CN115644933A - 导管冲刷控制方法、装置、计算机设备、存储介质 - Google Patents
导管冲刷控制方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN115644933A CN115644933A CN202211442257.3A CN202211442257A CN115644933A CN 115644933 A CN115644933 A CN 115644933A CN 202211442257 A CN202211442257 A CN 202211442257A CN 115644933 A CN115644933 A CN 115644933A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- image
- outer sheath
- value
- catheter
- 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.)
- Granted
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本申请涉及一种导管冲刷控制方法、装置、计算机设备、存储介质。所述方法包括:获取心血管内导管的外鞘管图像;从外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。采用本方法能够根据外鞘管图像的特征值判断外鞘管图像的超声波成像完整程度,在外鞘管图像的超声波成像完整程度不佳的情况下,自动控制冲刷设备对心血管内导管进行冲刷,提高医学成像质量。
Description
技术领域
本申请涉及自动化技术领域,特别是涉及一种导管冲刷控制方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
全球范围内,心脑血管疾病已经成为了威胁人类健康的主要疾病之一,冠状动脉粥样硬化是心脑血管疾病的主要病因。血管内超声(intravascular ultrasound,IVUS) 是当前诊断心脑血管疾病的主要影像学技术。
IVUS是临床常用的诊断血管病变的一种介入成像技术,它将一微型高频超声探头置于心导管顶端,利用心导管将超声探头导入血管腔内进行探测,再经电子成像系统来显示血管组织结构和几何形态的微细解剖信息。在IVUS成像时,若导管内有气泡,就会影响图像质量,所以需要冲刷导管,将导管内的气泡排出。传统冲刷导管的方法是通过注射器手动往导管内注入生理盐水将气泡排出,这种方法需要医护人员频繁手动注射,而且注射器的容量小,可能需要多次更换注射器,大大降低的手术的效率。由于注水口连接着注射器,无法做到封死,可能导致血液回流到导管中的现象,影响到成像质量。
目前手动冲刷导管的技术方案,大大影响了医学成像质量。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高医学成像质量的导管冲刷控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种导管冲刷控制方法。所述方法包括:
获取心血管内导管的外鞘管图像;
从外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;
将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
在其中一个实施例中,获取心血管内导管的外鞘管图像,包括:
采用超声波成像获取心血管内导管的横截面图像;
采用目标检测算法处理横截面图像,得到横截面图像中心血管内导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
在其中一个实施例中,从外鞘管图像中,获取像素点值满足预设条件的有效像素点,包括:
按照预设像素间隔,从外鞘管图像中所有像素点中选取作为目标像素点的像素点;
获取每个目标像素点的像素点值;
获取像素点值满足预设条件的目标像素点,作为有效像素点。
在其中一个实施例中,获取像素点值满足预设条件的目标像素点,作为有效像素点,包括:
若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;
或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
在其中一个实施例中,根据有效像素点数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值,包括:
根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;
根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
在其中一个实施例中,将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷,包括:
若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
在其中一个实施例中,冲刷设备包括输液泵和水袋,输液泵通过水袋对心血管内导管进行冲刷。
在其中一个实施例中,冲刷设备包括注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对心血管内导管进行冲刷。
在其中一个实施例中,方法还包括:
获取心血管内导管的多张外鞘管图像;
从各外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;
对各外鞘管图像对应的特征值计算平均值,得到平均特征值;
将平均特征值和特征阈值进行对比,得到平均值对比结果,并根据平均值对比结果控制冲刷设备对心血管内导管进行冲刷。
第二方面,本申请还提供了一种导管冲刷控制装置。所述装置包括:
获取模块,用于获取心血管内导管的外鞘管图像;
检测模块,用于从外鞘管图像中,获取像素点值满足预设条件的有效像素点;
计算模块,用于根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;
控制模块,用于将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取心血管内导管的外鞘管图像;
从外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;
将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取心血管内导管的外鞘管图像;
从外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;
将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取心血管内导管的外鞘管图像;
从外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;
将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
上述导管冲刷控制方法、装置、计算机设备、存储介质和计算机程序产品,获取心血管内导管的外鞘管图像;从外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。能够根据外鞘管图像的特征值判断外鞘管图像的超声波成像完整程度,在外鞘管图像的超声波成像完整程度不佳的情况下,自动控制冲刷设备对心血管内导管进行冲刷,提高医学成像质量。
附图说明
图1为一个实施例中导管冲刷控制方法的应用环境图;
图2为一个实施例中导管冲刷控制方法的流程示意图;
图3为一个实施例中外鞘管图像示意图;
图4为一个实施例中导管冲刷控制系统的结构框图;
图5为另一个实施例中导管冲刷控制系统的结构框图;
图6为一个实施例中导管冲刷控制装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的导管冲刷控制方法,可以应用于如图1所示的应用环境中。其中,计算机设备102通过有线或无线与冲刷设备104进行通信。数据存储系统可以存储计算机设备102需要处理的数据。数据存储系统可以集成在计算机设备102上,也可以放在云上或其他网络服务器上。计算机设备102可以是终端或服务器。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种导管冲刷控制方法,以该方法应用于图1中的计算机设备102为例进行说明,包括以下步骤:
步骤202,获取心血管内导管的外鞘管图像。
可选的,计算机设备通过IVUS技术获取心血管内导管的横截面图像,然后采用对横截面图像进行预处理,选取横截面图像中导管的外鞘管所在的区域,去除不包含外鞘管的血管横截面区域,得到外鞘管图像。
其中,IVUS是指无创性的超声技术和有创性的导管技术相结合,使用末端连接有超声探针的特殊导管进行的医学成像技术。血管内超声是通过心导管将微型化的超声换能器置入心血管腔内,显示心血管断面形态和(或)血流图形,主要包括超声显像技术和多普勒血流测定两方面。这种技术使得超声技术,如压电传导或者超声传感器得以用于检查血管内壁的情况。
步骤204,从外鞘管图像中,获取像素点值满足预设条件的有效像素点。
可选的,计算机设备可以直接获取外鞘管图像中每一个像素点的像素点值,然后在所有像素点中,选取像素点值满足预设条件的像素点作为有效像素点;也可以先对外鞘管图像中所有的像素点进行筛选,然后在选出的部分像素点中,选取像素点值满足预设条件的像素点作为有效像素点。通常情况下,选取像素点值满足预设条件的有效像素点,去除像素点值不满足预设条件的无效像素点,目的是为了去除外鞘管图像中像素点值存在明显偏差、错误的像素点,可以预先设定一个像素点值正常范围,若一个像素点的像素点值处于正常范围时,判断该像素点满足预设条件,若一个像素点的像素点值不处于正常范围时,判断该像素点不满足预设条件。
步骤206,根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度。
可选的,计算机设备将选出的每一个有效像素点的像素点值进行累加,计算出有效像素点值总和,根据选出的有效像素点的数量和有效像素点值总和,计算有效像素点平均值,作为外鞘管图像对应的特征值。通过有效像素点平均值能够表征外鞘管图像的超声波成像完整程度,有效像素点平均值越大,说明超声波成像信号越强,外鞘管图像的超声波成像完整程度越高,反之,有效像素点平均值越小,说明超声波成像信号越弱,外鞘管图像的超声波成像完整程度越低。这是因为在IVUS技术中,导管外鞘对超声波具有一定的反射性,如图3所示,当导管内不存在气泡时,径向方向的成像信号较强,外鞘管图像对应的特征值就会较大,在超声波成像时可以识别到较完整的外鞘管形状301,当导管内存在气泡时,径向方向的成像信号就会变弱,外鞘管图像对应的特征值就会较小,外鞘管的超声波成像也会变弱,在超声波成像时就会识别到不完整的外鞘管形状302。通过识别外鞘管位置的图像信号是否变弱(外鞘管图像对应的特征值是否变小)就可以判断导管内是否有气泡,特征值越小,说明成像信号越弱,导管内存在的气泡数量就越多,或者气泡大小就越大。
步骤208,将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
其中,特征阈值可以根据超声波成像完整的外鞘管样本图像进行确定。
可选的,计算机设备中预先配置一个特征阈值,当计算出外鞘管图像对应的特征值,实时将特征值和特征阈值进行对比,当特征值小于特征阈值时,说明当前外鞘管图像的成像信号较弱,导管中存在大量气泡或存在较大的气泡,计算机设备发送冲刷指令至冲刷设备,以指示冲刷设备对心血管内导管进行冲刷。
上述导管冲刷控制方法中,获取心血管内导管的外鞘管图像;从外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。能够根据外鞘管图像的特征值判断外鞘管图像的超声波成像完整程度,在外鞘管图像的超声波成像完整程度不佳的情况下,自动控制冲刷设备对心血管内导管进行冲刷,提高医学成像质量。
在一个实施例中,获取心血管内导管的外鞘管图像,包括:采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
可选的,计算机设备通过IVUS技术获取心血管内导管的横截面图像,然后采用目标检测算法处理横截面图像,目标检测算法可以选用ROI区域检测算法,通过ROI区域检测算法,处理横截面图像得到横截面图像中导管的外鞘管所在的ROI区域,根据ROI区域得到外鞘管图像。
其中,ROI(Region of Interest)又可以称为感兴趣区域。机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为ROI。在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域ROI,并进行图像的下一步处理。在图像处理领域,感兴趣区域(ROI) 是从图像中选择的一个图像区域,这个区域是后续图像分析所关注的重点。
本实施例中,采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。能够圈定导管的外鞘管区域以便进行进一步处理,可以减少后续图像分析的处理时间,增加精度。
在一个实施例中,从外鞘管图像中,获取像素点值满足预设条件的有效像素点,包括:按照预设像素间隔,从外鞘管图像中所有像素点中选取作为目标像素点的像素点;获取像素点值满足预设条件的目标像素点,作为有效像素点。
可选的,计算机设备按照预设像素间隔,先从外鞘管图像中所有像素点中选取一部分像素点,将这一部分像素点作为目标像素点,然后再对每个目标像素点的像素点值进行判断,从目标像素点中选取像素点值满足预设条件的像素点作为有效像素点。
本实施例中,按照预设像素间隔,从外鞘管图像中所有像素点中选取像素点,将选取的像素点作为目标像素点;获取每个目标像素点的像素点值;获取像素点值满足预设条件的目标像素点,作为有效像素点。能够降低需要处理的像素点数量,可以减少后续图像分析的处理时间,提高整体运算效率。
在一个实施例中,获取像素点值满足预设条件的目标像素点,作为有效像素点,包括:若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
可选的,预设条件可以是一个预设像素范围,目标像素点的像素点值处于预设像素范围,则该目标像素点的像素点值满足预设条件;预设条件也可以是一种像素值大小比较方式,将所有目标像素点按照像素点值由大到小进行排序,将排序处于中间位置的目标像素点作为有效像素点,也就是去除排序中像素点值最大的第一预设数量个目标像素点,同时去除排序中像素点值最小的第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
本实施例中,若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。能够去除目标像素点中像素点值明显存在错误的像素点,保留像素点值较准确的有效像素点,能够提高图像分析的精确度,从而保证对导管冲刷的控制效果。
在一个实施例中,根据有效像素点数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值,包括:根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
本实施例中,根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。能够根据特征值判断外鞘管图像的超声波成像的完整程度。
在一个实施例中,将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷,包括:若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
本实施例中,若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。能够根据外鞘管图像的特征值判断外鞘管图像的超声波成像完整程度,在外鞘管图像的超声波成像完整程度不佳的情况下,自动控制冲刷设备对心血管内导管进行冲刷,能够提高医学成像质量。
在一个实施例中,冲刷设备包括输液泵和水袋,输液泵通过水袋对导管进行冲刷。
具体的,冲刷设备包括控制器、输液泵和水袋。控制器与输液泵连接,用于控制输液泵。输液泵一端与导管相连,输液泵另一端与水袋相连。在冲刷设备的控制器接收到计算机设备发送的冲刷指令之后,控制器控制输液泵从水袋中泵取冲刷液对导管进行冲刷。输液泵具有制动效果,能有效的防止血液回流,成像质量更好,且可调节导管冲刷速度,可以根据气泡的数量或大小智能调节导管冲刷速度,例如,计算机设备中可以设置多个特征阈值,当特征值小于不同的特征阈值时,计算机设备发送不同的冲刷指令给控制器,控制器根据冲刷指令调节输液泵的导管冲刷速度。
本实施例中,采用输液泵和水袋作为冲刷设备,外接水袋,可用水量较大,且设备整体结构简单,便于使用、清理和维修。
在一个实施例中,冲刷设备包括注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对导管进行冲刷。
具体的,冲刷设备包括控制器、注射泵、推杆和注射器。控制器与注射泵连接,用于控制注射泵。注射泵与推杆的一端相连,推杆的另一端与注射器的控制端相连,注射器的注射端与导管相连。在冲刷设备的控制器接收到计算机设备发送的冲刷指令之后,控制器控制注射泵控制推杆运动,推杆推动注射器对导管进行冲刷。注射泵具有制动效果,能有效的防止血液回流,成像质量更好,且可调节导管冲刷速度,可以根据气泡的数量或大小智能调节导管冲刷速度,例如,计算机设备中可以设置多个特征阈值,当特征值小于不同的特征阈值时,计算机设备发送不同的冲刷指令给控制器,控制器根据冲刷指令调节注射泵的导管冲刷速度。
本实施例中,采用注射泵、推杆和推动注射器作为冲刷设备,注射器具有较强的冲刷力度,能够为导管冲刷提供更好的冲刷效果。
在一个实施例中,方法还包括:获取心血管内导管的多张外鞘管图像;从各外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;对各外鞘管图像对应的特征值计算平均值,得到平均特征值;将平均特征值和特征阈值进行对比,得到平均值对比结果,并根据平均值对比结果控制冲刷设备对心血管内导管进行冲刷。
可选的,外鞘管为一段管,在实际的超声波成像过程中,导管在血管内会来回运动,因此超声波成像会得到多幅血管横截面图像,也就会得到多幅外鞘管图像图像,可以计算特征值过程中,分别计算每一幅外鞘管图像的特征值,然后计算一次超声波成像得到的所有外鞘管图像的平均特征值,只要平均特征值低于特征阈值,计算机设备发送冲刷指令至冲刷设备,以指示冲刷设备对心血管内导管进行冲刷。
在一个实施例中,一种导管冲刷控制方法,包括:
采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
按照预设像素间隔,从外鞘管图像中所有像素点中选取像素点,将选取的像素点作为目标像素点;获取每个目标像素点的像素点值;若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
冲刷设备可以采用输液泵和水袋,输液泵通过水袋对导管进行冲刷。冲刷设备还可以采用注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对导管进行冲刷。
在一个实施例中,一种导管冲刷控制方法,以应用于如图4所示的一种导管冲刷控制系统为例,系统包括:主机401、控制器402、输液泵403和水袋404。
主机401和控制器402之间建立通信。控制器402与输液泵403连接,用于控制输液泵403。输液泵403一端与导管400相连,输液泵403另一端与水袋404相连。
主机401采用超声波成像获取心血管内导管400的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。按照预设像素间隔,从外鞘管图像中所有像素点中选取像素点,将选取的像素点作为目标像素点;获取每个目标像素点的像素点值;若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。若特征值小于特征阈值,发送冲刷指令至控制器402。
在控制器402接收到主机401发送的冲刷指令之后,控制器402控制输液泵403从水袋404中泵取冲刷液对导管400进行冲刷。
在另一个实施例中,一种导管冲刷控制方法,以应用于如图5所示的一种导管冲刷控制系统为例,系统包括:主机501、控制器502、注射泵503、推杆504和注射器505。
主机501和控制器502之间建立通信。控制器502与注射泵503连接,用于控制注射泵503。注射泵503与推杆504的一端相连,推杆504的另一端与注射器505的控制端相连,注射器505的注射端与导管500相连。
主机501采用超声波成像获取心血管内导管500的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。按照预设像素间隔,从外鞘管图像中所有像素点中选取像素点,将选取的像素点作为目标像素点;获取每个目标像素点的像素点值;若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。若特征值小于特征阈值,发送冲刷指令至控制器502。
在控制器502接收到主机501发送的冲刷指令之后,控制器控制注射泵503控制推杆504运动,推杆504推动注射器505对导管500进行冲刷。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的导管冲刷控制方法的导管冲刷控制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个导管冲刷控制装置实施例中的具体限定可以参见上文中对于导管冲刷控制方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种导管冲刷控制装置600,包括:获取模块601、检测模块602、计算模块603和控制模块604,其中:
获取模块601,用于获取心血管内导管的外鞘管图像。
检测模块602,用于从外鞘管图像中,获取像素点值满足预设条件的有效像素点。
计算模块603,用于根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度。
控制模块604,用于将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,获取模块601还用于采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
在一个实施例中,检测模块602还用于按照预设像素间隔,从外鞘管图像中所有像素点中选取作为目标像素点的像素点;获取每个目标像素点的像素点值;获取像素点值满足预设条件的目标像素点,作为有效像素点。
在一个实施例中,检测模块602还用于若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
在一个实施例中,计算模块603还用于根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
在一个实施例中,控制模块604还用于若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,冲刷设备包括输液泵和水袋,输液泵通过水袋对导管进行冲刷。
在一个实施例中,冲刷设备包括注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对导管进行冲刷。
在一个实施例中,获取模块601还用于获取心血管内导管的多张外鞘管图像。
检测模块602还用于从各外鞘管图像中,获取像素点值满足预设条件的有效像素点。
计算模块603还用于根据有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;对各外鞘管图像对应的特征值计算平均值,得到平均特征值。
控制模块604还用于将平均特征值和特征阈值进行对比,得到平均值对比结果,并根据平均值对比结果控制冲刷设备对心血管内导管进行冲刷。
上述导管冲刷控制装置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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种导管冲刷控制方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取心血管内导管的外鞘管图像;从外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:按照预设像素间隔,从外鞘管图像中所有像素点中选取作为目标像素点的像素点;获取每个目标像素点的像素点值;获取像素点值满足预设条件的目标像素点,作为有效像素点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,冲刷设备包括输液泵和水袋,输液泵通过水袋对导管进行冲刷。
在一个实施例中,冲刷设备包括注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对导管进行冲刷。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取心血管内导管的多张外鞘管图像;从各外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;对各外鞘管图像对应的特征值计算平均值,得到平均特征值;将平均特征值和特征阈值进行对比,得到平均值对比结果,并根据平均值对比结果控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取心血管内导管的外鞘管图像;从外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:按照预设像素间隔,从外鞘管图像中所有像素点中选取作为目标像素点的像素点;获取每个目标像素点的像素点值;获取像素点值满足预设条件的目标像素点,作为有效像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,冲刷设备包括输液泵和水袋,输液泵通过水袋对导管进行冲刷。
在一个实施例中,冲刷设备包括注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对导管进行冲刷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取心血管内导管的多张外鞘管图像;从各外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;对各外鞘管图像对应的特征值计算平均值,得到平均特征值;将平均特征值和特征阈值进行对比,得到平均值对比结果,并根据平均值对比结果控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:获取心血管内导管的外鞘管图像;从外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取外鞘管图像对应的特征值;特征值用于表征外鞘管图像的超声波成像完整程度;将特征值和特征阈值进行对比,得到对比结果,并根据对比结果控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:采用超声波成像获取心血管内导管的横截面图像;采用目标检测算法处理横截面图像,得到横截面图像中导管的外鞘管所在的位置区域,根据位置区域得到外鞘管图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:按照预设像素间隔,从外鞘管图像中所有像素点中选取作为目标像素点的像素点;获取每个目标像素点的像素点值;获取像素点值满足预设条件的目标像素点,作为有效像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若目标像素点的像素点值处于预设像素范围,将目标像素点作为有效像素点;或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为有效像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据每个有效像素点的像素点值,计算外鞘管图像的有效像素点值总和;根据有效像素点数量和有效像素点值总和,计算外鞘管图像的有效像素点平均值,作为外鞘管图像对应的特征值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若特征值小于特征阈值,控制冲刷设备对心血管内导管进行冲刷。
在一个实施例中,冲刷设备包括输液泵和水袋,输液泵通过水袋对导管进行冲刷。
在一个实施例中,冲刷设备包括注射泵、推杆和注射器,注射泵通过控制推杆推动注射器对导管进行冲刷。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取心血管内导管的多张外鞘管图像;从各外鞘管图像中,获取像素点值满足预设条件的有效像素点;根据有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;对各外鞘管图像对应的特征值计算平均值,得到平均特征值;将平均特征值和特征阈值进行对比,得到平均值对比结果,并根据平均值对比结果控制冲刷设备对心血管内导管进行冲刷。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种导管冲刷控制方法,其特征在于,所述方法包括:
获取心血管内导管的外鞘管图像;
从所述外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据所述有效像素点的数量以及每个有效像素点的像素点值,获取所述外鞘管图像对应的特征值;所述特征值用于表征所述外鞘管图像的超声波成像完整程度;
将所述特征值和特征阈值进行对比,得到对比结果,并根据所述对比结果控制冲刷设备对所述心血管内导管进行冲刷。
2.根据权利要求1所述的方法,其特征在于,所述获取心血管内导管的外鞘管图像,包括:
采用超声波成像获取所述心血管内导管的横截面图像;
采用目标检测算法处理所述横截面图像,得到所述横截面图像中所述心血管内导管的外鞘管所在的位置区域,根据所述位置区域得到所述外鞘管图像。
3.根据权利要求1所述的方法,其特征在于,所述从所述外鞘管图像中,获取像素点值满足预设条件的有效像素点,包括:
按照预设像素间隔,从所述外鞘管图像中所有像素点中选取作为目标像素点的像素点;
获取每个目标像素点的像素点值;
获取像素点值满足预设条件的目标像素点,作为所述有效像素点。
4.根据权利要求3所述的方法,其特征在于,所述获取像素点值满足预设条件的目标像素点,作为所述有效像素点,包括:
若所述目标像素点的像素点值处于预设像素范围,将所述目标像素点作为所述有效像素点;
或者,将所有目标像素点按照像素点值由大到小进行排序,去除排序中前第一预设数量个目标像素点,以及去除排序中后第二预设数量个目标像素点,将剩余的目标像素点作为所述有效像素点。
5.根据权利要求1所述的方法,其特征在于,所述根据所述有效像素点数量以及每个有效像素点的像素点值,获取所述外鞘管图像对应的特征值,包括:
根据每个有效像素点的像素点值,计算所述外鞘管图像的有效像素点值总和;
根据所述有效像素点数量和所述有效像素点值总和,计算所述外鞘管图像的有效像素点平均值,作为所述外鞘管图像对应的特征值。
6.根据权利要求1所述的方法,其特征在于,所述将所述特征值和特征阈值进行对比,得到对比结果,并根据所述对比结果控制冲刷设备对所述心血管内导管进行冲刷,包括:
若所述特征值小于所述特征阈值,控制所述冲刷设备对所述心血管内导管进行冲刷。
7.根据权利要求1所述的方法,其特征在于,所述冲刷设备包括输液泵和水袋,所述输液泵通过水袋对所述心血管内导管进行冲刷。
8.根据权利要求1所述的方法,其特征在于,所述冲刷设备包括注射泵、推杆和注射器,所述注射泵通过控制所述推杆推动所述注射器对所述心血管内导管进行冲刷。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述心血管内导管的多张外鞘管图像;
从各外鞘管图像中,获取像素点值满足预设条件的有效像素点;
根据所述有效像素点的数量以及每个有效像素点的像素点值,获取各外鞘管图像对应的特征值;
对各外鞘管图像对应的特征值计算平均值,得到平均特征值;
将所述平均特征值和特征阈值进行对比,得到平均值对比结果,并根据所述平均值对比结果控制冲刷设备对所述心血管内导管进行冲刷。
10.一种导管冲刷控制装置,其特征在于,所述装置包括:
获取模块,用于获取心血管内导管的外鞘管图像;
检测模块,用于从所述外鞘管图像中,获取像素点值满足预设条件的有效像素点;
计算模块,用于根据所述有效像素点的数量以及每个有效像素点的像素点值,获取所述外鞘管图像对应的特征值;所述特征值用于表征所述外鞘管图像的超声波成像完整程度;
控制模块,用于将所述特征值和特征阈值进行对比,得到对比结果,并根据所述对比结果控制冲刷设备对所述心血管内导管进行冲刷。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211442257.3A CN115644933B (zh) | 2022-11-17 | 2022-11-17 | 导管冲刷控制方法、装置、计算机设备、存储介质 |
PCT/CN2023/123341 WO2024103996A1 (zh) | 2022-11-17 | 2023-10-08 | 导管冲刷控制方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211442257.3A CN115644933B (zh) | 2022-11-17 | 2022-11-17 | 导管冲刷控制方法、装置、计算机设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115644933A true CN115644933A (zh) | 2023-01-31 |
CN115644933B CN115644933B (zh) | 2023-08-22 |
Family
ID=85019186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211442257.3A Active CN115644933B (zh) | 2022-11-17 | 2022-11-17 | 导管冲刷控制方法、装置、计算机设备、存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115644933B (zh) |
WO (1) | WO2024103996A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024103996A1 (zh) * | 2022-11-17 | 2024-05-23 | 深圳微创踪影医疗装备有限公司 | 导管冲刷控制方法、装置、计算机设备以及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120114209A1 (en) * | 2010-11-10 | 2012-05-10 | Medison Co., Ltd. | Enhancing quality of ultrasound spatial compound image based on beam profile in ultrasound system |
US20120253197A1 (en) * | 2011-03-30 | 2012-10-04 | Boston Scientific Scimed, Inc. | Systems and methods for flushing bubbles from a catheter of an intravascular ultrasound imaging system |
US20140193093A1 (en) * | 2011-09-18 | 2014-07-10 | Forus Health Pvt. Ltd. | Method and system for enhancing image quality |
US20150086095A1 (en) * | 2010-01-25 | 2015-03-26 | Amcad Biomed Corporation | Quantification and imaging methods and system of the echo texture feature |
CN110830709A (zh) * | 2018-08-14 | 2020-02-21 | Oppo广东移动通信有限公司 | 图像处理方法和装置、终端设备、计算机可读存储介质 |
CN110893109A (zh) * | 2019-10-18 | 2020-03-20 | 深圳北芯生命科技有限公司 | 血管内超声系统的图像降噪方法 |
WO2021003735A1 (zh) * | 2019-07-11 | 2021-01-14 | 深圳迈瑞生物医疗电子股份有限公司 | 一种参数的检测方法以及参数检测系统 |
CN112258503A (zh) * | 2020-11-13 | 2021-01-22 | 中国科学院深圳先进技术研究院 | 超声图像成像质量评价方法、装置及计算机可读存储介质 |
WO2021147563A1 (zh) * | 2020-01-22 | 2021-07-29 | 上海商汤临港智能科技有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
CN114648455A (zh) * | 2022-03-14 | 2022-06-21 | 青岛海信医疗设备股份有限公司 | 超声图像处理方法及电子设备、存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5576665B2 (ja) * | 2010-01-27 | 2014-08-20 | テルモ株式会社 | 生体内診断装置およびその制御方法 |
CN115644933B (zh) * | 2022-11-17 | 2023-08-22 | 深圳微创踪影医疗装备有限公司 | 导管冲刷控制方法、装置、计算机设备、存储介质 |
-
2022
- 2022-11-17 CN CN202211442257.3A patent/CN115644933B/zh active Active
-
2023
- 2023-10-08 WO PCT/CN2023/123341 patent/WO2024103996A1/zh unknown
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150086095A1 (en) * | 2010-01-25 | 2015-03-26 | Amcad Biomed Corporation | Quantification and imaging methods and system of the echo texture feature |
US20120114209A1 (en) * | 2010-11-10 | 2012-05-10 | Medison Co., Ltd. | Enhancing quality of ultrasound spatial compound image based on beam profile in ultrasound system |
US20120253197A1 (en) * | 2011-03-30 | 2012-10-04 | Boston Scientific Scimed, Inc. | Systems and methods for flushing bubbles from a catheter of an intravascular ultrasound imaging system |
US20140193093A1 (en) * | 2011-09-18 | 2014-07-10 | Forus Health Pvt. Ltd. | Method and system for enhancing image quality |
CN110830709A (zh) * | 2018-08-14 | 2020-02-21 | Oppo广东移动通信有限公司 | 图像处理方法和装置、终端设备、计算机可读存储介质 |
WO2021003735A1 (zh) * | 2019-07-11 | 2021-01-14 | 深圳迈瑞生物医疗电子股份有限公司 | 一种参数的检测方法以及参数检测系统 |
CN110893109A (zh) * | 2019-10-18 | 2020-03-20 | 深圳北芯生命科技有限公司 | 血管内超声系统的图像降噪方法 |
WO2021147563A1 (zh) * | 2020-01-22 | 2021-07-29 | 上海商汤临港智能科技有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
CN112258503A (zh) * | 2020-11-13 | 2021-01-22 | 中国科学院深圳先进技术研究院 | 超声图像成像质量评价方法、装置及计算机可读存储介质 |
CN114648455A (zh) * | 2022-03-14 | 2022-06-21 | 青岛海信医疗设备股份有限公司 | 超声图像处理方法及电子设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
曹厚德 主编, 上海科学技术出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024103996A1 (zh) * | 2022-11-17 | 2024-05-23 | 深圳微创踪影医疗装备有限公司 | 导管冲刷控制方法、装置、计算机设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115644933B (zh) | 2023-08-22 |
WO2024103996A1 (zh) | 2024-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11847781B2 (en) | Systems and methods for medical acquisition processing and machine learning for anatomical assessment | |
US11596384B2 (en) | Intraluminal ultrasound vessel border selection and associated devices, systems, and methods | |
JP6667999B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN111325759B (zh) | 血管分割方法、装置、计算机设备及可读存储介质 | |
JP2013542046A (ja) | 超音波画像処理のシステムおよび方法 | |
CN112292086B (zh) | 超声病变评估及相关联的设备、系统和方法 | |
US20230008714A1 (en) | Intraluminal image-based vessel diameter determination and associated devices, systems, and methods | |
CN112446866A (zh) | 血流参数的计算方法、装置、设备及存储介质 | |
WO2024103996A1 (zh) | 导管冲刷控制方法、装置、计算机设备以及存储介质 | |
JP2005514997A (ja) | 体器官内の流動の定量的な算出を実行するための超音波画像シーケンスを処理する手段を有する観察システム | |
WO2018133098A1 (zh) | 血管壁应力应变状态获取方法及系统 | |
CN112446867A (zh) | 血流参数的确定方法、装置、设备及存储介质 | |
EP4149364A1 (en) | Gating machine learning predictions on medical ultrasound images via risk and uncertainty quantification | |
Cao et al. | Multiparameter synchronous measurement with IVUS images for intelligently diagnosing coronary cardiac disease | |
US20230222668A1 (en) | Image processing apparatus, image processing method, and recording medium | |
JPH09299366A (ja) | 領域抽出装置 | |
JP6675458B2 (ja) | 血管解析装置、血管解析方法及び血管解析プログラム | |
Chacko et al. | Sequential functional analysis of left ventricle from 2D-echocardiography images | |
Hassanin et al. | Automatic localization of Common Carotid Artery in ultrasound images using Deep Learning | |
KR102000615B1 (ko) | 관상동맥의 시작점을 자동으로 추출하기 위한 방법 및 그 장치 | |
Lin et al. | SG-Net: a super-resolution guided network for improving thyroid nodule segmentation | |
JP2015217113A (ja) | 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム | |
JP7421548B2 (ja) | 診断支援装置及び診断支援システム | |
US20230329674A1 (en) | Ultrasound imaging | |
Sakellarios et al. | IVUS image processing methodologies |
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 |