示不同栓塞位置注射时的栓塞效率。
6.如权利要求5所述的基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率之后，所述方法还包括：
根据所述栓塞效率和对应的三维云图数值，以及器官损伤情况，对栓塞位置注射点进行调整。
7.如权利要求1所述的基于流体动力学的放射栓塞剂量及注射位置评估方法，其特征在于，基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估，包括：
根据流量比例计算各个血管出口的微球放射数量；
利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图；
基于所述微球放射剂量对器官的损害度进行评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110802053.5A CN114880960A (zh) | 2021-07-15 | 2021-07-15 | 基于流体动力学的放射栓塞剂量及注射位置评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110802053.5A CN114880960A (zh) | 2021-07-15 | 2021-07-15 | 基于流体动力学的放射栓塞剂量及注射位置评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114880960A true CN114880960A (zh) | 2022-08-09 |
Family
ID=82667985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110802053.5A Pending CN114880960A (zh) | 2021-07-15 | 2021-07-15 | 基于流体动力学的放射栓塞剂量及注射位置评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114880960A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116092632A (zh) * | 2023-03-15 | 2023-05-09 | 南京谷睿生物科技有限公司 | 一种用于放射性药物评价的核医学成像数据分析方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425186A (zh) * | 2008-11-17 | 2009-05-06 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
| US20150178467A1 (en) * | 2013-12-20 | 2015-06-25 | Siemens Aktiengesellschaft | Method to determine a patient-specific injection profile for administering a therapeutic substance |
| CN105096388A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 基于计算流体力学的冠状动脉血流仿真系统和方法 |
| CN111127552A (zh) * | 2020-03-26 | 2020-05-08 | 南京景三医疗科技有限公司 | 血管三维重建方法、医疗设备及存储介质 |
-
2021
- 2021-07-15 CN CN202110802053.5A patent/CN114880960A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101425186A (zh) * | 2008-11-17 | 2009-05-06 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
| US20150178467A1 (en) * | 2013-12-20 | 2015-06-25 | Siemens Aktiengesellschaft | Method to determine a patient-specific injection profile for administering a therapeutic substance |
| CN105096388A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 基于计算流体力学的冠状动脉血流仿真系统和方法 |
| CN111127552A (zh) * | 2020-03-26 | 2020-05-08 | 南京景三医疗科技有限公司 | 血管三维重建方法、医疗设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 中国生物技术发展中心: "基于MATLAB和遗传算法的图像处理", 西安电子科技大学出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116092632A (zh) * | 2023-03-15 | 2023-05-09 | 南京谷睿生物科技有限公司 | 一种用于放射性药物评价的核医学成像数据分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111476757B (zh) | 一种冠脉斑块数据检测方法、系统、存储介质、终端 | |
| CN105913432B (zh) | 基于ct序列图像的主动脉提取方法及装置 | |
| US20170262733A1 (en) | Method and System for Machine Learning Based Classification of Vascular Branches | |
| CN111145173A (zh) | 一种冠脉造影图像的斑块识别方法、装置、设备及介质 | |
| CN110415234A (zh) | 基于多参数磁共振成像的脑部肿瘤分割方法 | |
| CN113436185B (zh) | 肝脏静脉血管三维结构特征定量分析方法、装置、计算机设备和存储介质 | |
| CN107481254A (zh) | 医学图像的处理方法、装置、介质和电子设备 | |
| CN116050691A (zh) | 医疗影像报告评估方法、装置、电子设备及存储介质 | |
| CN114533002B (zh) | 一种颈动脉中心线提取方法、装置、存储介质及电子设备 | |
| CN110738702B (zh) | 一种三维超声图像的处理方法、装置、设备及存储介质 | |
| CN114880960A (zh) | 基于流体动力学的放射栓塞剂量及注射位置评估方法 | |
| CN113989231A (zh) | 动力学参数的确定方法、装置、计算机设备和存储介质 | |
| CN113012118A (zh) | 图像处理方法以及图像处理装置 | |
| CN116309551B (zh) | 确定病灶取样区的方法、装置、电子设备及可读介质 | |
| CN114782443A (zh) | 基于数据增强的动脉瘤风险评估的装置和存储介质 | |
| Lopes et al. | A methodical approach for detection and 3-D reconstruction of brain tumor in MRI | |
| CN111971751A (zh) | 用于评估动态数据的系统和方法 | |
| WO2009019535A1 (en) | A method, apparatus, computer-readable medium and use for pharmacokinetic modeling | |
| CN111798468B (zh) | 图像处理方法及装置、存储介质及电子终端 | |
| Kulathilake et al. | A segmentation method for extraction of main arteries from coronary cine-angiograms | |
| CN114242212A (zh) | 一种用于提高位置精度的施源器重建方法和系统 | |
| Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. | |
| CN111754510A (zh) | 一种血供分析方法、装置及存储介质 | |
| CN114882977A (zh) | 基于流体动力学的放射栓塞效率评估方法 | |
| US12086981B2 (en) | Methods and systems for computer-assisted medical image analysis using sequential model |
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 |