CN115222711A - 一种血管中心线提取方法及装置 - Google Patents

一种血管中心线提取方法及装置 Download PDF

Info

Publication number
CN115222711A
CN115222711A CN202210894873.6A CN202210894873A CN115222711A CN 115222711 A CN115222711 A CN 115222711A CN 202210894873 A CN202210894873 A CN 202210894873A CN 115222711 A CN115222711 A CN 115222711A
Authority
CN
China
Prior art keywords
blood vessel
curve
points
image data
point
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
Application number
CN202210894873.6A
Other languages
English (en)
Inventor
王小冬
房军
王砚池
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.)
Suzhou Peixin Technology Co ltd
Original Assignee
Suzhou Peixin 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 Suzhou Peixin Technology Co ltd filed Critical Suzhou Peixin Technology Co ltd
Priority to CN202210894873.6A priority Critical patent/CN115222711A/zh
Publication of CN115222711A publication Critical patent/CN115222711A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种血管中心线提取的方法及装置，涉及计算机领域，特别医学图像处理领域，该方法包括：获取医学影像数据；对所述医学影像数据进行三维重建，得到三维模型；选取所需血管对应的影像数据；对三维视图中的Z轴进行扫描，得到血管截面并进行椭圆拟合，提取所述血管椭圆截面的中心点生成曲线；对所述中心点形成的曲线进行平滑处理；对所述中心点组成的中心线进行采样去点，去除不合适点，留下符合条件的点，生成最终中心线。本发明还提供了一种血管中心线提取装置及计算机可读存储介质。

Description

一种血管中心线提取方法及装置
技术领域
本发明涉及计算机领域，特别是涉及一种血管中心线提取的方法及装置。
背景技术
血管中心线提取技术是生物医学工程的一个重要应用分支，其是分析和诊断心脑血管疾病等的重要辅助手段。对于心脏瓣膜手术评估，心脏内血管中心线精准高效的提取必不可少。精确的血管中心线对于手术前的路径规划，术中操作，术后效果监测等都具有非常重要的意义
一般的最小路径方法通常通过在图像中的起始点和终点之间寻找一条通过血管内部的最短路径来实现对血管中心线的提取，通过这种方法提取的中心线在局部区域的平滑性较差，并且所提取的结果并不准确位于血管的截面中心，而常常需要后期的调整。
直接中心线跟踪的方案非常稀疏地探索图像，该方法通常耗时较少，能够比较好的跟踪出血管中心线的各个分支并且获得比较连续的中心点。该方法的关键性问题在于血管方向的预测以及跟踪步长的选择，通常情况下血管方向预测的准确性受噪声的影响较大，跟踪步长也比较难选择。直接跟踪的方法通常对血管主曲率存在严重的依赖，因此限制了它们捕捉更复杂结构之间差异的能力。
因此，有必要提供一种简单便捷的用于提取血管中心线的技术，使得能够提供精准并高效地提取出完整的血管中心线。
发明内容
为解决传统方法中心线提取存在精确度不高、提取不完整、操作繁琐的问题，提升中心线提取效率，本发明提供了一种关于血管中心线的提取方法，其中包括：获取医学影像数据；对所述医学影像数据进行三维重建，得到体绘制或面绘制三维模型；选取所需血管对应的影像数据，所述影像数据的首末影像分别为血管的起点与终点；对三维视图中的Z轴进行扫描，得到血管截面并进行椭圆拟合，椭圆拟合根据二次曲线标准化法，得到一系列血管椭圆截面，提取所述血管椭圆截面的中心点生成曲线；对所述中心点形成的曲线进行平滑处理，方法为进行五阶贝塞尔曲线优化，即：B(t)＝P0(1-t)^5+5*P1*t(1-t)^4+10*P2*t^2(1-t)^3+10*P3*t^3(1-t)^2+5*P4*t^4(1-t)+P5*t^5，t为【0，1】范围内；对所述中心点组成的中心线进行采样去点，去除不合适点，方法为：在大量已选点样本中，根据设定点与前一点切线之间角度阈值进行修正，舍弃超出阈值部分点，留下符合条件的点，生成最终中心线。
在一些实施例中，获取的所述医学图像包括：电子计算机断层扫描CT图像，或磁共振MRI图像，或B超图像。
在一些实施例中，所述三维重建的方法包括体绘制、面绘制。
在一些实施例中，所述血管截面的获取方法为对三维视图中的Z轴进行扫描。
在一些实施例中，所述对血管截面进行椭圆拟合方法为：二次曲线标准化法。椭圆上的点在平面坐标系下为二次多项式方程，获取方法分为两步，第一步是对平面坐标系的坐标进行拟合，确定二次曲线方程系数，第二步是通过坐标系之间的平移和旋转消去二次混成项和一次项，求得曲线方程，进而确定整个椭圆参数。
在一些实施例中，所述各阶贝塞尔曲线为：
一阶为：B(t)＝(1-t)P0+tP1；
二阶为：B(t)＝(1-t)^2*P0+2t(1-t)P1+t^2*P2；
三阶为：B(t)＝P0(1-t)^3+3*P1*t(1-t)^2+3*P2*t^2(1-t)+P3*t^3；
由此可得五阶贝塞尔曲线方程为B(t)＝P0(1-t)^5+5*P1*t(1-t)^4+10*P2*t^2(1-t)^3+10*P3*t^3(1-t)^2+5*P4*t^4(1-t)+P5*t^5，t为【0，1】范围内。
在一些实施例中，设定点与前一点切线角度阈值为：0°。
在一些实施例中，设定点与前一点切线角度阈值为：1.2°。
在一些实施例中，设定点与前一点切线角度阈值为：5°。
在另一些实施例中，一种血管中心线的提取装置，其特征在于，包括：
获取模块，用于获取医学影像数据；
建模模块，用于三维重建医学影像数据，得到体绘制或面绘制三维模型；
选取模块，用于选取所需的血管影像数据区域；
中心点提取模块，用于提取截面中心点，初步生成曲线；
平滑模块，用于平滑生成的曲线；
中心线生成模块，对平滑过的曲线采样去点，舍弃超出阈值的点，对曲线进行修正，最终生成所需中心线。
显示模块，用于呈现包含中心线的完整精确的血管模型。
在另一些实施例中，通过获取模块获取医学影像数据，然后用建模模块进行三维重建，得到体绘制三维模型，然后用选取模块选取所需的血管影像数据区域，影像数据的首末影像分别对应为血管的起点与终点，选好后通过中心点提取模块根据截面中心点初步生成曲线，再通过平滑模块对生成的曲线进行平滑处理，平滑处理后通过中心线生成模块进行采样去点修正，修正后生成所需中心线，最后通过显示模块呈现包含中心线的完整精确的血管模型。
在又一些实施例中，包括：存储器；以及连接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器设备中的指令，执行如前述任一项任一个实施例的血管中心线的提取方法。
在又一些实施例中，一种血管中心线提取的计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如前述任一项任一个实施例的所述方法的步骤。
本发明的有益效果在于，可以自动获得血管中心线的起点和终点，极大地减少了人工手动操作与测量的繁琐操作，有效提高了血管中心线的提取效率，且本发明通用性强，可以更好地辅助医生和医学相关操作人员。
附图说明
为了更清楚地说明本公开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公开的一些实施例，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1-1示出本公开的一些实施例的血管中心线提取方法的流程示意图。
图1-2、1-3、1-4分别为2阶、3阶及5阶贝塞尔曲线图。
图2示出本公开的一些实施例的血管中心线提取装置的结构示意图。
图3示出本公开的另一些实施例的血管中心线提取装置的结构示意图。
图4示出本公开的又一些实施例的血管中心线提取装置的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
在一个实施例子中，如图1所示，提供了一种中心线的提取方法，包括下列步骤：
S101，获取医学影像数据；
在一些实施例中，获取的所述医学图像为电子计算机断层扫描CT图像。
在一些实施例中，获取的所述医学图像为磁共振MRI图像。
在一些实施例中，获取的所述医学图像为B超图像。
S102，对所述医学影像数据进行三维重建，得到体绘制或面绘制三维模型；
在一些实施例中，所述三维重建的方法为体绘制。
在一些实施例中，所述三维重建的方法为面绘制。
S103，选取所需血管对应的影像数据，所述影像数据的首末影像分别为血管的起点与终点；
在一些实施例中，获取主动脉血管数据，提取分离出整个主动脉三维模型后，确定分割区域，即可自动提取中心线，并生成中心线，若差异较大，可手动选取起始点与终点，即可重新获得更为准确的中心线。
S104，对三维视图中的Z轴进行扫描，得到血管截面并进行椭圆拟合，椭圆拟合根据二次曲线标准化法，得到一系列血管椭圆截面，提取所述血管椭圆截面的中心点生成曲线；
在一些实施例中，所述血管截面的获取方法为对三维视图中的Z轴进行扫描。
S105，对所述中心点形成的曲线进行平滑处理，方法为进行五阶贝塞尔曲线优化，即：B(t)＝P0(1-t)^5+5*P1*t(1-t)^4+10*P2*t^2(1-t)^3+10*P3*t^3(1-t)^2+5*P4*t^4(1-t)+P5*t^5，t为【0，1】范围内；
在一些实施例中，一阶为：B(t)＝(1-t)P0+tP1；
二阶为：B(t)＝(1-t)^2*P0+2t(1-t)P1+t^2*P2；
三阶为：B(t)＝P0(1-t)^3+3*P1*t(1-t)^2+3*P2*t^2(1-t)+P3*t^3；
五阶贝塞尔曲线方程为B(t)＝P0(1-t)^5+5*P1*t(1-t)^4+10*P2*t^2(1-t)^3+10*P3*t^3(1-t)^2+5*P4*t^4(1-t)+P5*t^5，t为【0，1】范围内，图1-1，1-2，1-3分别为2阶、3阶及5阶贝塞尔曲线图。
S106，对所述中心点组成的中心线进行采样去点，去除不合适点，方法为：在大量已选点样本中，根据设定点与前一点切线之间角度阈值进行修正，舍弃超出阈值部分点，留下符合条件的点，生成最终中心线。
在一些实施例中，基于所述当前跟踪方向、所述当前中心点、所述下一跟踪位置以及预定的角度阈值，确定所述血管的下一跟踪方向包括：基于所述下一跟踪位置和所述当前跟踪方向，生成所述血管的预计的下一切面，所述预计的下一切面包括所述血管的预计的下一中心点；确定所述当前中心点和所述预计的下一中心点的连线与所述当前跟踪方向之间的当前夹角是否大于所述预定的角度阈值；响应于确定所述当前夹角小于或等于所述预定的角度阈值，确定所述下一跟踪方向与所述当前跟踪方向一致；以及响应于确定所述当前夹角大于所述预定的角度阈值，基于所述当前跟踪方向和所述当前夹角，确定所述下一跟踪方向，使得所述下一跟踪方向与所述当前跟踪方向之间的夹角小于所述预定的角度阈值。
在一些实施例中，设定点与前一点切线角度阈值为：1.2°。
在一些实施例中，设定点与前一点切线角度阈值为：4°。
在一些实施例中，设定点与前一点切线角度阈值为：0°。
在一些实施例中，设定点与前一点切线角度阈值为：5°。
在一些实施例中，一种血管中心线的提取装置，其特征在于，包括：
获取模块201，用于获取医学影像数据；
建模模块202，用于三维重建医学影像数据，得到体绘制，面绘制三维模型；
选取模块203，用于选取所需的血管数据区域；
中心点提取模块204，用于提取截面中心点，初步生成曲线；
平滑模块205，用于平滑连成的曲线；
中心线生成模块206，对平滑过的曲线采样去点，舍弃超出阈值的点，对曲线进行修正，最终生成所需中心线。
显示模块207，用于呈现完整精确的血管模型。
通过获取模块获取医学影像数据，然后用建模模块进行三维重建，得到体绘制三维模型，然后用选取模块选取所需的血管影像数据区域，影像数据的首末影像分别对应为血管的起点与终点，选好后通过中心点提取模块根据截面中心点初步生成曲线，再通过平滑模块对生成的曲线进行平滑处理，平滑处理后通过中心线生成模块进行采样去点修正，修正后生成所需中心线，最后通过显示模块呈现包含中心线的完整精确的血管模型。
本公开的实施例中的中心线提取的装置可各由各种计算设备或计算机系统来实现，下面结合图3以及图4进行描述。
图3为本公开中心线提取的装置的一些实施例的结构图。如图3所示，该实施例的装置30包括：存储器301以及耦接至该存储器301的处理器302，处理器302被配置为基于存储在存储器301中的指令，执行本公开中任意一些实施例中的中心线提取的方法。
其中，存储器302例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图4为本公开中心线提取的装置的另一些实施例的结构图。如图4所示，该实施例的装置40包括：总线401，存储器404以及处理器402，分别与存储器301以及处理器302类似。还可以包括输入输出接口403、存储接口405、网络接口406等。这些接口403，405，406以及存储器404和处理器402之间例如可以通过总线401连接。其中，输入输出接口403为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。存储接口405为SD卡、U盘等外置存储设备提供连接接口。网络接口406为各种联网设备提供连接接口，例如可以连接到数据库服务器或者云端存储服务器等。
本公开还提供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实现前述任一个实施例的中心线提取的方法的步骤。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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非瞬时性存储介质(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。
本公开是参照根据本公开实施例的方法、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。应理解为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。
以上仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种血管中心线的提取方法，其特征在于，包括：
获取医学影像数据；
对所述医学影像数据进行三维重建，得到体绘制或面绘制三维模型；
选取所需血管对应的影像数据，所述影像数据的首末影像分别为血管的起点与终点；
对三维视图中的Z轴进行扫描，得到血管截面并进行椭圆拟合，椭圆拟合根据二次曲线标准化法，得到一系列血管椭圆截面，提取所述血管椭圆截面的中心点生成曲线；
对所述中心点形成的曲线进行平滑处理，方法为进行五阶贝塞尔曲线优化，即：B(t)＝P0(1-t)^5+5*P1*t(1-t)^4+10*P2*t^2(1-t)^3+10*P3*t^3(1-t)^2+5*P4*t^4(1-t)+P5*t^5，t为【0，1】范围内；
对所述中心点组成的中心线进行采样去点，去除不合适点，方法为：在大量已选点样本中，根据设定点与前一点切线之间角度阈值进行修正，舍弃超出阈值部分点，留下符合条件的点，生成最终中心线。
2.如权利要求1所述的方法，其特征在于，获取的所述医学图像包括：电子计算机断层扫描CT图像，或磁共振MRI图像，或B超图像。
3.如权利要求1所述的方法，其特征在于，所述三维重建的方法包括体绘制、面绘制。
4.如权利要求1所述的方法，其特征在于，所述血管截面的获取方法为对三维视图中的Z轴进行扫描。
5.如权利要求1所述的方法，其特征在于，所述对血管截面进行椭圆拟合方法为：二次曲线标准化法。椭圆上的点在平面坐标系下为二次多项式方程，获取方法分为两步，第一步是对平面坐标系的坐标进行拟合，确定二次曲线方程系数，第二步是通过坐标系之间的平移和旋转消去二次混成项和一次项，求得曲线方程，进而确定整个椭圆参数。
6.如权利要求1所述的方法，其特征在于，所述各阶贝塞尔曲线为：
一阶为：B(t)＝(1-t)P0+tP1；
二阶为：B(t)＝(1-t)^2*P0+2t(1-t)P1+t^2*P2；
三阶为：B(t)＝P0(1-t)^3+3*P1*t(1-t)^2+3*P2*t^2(1-t)+P3*t^3；
由此可得五阶贝塞尔曲线方程为B(t)＝P0(1-t)^5+5*P1*t(1-t)^4+10*P2*t^2(1-t)^3+10*P3*t^3(1-t)^2+5*P4*t^4(1-t)+P5*t^5，t为【0，1】范围内。
7.如权利要求1所述的方法，其特征在于，设定点与前一点切线角度阈值范围为：0～5°。
8.一种血管中心线的提取装置，其特征在于，包括：
获取模块，用于获取医学影像数据；
建模模块，用于三维重建医学影像数据，得到体绘制或面绘制三维模型；
选取模块，用于选取所需的血管数据区域；
中心点提取模块，用于提取截面中心点，初步生成曲线；
平滑模块，用于平滑连成的曲线；
中心线生成模块，对平滑过的曲线采样去点，舍弃超出阈值的点，对曲线进行修正，最终生成所需中心线。
显示模块，用于呈现完整精确的血管模型。
9.一种血管中心线的提取装置，其特征在于，包括：
存储器；以及连接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器设备中的指令，执行权利要求1-7任一项所述的血管中心线的提取方法。
10.一种血管中心线提取的计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
CN202210894873.6A 2022-07-27 2022-07-27 一种血管中心线提取方法及装置 Pending CN115222711A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210894873.6A CN115222711A (zh) 2022-07-27 2022-07-27 一种血管中心线提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210894873.6A CN115222711A (zh) 2022-07-27 2022-07-27 一种血管中心线提取方法及装置

Publications (1)

Publication Number Publication Date
CN115222711A true CN115222711A (zh) 2022-10-21

Family

ID=83614295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210894873.6A Pending CN115222711A (zh) 2022-07-27 2022-07-27 一种血管中心线提取方法及装置

Country Status (1)

Country Link
CN (1) CN115222711A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116012437A (zh) * 2023-03-27 2023-04-25 山东捷瑞数字科技股份有限公司 基于三维引擎提取三维模型中心线的方法、装置及设备
CN116228779A (zh) * 2023-05-10 2023-06-06 北京清影华康科技有限公司 一种血管中心路径提取方法及装置
CN117495667A (zh) * 2023-12-29 2024-02-02 柏意慧心(杭州)网络科技有限公司 用于确定血管中心线的方法、计算设备和介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116012437A (zh) * 2023-03-27 2023-04-25 山东捷瑞数字科技股份有限公司 基于三维引擎提取三维模型中心线的方法、装置及设备
CN116228779A (zh) * 2023-05-10 2023-06-06 北京清影华康科技有限公司 一种血管中心路径提取方法及装置
CN116228779B (zh) * 2023-05-10 2023-08-01 北京清影华康科技有限公司 一种血管中心路径提取方法及装置
CN117495667A (zh) * 2023-12-29 2024-02-02 柏意慧心(杭州)网络科技有限公司 用于确定血管中心线的方法、计算设备和介质
CN117495667B (zh) * 2023-12-29 2024-03-22 柏意慧心(杭州)网络科技有限公司 用于确定血管中心线的方法、计算设备和介质

Similar Documents

Publication Publication Date Title
CN115222711A (zh) 一种血管中心线提取方法及装置
CN109559326B (zh) 一种血流动力学参数计算方法、系统及电子设备
CN102422307B (zh) 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品
EP2693401B1 (en) Vessel segmentation method and apparatus using multiple thresholds values
Van Uitert et al. Subvoxel precise skeletons of volumetric data based on fast marching methods
CA2776203C (en) Determining contours of a vessel using an active contouring model
US20060056685A1 (en) Method and apparatus for embolism analysis
CN112184888A (zh) 三维血管建模的方法及装置
US11961187B2 (en) Reconstruction method of organ vessel centerline
US20120268450A1 (en) Automated Detection of Airway and Vessel Orientations for Quantitative Analysis and Visualization
Luboz et al. A segmentation and reconstruction technique for 3D vascular structures
CN112614217B (zh) 管状物三维模型的拉直方法、装置及电子设备
CN117115150B (zh) 用于确定分支血管的方法、计算设备和介质
US8923615B2 (en) Method and device for segmenting medical image data
US8050470B2 (en) Branch extension method for airway segmentation
US9462954B2 (en) Method and system for blood flow velocity reconstruction from medical images
JPWO2016159379A1 (ja) 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム
Mönch et al. Optimization of vascular surface models for computational fluid dynamics and rapid prototyping
JP2007061635A (ja) 気道内腔の大きさおよび気道壁の厚さを求めるためのシステムおよび方法
JP2014026653A (ja) 医用画像処理装置、医用画像診断装置及び医用画像処理プログラム
KR101126224B1 (ko) 동적 ｍｒ 영상을 이용한 자동 전립선 분할 방법 및 시스템
JP5731882B2 (ja) 医用画像データをセグメント化するための方法及び装置
CN115170743A (zh) 一种dsa探照角度规划方法及系统
EP3109824B1 (en) System and method for handling image data
KR20150061055A (ko) 관상동맥 cta 영상으로부터 관상동맥의 병변을 검출하는 방법 및 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination