CN116258813A - 三维血管模型的构建方法、装置、设备及存储介质 - Google Patents
三维血管模型的构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116258813A CN116258813A CN202211659577.4A CN202211659577A CN116258813A CN 116258813 A CN116258813 A CN 116258813A CN 202211659577 A CN202211659577 A CN 202211659577A CN 116258813 A CN116258813 A CN 116258813A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- vessel
- point
- dimensional
- target
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—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)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种三维血管模型的构建方法、装置、设备及存储介质,属于计算机技术领域。该方法包括:获取第一初始血管中心线和第二初始血管中心线;将第一初始血管中心线作为第一目标血管中心线,将第一目标血管中心线上的血管关键点在三维空间的投影点作为目标空间点;基于目标空间点在第二血管图像上的第四投影点和第二初始血管中心线上的血管关键点,确定第三变换矩阵;基于第三变换矩阵对第二初始血管中心线进行变换,得到第二目标血管中心线;基于第一目标血管中心线和第二目标血管中心线,获取经过目标空间点的三维血管中心线;基于三维血管中心线,构建血管对应的三维血管模型。此种方法有利于提高构建的三维血管模型的准确性。
Description
本申请是2022年09月23日提交的申请号为202211162133.X、发明名称为“三维血管模型的构建方法、装置、设备及存储介质”的中国专利申请的分案申请。
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种三维血管模型的构建方法、装置、设备及存储介质。
背景技术
随着计算机技术的发展,利用DSA(Digital Subtraction Angiography,数字剪影血管造影技术)设备来辅助进行血管研究的应用场景越来越广泛,例如,根据DSA设备输出的血管图像可构建用于模拟血管形态的三维血管模型。
相关技术中,根据血管图像构建三维血管模型的过程包括:获取两个血管图像中的两个二维血管中心线,直接基于该两个二维血管中心线,获取三维血管中心线,进而基于三维血管中心线构建三维血管模型。
由于DSA设备在运行过程中会产生难以避免的机械误差,所以血管图像中的二维血管中心线的可靠性较差,直接基于两个二维血管中心线获取的三维血管中心线与真实血管中心线之间可能有较大偏差,从而导致构建的三维血管模型的准确性较差。
发明内容
本申请实施例提供了一种三维血管模型的构建方法、装置、设备及存储介质,可用于提高构建的三维血管模型的准确性。
一方面,本申请实施例提供了一种三维血管模型的构建方法,所述方法包括:获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,所述第一血管图像和所述第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的图像;获取所述第一初始血管中心线对应的第一目标血管中心线和所述第二初始血管中心线对应的第二目标血管中心线,所述第一目标血管中心线上的血管关键点与所述第二目标血管中心线上的血管关键点在所述三维空间中重合于目标空间点处,所述血管关键点包括血管起点、血管终点和血管狭窄点中的至少一个;基于所述第一目标血管中心线和所述第二目标血管中心线,获取经过所述目标空间点的三维血管中心线;基于所述三维血管中心线,构建所述血管对应的三维血管模型。
另一方面,提供了一种三维血管模型的构建装置,所述装置包括:第一获取单元,用于获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,所述第一血管图像和所述第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的图像;第二获取单元,用于获取所述第一初始血管中心线对应的第一目标血管中心线和所述第二初始血管中心线对应的第二目标血管中心线,所述第一目标血管中心线上的血管关键点与所述第二目标血管中心线上的血管关键点在所述三维空间中重合于目标空间点处,所述血管关键点包括血管起点、血管终点和血管狭窄点中的至少一个;第三获取单元,用于基于所述第一目标血管中心线和所述第二目标血管中心线,获取经过所述目标空间点的三维血管中心线;构建单元,用于基于所述三维血管中心线,构建所述血管对应的三维血管模型。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以使所述计算机设备实现上述任一所述的三维血管模型的构建方法。
另一方面,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中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以使计算机实现上述任一所述的三维血管模型的构建方法。
另一方面,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或计算机指令,所述计算机程序或所述计算机指令由处理器加载并执行,以使计算机实现上述任一所述的三维血管模型的构建方法。
本申请实施例提供的技术方案至少带来如下有益效果:本申请实施例提供的技术方案,在获取两个血管图像中的两个初始血管中心线后,进一步获取了两个目标血管中心线,该两个目标血管中心线上的血管关键点在三维空间中重合于目标空间点,基于该两个目标血管中心线,能够获取经过固定的目标空间点的三维血管中心线,从而降低三维血管中心线的突变可能性,有利于缩小获取的三维血管中心线与真实血管中心线之间的偏差,从而提高构建的三维血管模型的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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是本申请实施例提供的一种三维血管模型的构建方法的实施环境的示意图;
图2是本申请实施例提供的一种三维血管模型的构建方法的流程图;
图3是本申请实施例提供的一种血管关键点与对应的空间点之间的连线的示意图;
图4是本申请实施例提供的一种第一初始血管中心线和第二初始血管中心线的示意图;
图5是本申请实施例提供的一种LB1和LB2的示意图;
图6是本申请实施例提供的一种pt3DB的位置的示意图;
图7是本申请实施例提供的一种第二初始血管中心线上的初始ABC三点与对应投影点的连线的示意图;
图8是本申请实施例提供的一种极线的示意图;
图9是本申请实施例提供的一种平移结果的示意图;
图10是本申请实施例提供的一种旋转结果的示意图;
图11是本申请实施例提供的一种三维血管模型的两个角度的示意图;
图12是本申请实施例提供的一种三维血管模型的构建装置的示意图;
图13是本申请实施例提供的一种服务器的结构示意图;
图14是本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
需要说明的是,本申请中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1示出了本申请实施例提供的一种三维血管模型的构建方法的实施环境的示意图。该实施环境可以包括:计算机设备11和血管图像采集设备12。计算机设备11和血管图像采集设备12可以通过有线或无线通信方式进行直接或间接地连接。
血管图像采集设备12用于对血管进行图像采集,然后将采集到的血管图像发送至计算机设备11,由计算机设备11根据血管图像构建三维血管模型。示例性地,图像采集设备12是指DSA设备,DSA设备用于将未造影的血管图像和造影后的血管图像相减,得到消除了血管之外的结构的血管图像。
示例性地,计算机设备11可以是终端,也可以是服务器。可选地,终端可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如PC(Personal Computer,个人计算机)、手机、智能手机、PDA(Personal Digital Assistant,个人数字助手)、可穿戴设备、PPC(Pocket PC,掌上电脑)、平板电脑、智能车机、智能电视、智能音箱、车载终端等。服务器可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。
在一些实施例中,计算机设备11和血管图像采集设备12可以集成为一体,从而能够在一个设备上实现血管图像的采集以及三维血管模型的构建。
本领域技术人员应能理解上述计算机设备11和血管图像采集设备12仅为举例,其他现有的或今后可能出现的计算机设备和血管图像采集设备如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
本申请实施例提供的三维血管模型的构建方法,可应用于任一需要构建三维血管模型的场景下。
示例性地,可应用于根据DSA设备在两个不同的角度对同一血管进行图像采集得到的两个血管图像重构三维血管模型,以便于根据重构的三维血管模型对血管进行进一步的研究的场景下。DSA是通过减影、增强等技术来获取明显血管图像的技术,该技术对血管中的病变诊断具有重要意义,常用于诊断心脑血管狭窄等,但是由于DSA设备输出的是二维血管图像,二维血管图像提供的信息有限,所以研究学者希望通过对两个角度的二维DSA血管图像进行三维重构,得到三维血管模型。
本申请实施例提供一种三维血管模型的构建方法,该方法可应用于上述图1所示的实施环境,以该方法应用于计算机设备11为例。如图2所示,本申请实施例提供的三维血管模型的构建方法可以包括如下步骤201至步骤203。
在步骤201中,获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,第一血管图像和第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的图像。
三维血管模型的构建过程依赖两个血管图像,也即第一血管图像和第二血管图像。第一血管图像和第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的两个不同的二维图像。示例性地,此处涉及的角度是指三维空间中的角度,第一血管图像和第二血管图像各自对应的角度与实际的图像采集情况有关,本申请实施例对此不加以限定。示例性地,血管是血液流过的管道,本申请实施例对血管的类型不加以限定,例如,血管可以是指动脉血管,也可以是指静脉血管,还可以是指毛细血管等。
示例性地,第一血管图像和第二血管图像是利用血管图像采集设备从不同角度对同一血管进行图像采集得到的。血管图像采集设备能够提供多个角度对应的多个光源(或多个相机),从任一角度对血管进行图像采集得到一个二维血管图像的过程可以看作利用该任一角度对应的光源(或相机)将血管投影到该任一角度对应的投影面上的过程。示例性地,血管图像采集设备可以为任一种具有血管图像采集功能的设备,例如,血管图像采集设备包括但不限于DSA设备、CTA(Computed Tomography Angiography,计算机断层摄影血管造影)设备、MRA(Magnetic Resonance Angiography,磁共振血管造影)设备等。
血管图像采集设备在采集到第一血管图像和第二血管图像后,可以向计算机设备发送第一血管图像和第二血管图像,以使计算机设备存储第一血管图像和第二血管图像,此种情况下,计算机设备在需要构建三维血管模型时,从存储中提取第一血管图像和第二血管图像。当然,在一些实施例中,血管图像采集设备在采集到第一血管图像和第二血管图像后,将第一血管图像和第二血管图像存储在数据库中,此种情况下,计算机设备在需要构建三维血管模型时,从数据库中提取第一血管图像和第二血管图像。
计算机设备在获取第一血管图像和第二血管图像后,获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线。第一初始血管中心线是从第一血管图像中识别出的血管中心线,第二初始血管中心线是从第二血管图像中识别出的血管中心线。血管中心线用于反映血管结构的骨架或脉络,根据血管中心线能够估计血管的形态以及曲率等。需要说明的是,由于第一初始血管中心线和第二初始血管中心线均是从二维的血管图像中识别出的线,所以第一初始血管中心线和第二初始血管中心线可视为二维的血管中心线,该二维的血管中心线用于反映图像中呈现出的二维血管的结构。
获取第一血管图像中的第一初始血管中心线的原理与获取第二血管图像中的第二初始血管中心线的原理相同,本申请实施例以获取第一血管图像中的第一初始血管中心线为例进行说明。在一种可能实现方式中,获取第一血管图像中的第一初始血管中心线的过程包括:对第一血管图像进行图像分割,得到第一血管图像中的第一血管轮廓;提取第一血管轮廓的中心线,将第一血管轮廓的中心线作为第一初始血管中心线。第一血管轮廓用于反映第一血管图像中呈现出的二维血管的轮廓。
在示例性实施例中,对第一血管图像进行图像分割,得到第一血管图像中的第一血管轮廓的实现方式可以为:基于图像分割模型,预测第一血管图像上的像素点属于二维血管的概率;将概率满足条件的像素点确定为属于二维血管的像素点;基于属于二维血管的像素点中的处于边缘位置的像素点,得到第一血管轮廓。概率满足条件的像素点是指属于二维血管的可能性较大的像素点,概率满足条件根据经验设置,或者根据实际应用场景灵活调整,例如,概率满足条件可以是指概率处于概率区间中,也可以是指概率大于概率阈值等。
在示例性实施例中,对第一血管图像进行图像分割,得到第一血管图像中的第一血管轮廓的实现方式还可以为:基于边缘检测的方式对第一血管图像进行图像分割,得到第一血管图像中的第一血管轮廓。例如,首先对第一血管图像中每一个像素点通过边缘检测算子进行计算,根据确定的准则判断每个像素点是否为边缘点,将边缘点连接成线,得到第一血管图像中的第一血管轮廓。
在对第一血管图像进行图像分割,得到第一血管图像中的第一血管轮廓后,提取第一血管轮廓的中心线,进而将提取的中心线作为第一初始血管中心线。可以采用任何可行的中心线提取算法提取第一血管轮廓的中心线,本申请实施例对此不加以限定。
示例性地,采用基于细化的中心线提取算法提取第一血管轮廓的中心线。例如,将第一血管轮廓包围的结构作为第一血管图像中的二维血管,对二维血管进行细化操作,得到第一血管轮廓的中心线。第一血管轮廓的中心线可以看作二维血管的骨架,即二维血管在其真实中轴附近的一个近似。在满足拓扑不变和几何约束条件的前提下,二维血管被细化算法层层剥离,最终成为在中心线附近的单像素细线,该单像素细线在视觉上仍保留原有二维血管的拓扑结构,该单像素细线即为第一血管轮廓的中心线。
示例性地,采用最优路径法提取第一血管轮廓的中心线。例如,根据第一血管轮廓的形态确定出二维血管的起始像素点和终止像素点,通过终止像素点反向传播至起始像素点来提取最短路径,反向传播可以通过梯度下降或正阶梯度下降来实现,提取得到的最短路径即为第一血管轮廓的中心线。
参考上述介绍的获取第一血管图像中的第一初始血管中心线的方式,能够获取第二血管图像中的第二初始血管中心线,然后基于第一初始血管中心线和第二初始血管中心线,执行后续的步骤202和步骤203。
在步骤202中,获取第一初始血管中心线对应的第一目标血管中心线和第二初始血管中心线对应的第二目标血管中心线,第一目标血管中心线上的血管关键点与第二目标血管中心线上的血管关键点在三维空间中重合于目标空间点处,血管关键点包括血管起点、血管终点和血管狭窄点中的至少一个。
第一目标血管中心线和第二目标血管中心线中的任一目标血管中心线上的血管关键点是指该任一目标血管中心线上的特征比较明显的点,在本申请实施例中,任一目标血管中心线上的血管关键点包括任一目标血管中心线上的血管起点、血管终点和血管狭窄点中的至少一个。其中,血管起点和血管终点是指任一目标血管中心线的两个端点,血管起点和血管终点能够决定该任一目标血管中心线的长度,也可以一定程度上决定待构建的三维血管模型的长度。血管狭窄点是指任一目标血管中心线上的与该任一目标血管中心线表征的二维血管中的最狭窄的位置对应的点。需要说明的是,由于第一目标血管中心线和第二目标血管中心线均为二维图像中的中心线,所以第一目标血管中心线上的血管关键点和第二目标血管中心线的血管关键点均为二维血管关键点。
不同目标血管中心线上的血管关键点的类型以及数量相同,例如,若第一目标血管中心线上的血管关键点包括第一目标血管中心线上的血管起点、血管终点和血管狭窄点,则第二目标血管中心线上的血管关键点包括第二目标血管中心线上的血管起点、血管终点和血管狭窄点。
在示例性实施例中,任一目标血管中心线上的血管关键点包括血管起点、血管终点和血管狭窄点,从而不仅能够实现对三维血管中心线的起点和终点的固定,还能够实现对三维血管中心线中间部位的用于指示狭窄位置的狭窄点的固定,对三维血管中心线的起点和终点的固定有利于降低三维血管中心线的长度的突变可能性,对三维血管中心线中间部位的用于指示狭窄位置的狭窄点的固定有利于降低三维血管中心线的形态的突变可能性,从而能够同时提高三维血管中心线在长度方面的准确性和在形态方面的准确性,较为全面的提高三维血管中心线的可靠性,进而提高构建的三维血管模型的准确性。
在一些实施例中,任一目标血管中心线上的血管关键点除了包括血管起点、血管终点和血管狭窄点中的至少一个外,还可以包括其他类型的关键点,如,血管分叉点、血管扩张点等。任一目标血管中心线上的血管关键点的类型越多,能够实现对三维血管中心线上越多的点的固定,从而能够越大程度上避免三维血管中心线的突变的发生,从而使得构建的三维血管模型的准确性越高。
第一目标血管中心线是基于第一初始血管中心线确定的矫正后的二维血管中心线,第一目标血管中心上的血管关键点是基于第一初始血管中心线上的血管关键点确定的点。例如,若第一目标血管中心线是通过对第一初始血管中心线进行变换得到的中心线,则第一目标血管中心线上的血管关键点是指第一初始血管中心线上的血管关键点对应的变换后的点;若第一目标血管中心线是第一初始血管中心线本身,则第一目标血管中心线上的血管关键点是指第一初始血管中心线上的血管关键点本身。
同理地,第二目标血管中心线是基于第二初始血管中心线确定的矫正后的二维血管中心线,第二目标血管中心线上的血管关键点是基于第二初始血管中心线上的血管关键点确定的点。例如,若第二目标血管中心线是通过对第二初始血管中心线进行变换得到的中心线,则第二目标血管中心线上的血管关键点是指第二初始血管中心线上的血管关键点对应的变换后的点;若第二目标血管中心线是第二初始血管中心线本身,则第二目标血管中心线上的血管关键点是指第二初始血管中心线上的血管关键点本身。
示例性地,第一初始血管中心线和第二初始血管中心线中的任一初始血管中心线上的血管关键点的类型与任一目标血管中心线上的血管关键点的类型相同。也就是说,任一初始血管中心线上的血管关键点包括该任一初始血管中心线上的血管起点、血管终点和血管狭窄点中的至少一个。任一初始血管中心线上的血管起点和血管终点可以直接通过识别该任一初始血管中心线的两个端点得到,任一初始血管中心线上的血管狭窄点可以通过技术人员在任一初始血管中心线上进行标记得到。例如,在获取任一初始血管中心线后,可以将该任一初始血管中心线呈现给技术人员,由技术人员通过参考该任一初始血管中心线所对应的血管轮廓在该任一初始血管中心线上标记出血管狭窄点。在一些实施例中,任一初始血管中心线上的血管关键点还可以包括其他类型的关键点,如,血管分叉点、血管扩张点等。
第一目标血管中心线上的血管关键点与第二目标血管中心线上血管关键点在三维空间中重合于目标空间点处是指第一目标血管中心线上的血管关键点在三维空间中对应的空间点和第二目标血管中心线上的血管关键点在三维空间中对应的空间点均为该目标空间点。在此种情况下,两个目标血管中心线能够利用三维空间中的目标空间点关联起来,基于这两个目标血管中心线能够获取经过目标空间点的三维血管中心线,实现对三维血管中心线上的部分点的固定,降低三维血管中心线的突变可能性,有利于提高三维血管中心线的可靠性,缩小三维血管中心线与真实血管中心线之间的偏差,进而提高构建的三维血管模型的准确性。
在一种可能实现方式中,获取第一初始血管中心线对应的第一目标血管中心线和第二初始血管中心线对应的第二目标血管中心线的过程包括以下步骤2021至步骤2023。
步骤2021:基于第一初始血管中心线和第二初始血管中心线,在三维空间中确定目标空间点。
目标空间点是指待获取的第一目标血管中心线上的血管关键点和待获取的第二目标血管中心线上的血管关键点应该在三维空间中共同对应的空间点,以保证第一目标血管中心线上的血管关键点与第二目标血管中心线上的血管关键点在三维空间中重合于目标空间点处。
基于第一初始血管中心线和第二初始血管中心线,在三维空间中确定目标空间点的实现方式将在下文进行介绍,此处暂不赘述。
目标空间点的数量与任一初始血管中心线上的血管关键点的数量相同,目标空间点与任一初始血管中心线上的血管关键点一一对应,例如,若任一初始血管中心线上的血管关键点包括该任一初始血管中心线上的血管起点、血管终点和血管狭窄点,则目标空间点包括与任一初始血管中心线上的血管起点对应的空间点、与任一初始血管中心线上的血管终点对应的空间点以及与任一初始血管中心线上的血管狭窄点对应的空间点。当然,目标空间点和任一初始血管中心线上的血管关键点还可以为其他情况,此处不再一一赘述。
步骤2022:基于第一血管图像对应的第一投影矩阵,将目标空间点向第一血管图像投影,得到第一投影点;基于第二血管图像对应的第二投影矩阵,将目标空间点向第二血管图像投影,得到第二投影点。
第一血管图像对应的第一投影矩阵用于指示第一血管图像中的像素点与三维空间中的空间点之间的投影关系。第一血管图像中的像素点是处于第一血管图像对应的第一图像坐标系下的点,三维空间中的空间点是处于世界坐标系下的点,第一投影矩阵能够实现第一图像坐标系和世界坐标系之间的转换。
示例性地,第一血管图像可视为利用血管图像采集设备中的第一相机将三维空间中的血管投影到第一相机对应的投影面上得到的图像。第一投影矩阵是指第一相机所配备的参数。示例性地,第一投影矩阵基于第一相机的内参和外参计算得到。
由于第一投影矩阵能够指示第一血管图像中的像素点与三维空间中的空间点之间的投影关系,所以能够基于第一投影矩阵,将三维空间中的目标空间点向第一血管图像投影,将投影后得到的点作为第一投影点。需要说明的是,目标空间点的数量可能为一个,也可能为多个。每个目标空间点均对应一个第一投影点,也即,第一投影点的数量与目标空间点的数量相同。由于第一投影点是向第一血管图像投影得到的,所以第一投影点和第一血管图像上的像素点处于第一血管图像对应的第一图像坐标系下。
示例性地,以第一投影点的数量为一个为例,第一投影点可以表示为x,第一投影矩阵可以表示为P,目标空间点可以表示为X,其中,x是一个3*1维的矩阵,该3*1维的矩阵中的前两个元素为第一投影点在第一血管图像对应的第一图像坐标系下的二维坐标,第三个元素为1;P为一个3*4维的矩阵,该3*4维的矩阵中的各个元素基于第一相机的内参和外参计算得到;X为一个4*1维的矩阵,该4*1维的矩阵中的前三个元素为目标空间点在三维空间对应的世界坐标系下的三维坐标,第四个元素为1。此种情况下,基于第一血管图像对应的第一投影矩阵,将目标空间点向第一血管图像投影,得到第一投影点的过程可以表示为x=PX。
第二血管图像对应的第二投影矩阵用于指示第二血管图像中的像素点与三维空间中的空间点之间的投影关系。第二血管图像中的像素点是处于第二血管图像对应的第二图像坐标系下的点,三维空间中的空间点是处于世界坐标系下的点,第二投影矩阵能够实现第二图像坐标系和世界坐标系之间的转换。示例性地,第二血管图像可视为利用血管图像采集设备中的第二相机将三维空间中的血管投影到第二相机对应的投影面上得到的图像。第二投影矩阵是指第二相机所配备的参数。示例性地,第二投影矩阵基于第二相机的内参和外参计算得到。第二相机和第一相机是血管图像采集设备提供的对应两个不同的角度的相机。
由于第二投影矩阵能够指示第二血管图像中的像素点与三维空间中的空间点之间的投影关系,所以能够基于第二投影矩阵,将三维空间中的目标空间点向第二血管图像投影,将投影后得到的点作为第二投影点。每个目标空间点均对应一个第二投影点,也即,第二投影点的数量与目标空间点的数量相同。
步骤2023:基于第一投影点对第一初始血管中心线进行变换,得到第一目标血管中心线,第一目标血管中心线上的血管关键点与该第一投影点重合;基于第二投影点对第二初始血管中心线进行变换,得到第二目标血管中心线,第二目标血管中心线上的血管关键点与该第二投影点重合。
基于第一投影点对第一初始血管中心线进行变换的目的是将第一初始血管中心线上的血管关键点变换到第一投影点所处的位置处,也即,使变换后得到的第一目标血管中心线上的血管关键点与该第一投影点重合。
在示例性实施例中,基于第一投影点对第一初始血管中心线进行变换,得到第一目标血管中心线的实现过程包括:基于第一投影点和第一初始血管中心线上的血管关键点,确定第一变换矩阵;基于第一变换矩阵对第一初始血管中心线进行变换,将变换后得到的中心线作为第一目标血管中心线。其中,第一变换矩阵用于指示如何将第一初始血管中心线上的血管关键点变换到第一投影点所处的位置处。需要说明的是,由于目标空间点与第一初始血管中心线上的血管关键点是一一对应的,所以第一投影点也与第一初始血管中心线上的血管关键点是一一对应的,将第一初始血管中心线上的血管关键点变换到第一投影点所处的位置处是指将第一初始血管中心线上的每个血管关键点均变换到对应的一个第一投影点所处的位置处。
本申请实施例对第一变换矩阵的类型不加以限定,示例性地,第一变换矩阵的类型可以是指仿射变换矩阵,也可以是指旋转矩阵、平移矩阵等,这与第一投影点(或第一初始血管中心线上的血管关键点)的数量有关。例如,若第一投影点(或第一初始血管中心线上的血管关键点)的数量为三个,则第一变换矩阵可以是一种仿射变换矩阵。仿射变换矩阵能够同时实现旋转、缩放、平移等空间变换。
由于第一变换矩阵用于指示如何将第一初始血管中心线上的血管关键点变换到第一投影点所处的位置处,所以在确定出第一变换矩阵后,能够按照第一变换矩阵指示的变换方式对第一初始血管中心线进行变换,变换后即可得到血管关键点与第一投影点重合的第一目标血管中心线。
基于第二投影点对第二初始血管中心线进行变换的目的是将第二初始血管中心线上的血管关键点变换到第二投影点所处的位置处,也即,使变换后得到的第二目标血管中心线上的血管关键点与该第二投影点重合。
在示例性实施例中,基于第二投影点对第二初始血管中心线进行变换,得到第二目标血管中心线的实现过程包括:基于第二投影点和第二初始血管中心线上的血管关键点,确定第二变换矩阵;基于第二变换矩阵对第二初始血管中心线进行变换,将变换后得到的中心线作为第二目标血管中心线。其中,第二变换矩阵用于指示如何将第二初始血管中心线上的血管关键点变换到第二投影点所处的位置处。该实现过程的原理与基于第一投影点对第一初始血管中心线进行变换得到第一目标血管中心线的实现过程的原理相同,此处不再赘述。
在基于上述步骤2021至步骤2023获取第一目标血管中心线和第二目标血管中心线的过程中,先在第一初始血管中心线和第二初始血管中心线的共同约束下确定出目标空间点,然后利用目标空间点在血管图像上的投影点对血管图像中的初始血管中心线进行变换,得到血管关键点与投影点重合的目标血管中心线。在此种方式下,第一目标血管中心线上的血管关键点在三维空间中对应的空间点以及第二目标血管中心线上的血管关键点在三维空间中对应的空间点均为目标空间点,从而保证两个目标血管中心线上的血管关键点在三维空间中重合于目标空间点处。
在基于步骤2021至步骤2023获取第一目标血管中心线和第二目标血管中心线的方式下,能够通过提高目标空间点的可靠性来提高第一目标血管中心线和第二目标血管中心线的可靠性,操作灵活性较高。需要说明的是,基于步骤2021至步骤2023的方式获取第一目标血管中心线和第二目标血管中心线仅为一种示例性实现方式,本申请实施例并不局限于此。在一种可能实现方式中,还可以根据下述方式获取第一目标血管中心线和第二目标血管中心线。
在一种可能实现方式中,可以基于下述步骤202a至步骤202c的方式获取第一目标血管中心线和第二目标血管中心线。
步骤202a:将第一初始血管中心线作为第一目标血管中心线;基于第一血管图像对应的第一投影矩阵,将第一目标血管中心线上的血管关键点向三维空间投影,得到目标空间点。
在此种方式下,无需对第一初始血管中心线进行任何变换,直接将第一初始血管中心线作为第一目标血管中心线。由于第一投影矩阵能够指示第一血管图像中的像素点与三维空间中的空间点之间的投影关系,所以能够基于第一投影矩阵,将第一目标血管中心线上的血管关键点向三维空间投影,将投影后得到的空间点作为目标空间点。
示例性地,以第一目标血管中心线上的血管关键点的数量为一个为例,第一目标血管中心线上的血管关键点可以表示为y,第一投影矩阵可以表示为P,目标空间点可以表示为Y,其中,y是一个3*1维的矩阵,该3*1维的矩阵中的前两个元素为第一目标血管中心线上的血管关键点在第一图像坐标系下的二维坐标,第三个元素为1;P为一个3*4维的矩阵,该3*4维的矩阵中的各个元素基于第一相机的内参和外参计算得到;Y为一个4*1维的矩阵,该4*1维的矩阵中的前三个元素为目标空间点在世界坐标系下的三维坐标,第四个元素为1。此种情况下,基于第一血管图像对应的第一投影矩阵,将第一目标血管中心线上的血管关键点向三维空间投影,得到目标空间点的过程可以基于公式y=PY实现。
步骤202b:基于第二血管图像对应的第二投影矩阵,将目标空间点向第二血管图像投影,得到第四投影点。
在确定目标空间点后,需要利用目标空间点对第二初始血管中心线进行变换,以使变换后得到的第二目标血管中心线上的血管关键点在三维空间中对应的空间点与目标空间点重合。
在利用目标空间点对第二初始血管中心线进行变换的过程中,先基于第二投影矩阵,将目标空间点向第二血管图像投影,得到第四投影点,进而基于第四投影点对第二初始血管中心线进行变换。该步骤202b的实现原理与步骤2022中确定第二投影点的实现原理相同,此处不再加以赘述。
步骤202c:基于第四投影点对第二初始血管中心线进行变换,得到第二目标血管中心线,第二目标血管中心线上的血管关键点与第四投影点重合。
基于第四投影点对第二初始血管中心线进行变换的目的是将第二初始血管中心线上的血管关键点变换到第四投影点所处的位置处,也即,使变换后得到的第二目标血管中心线上的血管关键点与该第四投影点重合。
由于第二目标血管中心线上的血管关键点与第四投影点重合,第四投影点是目标空间点在第二血管图像上的投影点,所以,基于此种方式获取的第二目标血管中心线上的血管关键点在三维空间中对应的空间点即为目标空间点本身,从而保证第一目标血管中心线上的血管关键点与第二目标血管中心线上的血管关键点在三维空间中重合于目标空间点处。
在示例性实施例中,基于第四投影点对第二初始血管中心线进行变换,得到第二目标血管中心线的实现过程包括:基于第四投影点和第二初始血管中心线上的血管关键点,确定第三变换矩阵;基于第三变换矩阵对第二初始血管中心线进行变换,将变换后得到的中心线作为第二目标血管中心线。其中,第三变换矩阵用于指示如何将第二初始血管中心线上的血管关键点变换到第四投影点所处的位置处。该实现过程的原理与基于第二投影点对第二初始血管中心线进行变换得到第二目标血管中心线的实现过程的原理相同,此处不再赘述。
在基于步骤202a至步骤202c获取第一目标血管中心线和第二目标血管中心线的过程中,直接将第一初始血管中心线作为第一目标血管中心线,仅对第二初始血管中心线进行变换,需要执行的变换操作较少,有利于提高获取第一目标血管中心线和第二目标血管中心线的效率,进而提高三维血管模型的构建效率。
在另一种可能实现方式中,还可以基于下述步骤(Ⅰ)至步骤(Ⅲ)的方式获取第一目标血管中心线和第二目标血管中心线。
步骤(Ⅰ):将第二初始血管中心线作为第二目标血管中心线;基于第二血管图像对应的第二投影矩阵,将第二目标血管中心线上的血管关键点向三维空间投影,得到目标空间点。
在此种方式下,无需对第二初始血管中心线进行任何变换,直接将第二初始血管中心线作为第二目标血管中心线。由于第二投影矩阵能够指示第二血管图像中的像素点与三维空间中的空间点之间的投影关系,所以能够基于第二投影矩阵,将第二目标血管中心线上的血管关键点向三维空间投影,将投影后得到的空间点作为目标空间点。
步骤(Ⅱ):基于第一血管图像对应的第一投影矩阵,将目标空间点向第一血管图像投影,得到第五投影点。
在确定目标空间点后,需要利用目标空间点对第一初始血管中心线进行变换,以使变换后得到的第一目标血管中心线上的血管关键点在三维空间中对应的空间点与目标空间点重合。
在利用目标空间点对第一初始血管中心线进行变换的过程中,先基于第一投影矩阵,将目标空间点向第一血管图像投影,得到第五投影点,进而基于第五投影点对第一初始血管中心线进行变换。该步骤(Ⅱ)的实现原理与步骤2022中确定第一投影点的实现原理相同,此处不再加以赘述。
步骤(Ⅲ):基于第五投影点对第一初始血管中心线进行变换,得到第一目标血管中心线,第一目标血管中心线上的血管关键点与第五投影点重合。
基于第五投影点对第一初始血管中心线进行变换的目的是将第一初始血管中心线上的血管关键点变换到第五投影点所处的位置处,也即,使变换后得到的第一目标血管中心线上的血管关键点与该第五投影点重合。
由于第一目标血管中心线上的血管关键点与第五投影点重合,第五投影点是目标空间点在第一血管图像上的投影点,所以,基于此种方式获取的第一目标血管中心线上的血管关键点在三维空间中对应的空间点即为目标空间点本身,从而保证第一目标血管中心线上的血管关键点与第二目标血管中心线上的血管关键点在三维空间中重合于目标空间点处。
在示例性实施例中,基于第五投影点对第一初始血管中心线进行变换,得到第一目标血管中心线的实现过程包括:基于第五投影点和第一初始血管中心线上的血管关键点,确定第四变换矩阵;基于第四变换矩阵对第一初始血管中心线进行变换,将变换后得到的中心线作为第一目标血管中心线。其中,第四变换矩阵用于指示如何将第一初始血管中心线上的血管关键点变换到第五投影点所处的位置处。该实现过程的原理与基于第一投影点对第一初始血管中心线进行变换得到第一目标血管中心线的实现过程的原理相同,此处不再赘述。
在基于步骤(Ⅰ)至步骤(Ⅲ)获取第一目标血管中心线和第二目标血管中心线的过程中,直接将第二初始血管中心线作为第二目标血管中心线,仅对第一初始血管中心线进行变换,需要执行的变换操作较少,有利于提高获取第一目标血管中心线和第二目标血管中心线的效率,进而提高三维血管模型的构建效率。
在步骤203中,基于第一目标血管中心线和第二目标血管中心线,获取经过目标空间点的三维血管中心线;基于三维血管中心线,构建血管对应的三维血管模型。
三维血管中心线经过目标空间点,从而能够实现对三维血管中心线所经过的部分点的固定,降低三维血管中心线的突变可能性,降低三维血管中心线与真实的血管中心线之间的偏差,提高三维血管中心线的稳定性和可靠性,进而提高基于三维血管中心线构建的三维血管模型的准确性。
在一种可能实现方式中,基于第一目标血管中心线和第二目标血管中心线,获取经过目标空间点的过程包括:确定经过目标空间点的待更新血管中心线;基于第一目标血管中心线和第二目标血管中心线,对待更新血管中心线进行迭代更新,迭代更新过程中得到的各个血管中心线均经过目标空间点;将满足迭代更新终止条件时得到的血管中心线作为三维血管中心线。
根据目标空间点可以基本定位三维血管模型在三维空间中的位置,根据目标空间点,能够初始化一条经过目标空间点的待更新血管中心线。示例性地,目标空间点包括目标三维血管起点、目标三维血管终点和目标三维血管狭窄点中的至少一个。若目标空间点包括目标三维血管起点,则将该目标三维血管起点作为待更新血管中心线的起点;若目标空间点包括目标三维血管终点,则将该目标三维血管终点作为待更新血管中心线的终点;若目标空间点包括目标三维血管狭窄点,则将该目标三维血管狭窄点作为待更新血管中心线上除起点和终点外的某一点。
例如,若目标空间点包括目标三维血管起点、目标三维血管终点和目标三维血管狭窄点,则可以将从目标三维血管起点开始,经过目标三维血管狭窄点到达目标三维血管终点的线作为待更新血管中心线。示例性地,该待更新血管中心线可以为一条折线。
待更新血管中心线虽然经过目标空间点,但是准确性可能较差,因此,需要基于第一目标血管中心线和第二目标血管中心线,对待更新血管中心线进行迭代更新,以提高血管中心线与第一目标血管中心线和第二目标血管中心线的关联度,使得三维血管中心线不断逼近血管的真实三维中心线,提高血管中心线的准确性,以使最终得到的三维血管中心线能够用于模拟血管的真实三维中心线。示例性地,基于第一目标血管中心线和第二目标血管中心线对待更新血管中心线进行迭代更新的过程可以称为根据力场迭代思想实现三维血管中心线的演化的过程。
在示例性实施例中,第一目标血管中心线上具有第一参考点,第二目标血管中心线上具有第二参考点,待更新血管中心线上具有待更新空间点,第一参考点与待更新空间点一一对应,第二参考点与待更新空间点一一对应。第一参考点、第二参考点和待更新空间点可以根据经验设定。示例性地,从第一目标血管中心线的起点到第一目标血管中心线的终点依次设置参考数量个点作为第一参考点,从第二目标血管中心线的起点到第二目标血管中心线的终点依次设置参考数量个点作为第二参考点,从待更新血管中心线的起点到待更新血管中心线的终点依次设置参考数量个点作为待更新空间点。则第一参考点中的第k(k为从1到参考数量中的任一整数取值)点与待更新空间点中的第k个点对应,第二参考点中的第k个点与待更新空间点中的第k个点对应。参考数量根据经验设置,例如,参考数量为100,或者参考数量为1000等。
在示例性实施例中,基于第一目标血管中心线和第二目标血管中心线对待更新血管中心线进行迭代更新的过程包括:对于待更新血管中心线上的任一待更新空间点,基于第一目标血管中心线上与该任一待更新空间点对应的第一参考点以及第二目标血管中心线上与该任一待更新空间点对应的第二参考点,对该任一待更新空间点的位置进行更新,得到一个更新位置后的空间点;将各个更新位置后的空间点构成的中心线作为更新后的血管中心线。判断当前迭代更新过程是否满足迭代更新终止条件;若当前迭代更新过程满足迭代更新终止条件,则将更新后的血管中心线作为三维血管中心线;若当前迭代更新过程不满足迭代终止条件,则继续基于第一目标血管中心线和第二目标血管中心线对更新后的血管中心线进行更新,以此类推,直至当前迭代更新过程满足迭代更新终止条件,将满足迭代更新终止条件时得到的血管中心线作为三维血管中心线。
在示例性实施例中,基于第一目标血管中心线上与该任一待更新空间点对应的第一参考点以及第二目标血管中心线上与该任一待更新空间点对应的第二参考点,对该任一待更新空间点的位置进行更新,得到一个更新位置后的空间点的实现方式可以为:基于第一投影矩阵,将第一目标血管中心线上与该任一待更新空间点对应的第一参考点向三维空间投影,得到第一矫正点;基于第二投影矩阵,将第二目标血管中心线上与该任一待更新空间点对应的第二参考点向三维空间投影,得到第二矫正点;基于第一矫正点相对任一待更新空间点的第一偏移向量和第二矫正点相对任一待更新空间点的第二偏移向量,确定第一目标偏移向量,将该任一待更新空间点按照第一目标偏移向量进行移动,将移动后得到的空间点作为更新位置后的空间点。
在示例性实施例中,基于第一目标血管中心线上与该任一待更新空间点对应的第一参考点以及第二目标血管中心线上与该任一待更新空间点对应的第二参考点,对该任一待更新空间点的位置进行更新,得到一个更新位置后的空间点的实现方式还可以为:基于第一投影矩阵,将该任一待更新空间点向第一血管图像投影,得到第一待更新投影点;基于第二投影矩阵,将该任一待更新空间点向第二血管图像投影,得到第二待更新投影点;基于第一投影矩阵,将第一待更新投影点相对第一目标血管中心线上与该任一待更新空间点对应的第一参考点的二维偏移向量向三维空间投影,得到第三偏移向量;基于第二投影矩阵,将第二待更新投影点相对第二目标血管中心线上与该任一待更新空间点对应的第二参考点的二维偏移向量向三维空间投影,得到第四偏移向量;基于第三偏移向量和第四偏移向量,确定第二目标偏移向量,将该任一待更新空间点按照第二目标偏移向量进行移动,将移动后得到的空间点作为更新位置后的空间点。
当前迭代更新过程满足迭代更新终止条件可以根据经验设置,也可以根据应用场景灵活调整。示例性地,当前迭代更新过程满足迭代更新终止条件可以是指当前迭代更新过程已经执行的更新次数达到次数阈值,也可以是指目标比例的空间点在更新前和更新后的位置差异小于差异阈值等。
在获取三维血管中心线后,基于三维血管中心线,构建血管对应的三维血管模型,在示例性实施例中,该过程包括:确定三维血管中心线上每个三维位置点对应的三维半径;基于三维血管中心线和每个三维位置点对应的三维半径,构建三维血管模型。
示例性地,确定三维血管中心线上每个三维位置点对应的三维半径的方式包括:对于三维血管中心线上任一三维位置点,基于第一初始血管中心线上相应的二维位置点对应的二维半径、第一初始血管中心线所在的第一血管图像对应的角度、第二初始血管中心线上相应的二维位置点对应的二维半径以及第二初始血管中心线所在的第二血管图像对应的角度,计算该任一三维位置点对应的三维半径。也就是说,三维半径基于两个角度的二维半径计算得到。
示例性地,第一初始血管中心线和第二初始血管中心线中的任一初始血管中心线上相应的二维位置点对应的二维半径通过对该任一初始血管中心线对应的血管轮廓和该二维位置点所处的位置分析得到。示例性地,二维半径可以基于像素级或者亚像素级算法计算得到,以保证三维半径的精度。
示例性地,在得到每个三维位置点对应的三维半径后,基于每个三维位置点对应的三维半径和三维血管中心线,生成每个三维位置点对应的血管壁,多个三维血管位置点对应的血管壁即可构成三维血管模型。在此种构建三维血管模型的过程中,若血管关键点包括血管起点、血管终点和血管狭窄点,则能够保证模型首尾点以及狭窄点的正确对应关系,可以保证三维血管模型的入口、出口以及狭窄位置半径和建模的准确性。
本申请实施例提供的方法,实现了对获取三维血管中心线所依据的两个血管中心线上的血管关键点的固定,进而实现对三维血管中心线上的部分点的固定,能够减少后续力场迭代过程中模型出现突变的情况的发生。示例性地,二维的血管中心线上的血管关键点包括血管起点、血管终点和血管狭窄点,从而能够实现对三维血管中心线的起点、终点以及中间部位的用于指示狭窄位置的狭窄点的固定,有利于降低三维血管中心线的长度的突变可能性和形态的突变可能性,从而能够同时提高三维血管中心线在长度方面的准确性和在形态方面的准确性,较为全面的提高三维血管中心线的可靠性,进而提高构建的三维血管模型的准确性。
本申请实施例提供的三维血管模型的构建方法,在获取两个血管图像中的两个初始血管中心线后,进一步获取了两个目标血管中心线,该两个目标血管中心线上的血管关键点在三维空间中重合于目标空间点,基于该两个目标血管中心线,能够获取经过固定的目标空间点的三维血管中心线,从而降低三维血管中心线的突变可能性,有利于缩小获取的三维血管中心线与真实血管中心线之间的偏差,从而提高构建的三维血管模型的准确性。
示例性地,图2所示的实施例中的步骤2021中涉及的基于第一初始血管中心线和第二初始血管中心线,在三维空间中确定目标空间点的实现方式包括但不限于以下实现方式1至实现方式3。
实现方式1:基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点,确定目标空间点。
在此种实现方式1中,无需对第一初始血管中心线和第二初始血管中心线进行调整,即可直接依据第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点确定目标空间点,有利于提高目标空间点的确定效率。
在一种可能实现方式中,基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点,确定目标空间点的实现过程包括以下步骤A至步骤C。
步骤A:基于第一投影矩阵,将第一初始血管中心线上的血管关键点向三维空间投影,得到第一空间点,将第一初始血管中心线上的血管关键点和第一空间点的连线作为第一连线。
第一空间点的数量与第一初始血管中心线上的血管关键点的数量相同,均可能为一个或多个。对于第一空间点的数量和第一初始血管中心线上的血管关键点的数量均为一个的情况,第一连线的数量为一个;对于第一空间点的数量和第一初始血管中心线上的血管关键点的数量均为多个的情况,第一初始血管中心线上的每个血管关键点和每个血管关键点对应的第一空间点的连线均为一个第一连线,也即第一连线的数量也为多个。
步骤B:基于第二投影矩阵,将第二初始血管中心线上的血管关键点向三维空间投影,得到第四空间点,将第二初始血管中心线上的血管关键点和第四空间点的连线作为第三连线。
第四空间点的数量与第二初始血管中心线上的血管关键点的数量相同,均可能为一个或多个。对于第四空间点的数量和第二初始血管中心线上的血管关键点的数量均为一个的情况,第三连线的数量为一个;对于第四空间点的数量和第二初始血管中心线上的血管关键点的数量均为多个的情况,第二初始血管中心线上的每个血管关键点和每个血管关键点对应的第四空间点的连线均为一个第三连线,也即第三连线的数量也为多个。
步骤C:基于第一连线和第三连线,确定三维空间中的候选空间点的距离指标,将距离指标最小的候选空间点作为目标空间点。其中,任一候选空间点的距离指标为任一候选空间点到第一连线的距离与该任一候选空间点到第三连线的距离之和。
三维空间中的候选空间点根据经验指定,或者根据应用场景灵活调整,本申请实施例对此不加以限定。示例性地,候选空间点的数量为多个,以保证确定的目标空间点的可靠性。
对于第一连线和第三连线的数量均为一个的情况,任一候选空间点具有一个距离指标,该一个距离指标为任一候选空间点到该一个第一连线的距离与该任一候选空间点到该一个第三连线的距离之和。此种情况下,距离指标最小的候选空间点的数量为一个,也即目标空间点的数量为一个。
对于第一连线和第三连线的数量均为多个的情况,将与相同血管关键点关联的第一连线和第三连线作为一对连线。理想情况下,一对连线会在三维空间某一位置相交,交点的位置就是三维血管模型中对应的空间点位置,该空间点根据投影矩阵投影回二维图像中,会与两二维图像中的相应血管关键点重合。但由于未对相机进行矫正,每对连线在三维空间中极易无交点,且两条连线在三维空间中的距离可能较大,导致力场迭代难以收敛。
例如,如图3所示,第一血管图像M中的第一初始血管中心线oriCt1M上具有三个血管关键点,分别标记为A1、B1和C1,血管关键点B1与对应的空间点之间的连线为L1,该L1可视为从第一血管图像M对应的第一光源S1到血管关键点B1的连线;第二血管图像S中的第二初始血管中心线oriCt1S上也具有三个血管关键点,分别标记为A2、B2和C2,血管关键点B2与对应的空间点之间的连线为L2,该L2可视为从第二血管图像S对应的第二光源S2到血管关键点B2的连线。L1和L2在三维空间中无交点。
在第一连线和第三连线的数量均为多个的情况下,任一候选空间点具有多个距离指标,任一候选空间点的任一距离指标为该任一候选空间点到任一对连线中的第一连线的距离与该任一候选空间点到该任一对连线中的第三连线的距离之和。此种情况下,将任一距离指标最小的候选空间点均作为一个目标空间点,目标空间点的数量为多个。
在另一种可能实现方式中,基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点,确定目标空间点的实现过程包括:基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的任一血管关键点的图像坐标和第二初始血管中心线上的相应血管关键点的图像坐标,构造超定方程;根据最小二乘法求解超定方程的最优解空间坐标,将最优解空间坐标对应的空间点作为一个目标空间点。该一个目标空间点的物理含义为三维空间中与不相交的两条直线距离最小的空间点。该不相交的两条直线分别为第一初始血管中心线上的任一血管关键点与第一初始血管中心线上的任一血管关键点在三维空间中对应的空间点之间的连线,以及,第二初始血管中心线上的相应血管关键点与第二初始血管中心线上的相应血管关键点在三维空间中对应的空间点之间的连线。
示例性地,超定方程的形式为Ax=b。假设第一投影矩阵为matrixM,第二投影矩阵为matrixS,第一初始血管中心线上的任一血管关键点的图像坐标为(xM,yM),第二初始血管中心线上的相应血管关键点的图像坐标为(xS,yS),待获取的目标空间点的空间坐标为(X,Y,Z),则可以按照超定方程的形式构造得到如公式1所示的超定方程。
基于最小二乘法对上述公式1所示的超定方程进行求解,即可得到最优解空间坐标,然后将最优解空间坐标对应的空间点作为一个目标空间点。
需要构造的超定方程的数量与任一初始血管中心线上的血管关键点的数量相同,根据每个超定方程均能够求解得到一个目标空间点,从而得到全部的目标空间点。以任一初始血管中心线上的血管关键点包括血管起点、血管终点和血管狭窄点为例,则可以得到三个目标空间点,该三个目标空间点可以分别表示为pt3DA、pt3DB和pt3DC。
示例性地,pt3DB所处的位置为图3中的三角符号标记的位置,根据图3可知,从S2发出经过pt3DB的直线L3与第二血管图像S相交于B2’,也即pt3DB在第二血管图像S上的投影点为B2’;从S1发出经过pt3DB的直线L4与第一血管图像S相交于B1’,也即pt3DB在第一血管图像M上的投影点为B1’。
实现方式2:基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第一调整血管中心线上的血管关键点,确定目标空间点;其中,第一调整血管中心线基于第一极线对第二初始血管中心线进行平移和旋转中的至少一种处理得到,第一极线为第一初始血管中心线上的血管关键点在第二血管图像中对应的极线。
在此种实现方式2中,在确定目标空间点之前,先基于第一初始血管中心线上的血管关键点在第二血管图像中对应的第一极线对第二初始血管中心线进行了调整,然后再基于第一初始血管中心线上的血管关键点和调整后得到的第一调整血管中心线上的血管关键点确定目标空间点,第一调整血管中心线与第一初始血管中心线的匹配程度比第二初始血管中心线与第一初始血管中心线的匹配程度更高,有利于进一步提高确定的目标空间点的可靠性。
在对第二初始血管中心线进行调整之前,需要先确定第一初始血管中心线上的血管关键点在第二血管图像中对应的第一极线。需要说明的是,第一极线的数量与第一初始血管中心线上的血管关键点的数量相同,第一初始血管中心线上的每个血管关键点均在第二血管图像中对应一个第一极线,该一个第一极线与第二初始血管中心线上的相应血管关键点对应。理想情况下,第二初始血管中心线上的每个血管关键点均应该落在对应的第一极线上,或者落在对应的第一极线附近,但由于未对相机进行矫正,所以第二初始血管中心线上的血管关键点与对应的第一极线的距离可能较大。
以确定第一初始血管中心线上的一个血管关键点在第二血管图像中对应的一个第一极线为例,该一个第一极线是指第一光源、第二光源和第一初始血管中心线上的一个血管关键点形成的平面与第二血管图像的交线。在一些实施例中,首先确定第一血管图像和第二血管图像对应的基础矩阵(Fundamental Matrix),从而基于基础矩阵得到第一初始血管中心线上的一个血管关键点在第二血管图像中对应的一个第一极线。基础矩阵用于表示第一血管图像和第二血管图像之间的极线约束关系,根据基础矩阵和第一初始血管中心线上的血管关键点,能够直接得到该第一初始血管中心线上的血管关键点在第二血管图像中对应的极线。
示例性地,基础矩阵的构建过程中,首先针对第一初始血管中心线上的一个血管关键点,在第二初始血管中心线上确定对应的血管关键点。根据两个血管关键点的匹配情况,确定第一血管图像和第二血管图像对应的基础矩阵,该基础矩阵即用于表示第一血管图像在第二血管图像中的极线约束情况。针对第一初始血管中心线上的一个血管关键点,基于基础矩阵在第二血管图像中进行极线搜索,能够得到对应的极线。
第一极线用于约束对第二初始血管中心线进行调整的目标,在获取第一极线后,需要基于第一极线对第二初始血管中心线进行平移和旋转中的至少一种处理,得到第一调整血管中心线。也就是说,第一调整血管中心线可以直接基于第一极线对第二初始血管中心线进行平移得到,也可以直接基于第一极线对第二初始血管中心线进行旋转得到,还可以基于第一极线对第二初始血管中心线进行平移和旋转得到。只对第二初始血管中心线进行平移和/或旋转操作可以保证第一调整血管中心线的长度保持不变,从而减少三维血管模型构建过程中的模型长度的精度损失。
示例性地,对于第一调整血管中心线基于第一极线对第二初始血管中心线进行平移和旋转得到的情况,本申请实施例对平移和旋转的顺序不加以限定,可以先平移再旋转,也可以先旋转再平移。
以第一调整血管中心线基于第一极线对第二初始血管中心线进行平移和旋转得到,且先平移再旋转为例,获取第一调整血管中心线的过程包括:基于第一极线对第二初始血管中心线进行平移,得到第一平移血管中心线,第一平移血管中心线上的血管关键点到第一极线的距离满足第一约束条件;基于第一极线对第一平移血管中心线进行旋转,得到第一旋转血管中心线,第一旋转血管中心线上的血管关键点到第一极线的距离满足第二约束条件;将第一旋转血管中心线作为第一调整血管中心线。
第一极线的数量与血管中心线上的血管关键点的数量相同,且一一对应。若第一极线的数量为一个,则第一平移血管中心线上的血管关键点到第一极线的距离是指第一平移血管中心线上的一个血管关键点到一个第一极线的距离;若第一极线的数量为多个,则第一平移血管中心线上的血管关键点到第一极线的距离是指第一平移血管中心线上的每个血管关键点到对应第一极线的距离之和。
第一约束条件根据经验设置,或者根据应用场景灵活调整,例如,第一平移血管中心线上的血管关键点到第一极线的距离满足第一约束条件是指第一平移血管中心线上的血管关键点到第一极线的距离为各个第一候选血管中心线上的血管关键点到第一极线的距离中的最小值,其中,每个第一候选血管中心线均能够通过对第二初始血管中心线进行平移得到。
在示例性实施例中,基于第一极线对第二初始血管中心线进行平移的方式为:基于第一极线按照第一平移方向对第二初始血管中心线进行平移。第一平移方向可以根据经验设置,也可以基于第一初始血管中心线和第二初始血管中心线的实际情况确定,本申请实施例对此不加以限定。
以基于第一初始血管中心线和第二初始血管中心线的实际情况确定对第二初始血管中心线进行平移所依据的第一平移方向为例,第一平移方向的确定过程包括:基于第二投影矩阵,将第三空间点向第二血管图像投影,得到第三投影点,第三空间点基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点确定;基于第二初始血管中心线上的血管关键点和第三投影点之间的位置关系,确定第一平移方向。
示例性地,第三空间点是指基于实现方式1确定的目标空间点,基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点确定第三空间点的过程参见实现方式1中确定目标空间点的过程,此处不再加以赘述。第三空间点的数量与血管中心线上的血管关键点的数量相同,每个第三空间点均在第二血管图像中对应一个第三投影点。
第三投影点与第二初始血管中心线上的血管关键点一一对应。示例性地,基于第二初始血管中心线上的血管关键点和第三投影点之间的位置关系,确定第一平移方向的方式为:绘制第二初始血管中心线上的血管关键点与对应第三投影点之间的连线,分别得到偏移向量,将各个偏移向量求和得到整体的偏移向量,将该整体的偏移向量所指向的方向作为第一平移方向。示例性地,还可以计算该整体的偏移向量对应的单位偏移向量v,进而基于该单位偏移向量v对第二初始血管中心线进行平移得到各个第一候选血管中心线。
在获取第一平移血管中心线后,继续基于第一极线对第一平移血管中心线进行旋转,以进一步提高调整后的血管中心线与第一初始血管中心线之间的匹配程度。
若第一极线的数量为一个,则第一旋转血管中心线上的血管关键点到第一极线的距离是指第一旋转血管中心线上的一个血管关键点到该一个第一极线的距离;若第一极线的数量为多个,则第一旋转血管中心线上的血管关键点到第一极线的距离是指第一旋转血管中心线上的每个血管关键点到对应第一极线的距离之和。
第二约束条件根据经验设置,或者根据应用场景灵活调整,例如,第一旋转血管中心线上的血管关键点到第一极线的距离满足第二约束条件是指第一旋转血管中心线上的血管关键点到第一极线的距离为各个第二候选血管中心线上的血管关键点到第一极线的距离中的最小值,其中,每个第二候选血管中心线均能够通过对第一平移血管中心线进行旋转得到。示例性地,对第一平移血管中心线进行旋转得到第二候选血管中心线可以是指对第一平移血管中心线进行关于固定旋转轴的旋转得到第二候选血管中心线,也可以是指对第一平移血管中心线进行随意旋转得到第二候选血管中心线。
第一旋转血管中心线是先对第二初始血管中心线进行平移再进行旋转之后的得到的血管中心线,将该第一旋转血管中心线作为第一调整血管中心线,有利于保证第一调整血管中心线的可靠性。
以第一调整血管中心线基于第一极线对第二初始血管中心线进行平移和旋转得到,且先旋转再平移为例,获取第一调整血管中心线的过程包括:基于第一极线对第二初始血管中心线进行旋转,得到第二旋转血管中心线,第二旋转血管中心线上的血管关键点到第一极线的距离满足第三约束条件;基于第一极线对第二旋转血管中心线进行平移,得到第二平移血管中心线,第二平移血管中心线上的血管关键点到第一极线的距离满足第四约束条件;将第二平移血管中心线作为第一调整血管中心线。
若第一极线的数量为一个,则第二旋转血管中心线上的血管关键点到第一极线的距离是指第二旋转血管中心线上的一个血管关键点到该一个第一极线的距离;若第一极线的数量为多个,则第二旋转血管中心线上的血管关键点到第一极线的距离是指第二旋转血管中心线上的每个血管关键点到对应第一极线的距离之和。
第三约束条件根据经验设置,或者根据应用场景灵活调整,例如,第二旋转血管中心线上的血管关键点到第一极线的距离满足第三约束条件是指第二旋转血管中心线上的血管关键点到第一极线的距离为各个第三候选血管中心线上的血管关键点到第一极线的距离中的最小值,其中,每个第三候选血管中心线均能够通过对第二初始血管中心线进行旋转得到。
在获取第二旋转血管中心线后,继续基于第一极线对第二旋转血管中心线进行平移,以进一步提高调整后的血管中心线与第一初始血管中心线之间的匹配程度。示例性地,基于第一极线对第二旋转血管中心线进行平移可以是指基于第一极线按照第二平移方向对第二旋转血管中心线进行平移。示例性地,第二平移方向可以基于经验设置,也可以根据第一初始血管中心线和第二旋转血管中心线的实际情况确定。
示例性地,第二平移方向的确定过程包括:基于第二投影矩阵,将第五空间点向第二血管图像投影,得到第六投影点,第五空间点基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二旋转血管中心线上的血管关键点确定;基于第二初始血管中心线上的血管关键点和第六投影点之间的位置关系,确定第二平移方向。确定第二平移方向的原理与确定第一平移方向的原理相同,此处不再加以赘述。
若第一极线的数量为一个,则第二平移血管中心线上的血管关键点到第一极线的距离是指第二平移血管中心线上的一个血管关键点到该一个第一极线的距离;若第一极线的数量为多个,则第二平移血管中心线上的血管关键点到第一极线的距离是指第二平移血管中心线上的每个血管关键点到对应第一极线的距离之和。
第四约束条件根据经验设置,或者根据应用场景灵活调整,例如,第二平移血管中心线上的血管关键点到第一极线的距离满足第四约束条件是指第二平移血管中心线上的血管关键点到第一极线的距离为各个第四候选血管中心线上的血管关键点到第一极线的距离中的最小值,其中,每个第四候选血管中心线均能够通过对第二旋转血管中心线进行平移得到。
第二平移血管中心线是先对第二初始血管中心线进行旋转再进行平移之后的得到的血管中心线,将该第二平移血管中心线作为第一调整血管中心线,有利于保证第一调整血管中心线的可靠性。
示例性地,对于第一调整血管中心线基于第一极线对第二初始血管中心线进行平移得到的情况,获取第一调整血管中心线的过程包括:基于第一极线对第二初始血管中心线进行平移,得到第一平移血管中心线,第一平移血管中心线上的血管关键点到第一极线的距离满足第一约束条件;将第一平移血管中心线作为第一调整血管中心线。此种情况下,仅需对第二初始血管中心线进行平移,无需进行旋转,需要执行的处理的数量较少,有利于提高第一调整血管中心线的确定效率。
示例性地,对于第一调整血管中心线基于第一极线对第二初始血管中心线进行旋转得到的情况,获取第一调整血管中心线的过程包括:基于第一极线对第二初始血管中心线进行旋转,得到第二旋转血管中心线,第二旋转血管中心线上的血管关键点到第一极线的距离满足第三约束条件;将第二旋转血管中心线作为第一调整血管中心线。此种情况下,仅需对第二初始血管中心线进行旋转,无需进行平移,需要执行的处理的数量较少,有利于提高第一调整血管中心线的确定效率。
在确定第一调整血管中心线后,基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第一调整血管中心线上的血管关键点,确定目标空间点。在一种可能实现方式中,该实现过程可以为:基于第一投影矩阵,将第一初始血管中心线上的血管关键点向三维空间投影,得到第一空间点,将第一初始血管中心线上的血管关键点和第一空间点的连线作为第一连线;基于第二投影矩阵,将第一调整血管中心线上的血管关键点向三维空间投影,得到第二空间点,将第一调整血管中心线上的血管关键点和第二空间点的连线作为第二连线;基于第一连线和第二连线,确定三维空间中的候选空间点的距离指标,将距离指标最小的候选空间点作为目标空间点。其中,任一候选空间点的距离指标为该任一候选空间点到第一连线的距离与该任一候选空间点到第二连线的距离之和。该过程的实现原理与实现方式1的对应实现过程的实现原理相同,此处不再加以赘述。
在另一种可能实现方式中,基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第一调整血管中心线上的血管关键点,确定目标空间点的实现过程包括:基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的任一血管关键点的图像坐标和第一调整血管中心线上的相应血管关键点的图像坐标,构造超定方程;根据最小二乘法求解超定方程的最优解空间坐标,将最优解空间坐标对应的空间点作为一个目标空间点。该一个目标空间点的物理含义为三维空间中与不相交的两条直线距离最小的空间点。该不相交的两条直线分别为第一初始血管中心线上的任一血管关键点与第一初始血管中心线上的任一血管关键点在三维空间中对应的空间点之间的连线,以及,第一调整血管中心线上的相应血管关键点与第一调整血管中心线上的相应血管关键点在三维空间中对应的空间点之间的连线。
实现方式3:基于第一投影矩阵、第二投影矩阵、第二初始血管中心线上的血管关键点和第二调整血管中心线上的血管关键点,确定目标空间点;其中,第二调整血管中心线基于第二极线对第一初始血管中心线进行平移和旋转中的至少一种处理得到,第二极线为第二初始血管中心线上的血管关键点在第一血管图像中对应的极线。
在此种实现方式3中,在确定目标空间点之前,先基于第二初始血管中心线上的血管关键点在第一血管图像中对应的第二极线对第一初始血管中心线进行了调整,然后再基于第二初始血管中心线上的血管关键点和调整后得到的第二调整血管中心线上的血管关键点确定目标空间点,第二调整血管中心线与第二初始血管中心线的匹配程度比第一初始血管中心线与第二初始血管中心线的匹配程度更高,有利于进一步提高确定的目标空间点的可靠性。
在对第一初始血管中心线进行调整之前,需要先确定第二初始血管中心线上的血管关键点在第一血管图像中对应的第二极线,确定第二极线的原理与确定第一极线的原理相同,此处不再加以赘述。
第二极线用于约束对第一初始血管中心线进行调整的目标,在获取第二极线后,需要基于第二极线对第一初始血管中心线进行平移和旋转中的至少一种处理,得到第二调整血管中心线。也就是说,第二调整血管中心线可以直接基于第二极线对第一初始血管中心线进行平移得到,也可以直接基于第二极线对第一初始血管中心线进行旋转得到,还可以基于第二极线对第一初始血管中心线进行平移和旋转得到。只对第一初始血管中心线进行平移和/或旋转操作可以保证第二调整血管中心线的长度保持不变,从而减少三维血管模型构建过程中的模型长度的精度损失确。基于第二极线对第一初始血管中心线进行调整的原理与基于第一极线对第二初始血管中心线进行调整的原理相同,此处不再加以赘述。
基于第一投影矩阵、第二投影矩阵、第二初始血管中心线上的血管关键点和第二调整血管中心线上的血管关键点,确定目标空间点的实现原理与基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第一调整血管中心线上的血管关键点,确定目标空间点的实现原理相同,此处不再加以赘述。
接下来,结合一个实例对三维血管模型的构建过程进行介绍。
一、获取第一血管图像中的第一初始血管中心线oriCt1M(如图4中的(a)所示)和第二血管图像中的第二初始血管中心线oriCt1S(如图4中的(b)所示);获取第一投影矩阵和第二投影矩阵。
二、求解最优平移方向。
(1)将每个初始血管中心线上的ABC三个血管关键点,通过投影矩阵投影至三维空间,即从图像坐标系到世界坐标系,第一初始血管中心线上A点(血管起点)到对应空间点、B点(血管终点)到对应空间点、C点(血管狭窄点)到对应空间点,第二初始血管中心线上A点(血管起点)到对应空间点、B点(血管终点)到对应空间点、C点(血管狭窄点)到对应空间点,并形成6条连线。
示例性地,如图5所示,第一初始血管中心线上的血管终点B到对应空间点的连线LB1和第二初始血管中心线上的血管终点B到对应空间点的连线LB2,在三维空间中无交点。
(2)构造方程求最优解。求解三组超定方程,分别得到空间中最优ABC的位置,三个最优解分别表示为pt3DA,pt3DB和pt3DC。例如,根据两角度初始血管中心线上的血管终点B相关的超定方程求解的pt3DB的位置如图6所示,pt3DB在空间中距离两角度初始血管中心线上的血管终点B相关的两条连线(LB1和LB2)距离和最短。
(3)保持第一初始血管中心线不动,将pt3DA,pt3DB,pt3DC向第二血管图像S投影,得到第二血管图像S上的三个投影点。如图7所示,绘制第二初始血管中心线oriCt1S上的初始ABC三点与对应投影点(分别记为a、b和c)的连线,分别得到三个偏移向量。将三个偏移向量求和得到整体的偏移向量,其中单位偏移向量为v,该向量所指方向即为平移方向。
三、绘制极线作为平移目标。画出第一初始血管中心线上ABC三点投在第二血管图像的三条极线,由于未对相机进行矫正,第二初始血管中心线oriCt1S上的初始ABC三点与对应极线(分别记为LA、LB和LC)的距离和可能较大,如图8所示。
四、求解最优平移量。对第二血管图像中的原始中心线(也即第二初始血管中心线oriCt1S)进行平移操作,平移方向取单位向量v,通过平移达到血管关键点与对应极线之间的距离和的最小值,作为平移后的最优解。图9中的加粗实线为第二初始血管中心线oriCt1S对应的平移后的最优中心线Ct1S1。Ct1S1上的A’B’C’三个血管关键点与对应极线(分别记为LA、LB和LC)的距离和小于oriCt1S上的ABC三个血管关键点与对应极线(分别记为LA、LB和LC)的距离和。
五、求解最优旋转量。为求得更优的二维血管关键点位置,对平移后的Ct1S1做一个旋转操作,得到旋转后的最优解,此时三个最优血管关键点距离对应的极线距离和最小。图10中的加粗实线为旋转后得到的最优中心线Ct1S2,Ct1S2上的A”B”C”三个血管关键点与对应极线(分别记为LA、LB和LC)的距离和小于oriCt1S上的ABC三个血管关键点与对应极线(分别记为LA、LB和LC)的距离和。只对原始的第二初始血管中心线进行平移旋转操作去解最优解可以保证血管建模的长度损失。
六、得到最优的目标空间点和最优的血管关键点。根据oriCt1M和Ct1S2,重新求解三个超定方程,得到此时空间中最优ABC的位置,更新pt3DA,pt3DB,pt3DC,将三个空间最优点(也即目标空间点)分别向第一血管图像和第二血管图像投影,得到最优的血管关键点。
七、计算最优二维血管中心线,也即第一目标血管中心线和第二目标血管中心线。将第一血管图像内原始的第一初始血管中心线上ABC三点与最优的三个血管关键点,求解一个三点仿射变换矩阵,并根据仿射变换矩阵对第一初始血管中心线oriCt1M进行变换,得到第一目标血管中心线optCt1M。将第二血管图像内原始的第二初始血管中心线上ABC三点与最优的三个血管关键点,求解一个三点仿射变换矩阵,并根据仿射变换矩阵对第二初始血管中心线oriCt1S进行变换,得到第二目标血管中心线optCt1S。optCt1M和optCt1S作为三维重构的二维中心线输入,此时实现了对两个二维血管中心线的ABC的固定,固定在了寻找的最优点处,保证后续力场迭代模型不会出现突变的情况。
在对初始血管中心线变换之前对初始血管中心线进行了平移和旋转,能够实现对空间中首尾点的位置,即模型的首尾点的确定,之后的仿射变换只对初始血管中心线做了一个较小的改变,所以可以保证长度的准确性。
八、力场迭代得到三维血管中心线。根据空间中的最优的三个点可以基本定位三维血管模型在空间中的位置,根据这三个点初始化一条三维中心折线,根据力场迭代思想实现三维血管中心线的演化,最终确定三维血管中心线。
九、获取三维模型半径。三维半径根据两角度二维半径得到,两角度二维半径使用亚像素级算法得到,保证三维半径的精度。
十、拟合三维模型。由于算法在迭代时,保证了模型首尾点以及狭窄点的正确对应关系,可以保证三维模型入口、出口以及狭窄位置半径和建模的准确性。构建得到的三维血管模型按照第一血管图像和第二血管图像对应的角度旋转的结果分别如图11中的(a)和(b)所示。
示例性地,在构建得到三维血管模型后,能够根据该三维血管模型直观、准确地看到血管的形态结构、病变位置的信息,实现精准定位,还能够根据三维血管模型对血管病变部位进行定性和定量计算,还能够根据三维血管模型模拟计算一些功能学参数。
示例性地,根据三维血管模型模拟计算一些功能学参数的过程通过CFD(Computational Fluid Dynamics,计算流体动力学)计算实现。CFD可以将流体力学的控制方程中积分、微分项近似地表示为离散的代数形式,使其成为代数方程组,然后通过计算机求解这些离散的代数方程组,以获得离散的时间/空间点上的数值解。
可影响CFD计算的因素主要有狭窄处的半径,三维血管模型的形态和曲率,以及三维血管模型的长度,以上三个物理量越准确,三维血管模型就越接近真实血管,CFD计算的结果就会越准确,这些都是提高三维血管模型构建准确性的关键因素。保证狭窄处的半径准确,需要确定三维血管模型上狭窄的空间位置,两个视角的二维血管图像中的两处狭窄是否能准确对应到三维血管模型上的唯一一处狭窄,确定狭窄位置唯一对应后,可以根据两个角度的二维血管半径得到三维血管模型的半径,二维血管半径统计可对二维轮廓使用亚像素级求解半径的方法,二维轮廓的分割准确性可以由二维水平集分割算法保证。保证三维血管模型的形态和曲率准确,需要结合力场思想,逐步迭代优化,确定最优三维血管中心线。保证三维血管模型长度的准确性,需要确保在获取目标血管中心的过程中尽量减少对初始血管中心线的缩放操作。
本申请实施例提供的方法,在使用二维血管图像进行三维重构之前,对多角度的光源进行了准确矫正,矫正方法可通过平移、旋转、或平移和旋转的结合方式,保证三维重构结果的准确。此种方法能够解决力场迭代成三维血管模型时出现的中心线突变问题,能够保证模型中狭窄处位置、半径等信息的准确,保证模型形态准确,还能够提高三维血管模型长度的精度,使三维血管模型更准确。
参见图12,本申请实施例提供了一种三维血管模型的构建装置,该装置包括:第一获取单元1201,用于获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,第一血管图像和第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的图像;第二获取单元1202,用于获取第一初始血管中心线对应的第一目标血管中心线和第二初始血管中心线对应的第二目标血管中心线,第一目标血管中心线上的血管关键点与第二目标血管中心线上的血管关键点在三维空间中重合于目标空间点处,血管关键点包括血管起点、血管终点和血管狭窄点中的至少一个;第三获取单元1203,用于基于第一目标血管中心线和第二目标血管中心线,获取经过目标空间点的三维血管中心线;构建单元1204,用于基于三维血管中心线,构建血管对应的三维血管模型。
在一种可能实现方式中,第二获取单元1202,用于基于第一初始血管中心线和第二初始血管中心线,在三维空间中确定目标空间点;基于第一血管图像对应的第一投影矩阵,将目标空间点向第一血管图像投影,得到第一投影点;基于第二血管图像对应的第二投影矩阵,将目标空间点向第二血管图像投影,得到第二投影点;基于第一投影点对第一初始血管中心线进行变换,得到第一目标血管中心线,第一目标血管中心线上的血管关键点与第一投影点重合;基于第二投影点对第二初始血管中心线进行变换,得到第二目标血管中心线,第二目标血管中心线上的血管关键点与第二投影点重合。
在一种可能实现方式中,第二获取单元1202,用于基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第一调整血管中心线上的血管关键点,确定目标空间点;其中,第一调整血管中心线基于第一极线对第二初始血管中心线进行平移和旋转中的至少一种处理得到,第一极线为第一初始血管中心线上的血管关键点在第二血管图像中对应的极线。
在一种可能实现方式中,第二获取单元1202,用于基于第一投影矩阵,将第一初始血管中心线上的血管关键点向三维空间投影,得到第一空间点,将第一初始血管中心线上的血管关键点和第一空间点的连线作为第一连线;基于第二投影矩阵,将第一调整血管中心线上的血管关键点向三维空间投影,得到第二空间点,将第一调整血管中心线上的血管关键点和第二空间点的连线作为第二连线;基于第一连线和第二连线,确定三维空间中的候选空间点的距离指标,将距离指标最小的候选空间点作为目标空间点,任一候选空间点的距离指标为任一候选空间点到第一连线的距离与任一候选空间点到第二连线的距离之和。
在一种可能实现方式中,第二获取单元1202,还用于基于第一极线对第二初始血管中心线进行平移,得到第一平移血管中心线,第一平移血管中心线上的血管关键点到第一极线的距离满足第一约束条件;基于第一极线对第一平移血管中心线进行旋转,得到第一旋转血管中心线,第一旋转血管中心线上的血管关键点到第一极线的距离满足第二约束条件;将第一旋转血管中心线作为第一调整血管中心线。
在一种可能实现方式中,第二获取单元1202,还用于基于第一极线对第二初始血管中心线进行平移,得到第一平移血管中心线,第一平移血管中心线上的血管关键点到第一极线的距离满足第一约束条件;将第一平移血管中心线作为第一调整血管中心线。
在一种可能实现方式中,第二获取单元1202,还用于基于第一极线对第二初始血管中心线进行旋转,得到第二旋转血管中心线,第二旋转血管中心线上的血管关键点到第一极线的距离满足第三约束条件;将第二旋转血管中心线作为第一调整血管中心线。
在一种可能实现方式中,第二获取单元1202,还用于基于第二投影矩阵,将第三空间点向第二血管图像投影,得到第三投影点,第三空间点基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点确定;基于第二初始血管中心线上的血管关键点和第三投影点之间的位置关系,确定第一平移方向;基于第一极线按照第一平移方向对第二初始血管中心线进行平移。
在一种可能实现方式中,第二获取单元1202,用于基于第一投影矩阵、第二投影矩阵、第二初始血管中心线上的血管关键点和第二调整血管中心线上的血管关键点,确定目标空间点;其中,第二调整血管中心线基于第二极线对第一初始血管中心线进行平移和旋转中的至少一种处理得到,第二极线为第二初始血管中心线上的血管关键点在第一血管图像中对应的极线。
在一种可能实现方式中,第二获取单元1202,用于基于第一投影矩阵、第二投影矩阵、第一初始血管中心线上的血管关键点和第二初始血管中心线上的血管关键点,确定目标空间点。
在一种可能实现方式中,第二获取单元1202,用于将第一初始血管中心线作为第一目标血管中心线;基于第一血管图像对应的第一投影矩阵,将第一目标血管中心线上的血管关键点向三维空间投影,得到目标空间点;基于第二血管图像对应的第二投影矩阵,将目标空间点向第二血管图像投影,得到第四投影点;基于第四投影点对第二初始血管中心线进行变换,得到第二目标血管中心线,第二目标血管中心线上的血管关键点与第四投影点重合。
在一种可能实现方式中,第二获取单元1202,用于将第二初始血管中心线作为第二目标血管中心线;基于第二血管图像对应的第二投影矩阵,将第二目标血管中心线上的血管关键点向三维空间投影,得到目标空间点;基于第一血管图像对应的第一投影矩阵,将目标空间点向第一血管图像投影,得到第五投影点;基于第五投影点对第一初始血管中心线进行变换,得到第一目标血管中心线,第一目标血管中心线上的血管关键点与第五投影点重合。
在一种可能实现方式中,第三获取单元1203,用于确定经过目标空间点的待更新血管中心线;基于第一目标血管中心线和第二目标血管中心线,对待更新血管中心线进行迭代更新,迭代更新过程中得到的各个血管中心线均经过目标空间点;将满足迭代更新终止条件时得到的血管中心线作为三维血管中心线。
本申请实施例提供的三维血管模型的构建装置,在获取两个血管图像中的两个初始血管中心线后,进一步获取了两个目标血管中心线,该两个目标血管中心线上的血管关键点在三维空间中重合于目标空间点,基于该两个目标血管中心线,能够获取经过固定的目标空间点的三维血管中心线,从而降低三维血管中心线的突变可能性,有利于缩小获取的三维血管中心线与真实血管中心线之间的偏差,从而提高构建的三维血管模型的准确性。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能单元的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元完成,即将设备的内部结构划分成不同的功能单元,以完成以上描述的全部或者部分功能。上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
在示例性实施例中,还提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条计算机程序。该至少一条计算机程序由一个或者一个以上处理器加载并执行,以使该计算机设备实现上述任一种三维血管模型的构建方法。该计算机设备可能为服务器,也可能为终端。接下来,对服务器和终端的结构分别进行介绍。
图13是本申请实施例提供的一种服务器的结构示意图,该服务器可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central Processing Units,CPU)1301和一个或多个存储器1302,其中,该一个或多个存储器1302中存储有至少一条计算机程序,该至少一条计算机程序由该一个或多个处理器1301加载并执行,以使该服务器实现上述各个方法实施例提供的三维血管模型的构建方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
图14是本申请实施例提供的一种终端的结构示意图。该终端可以是:PC、手机、智能手机、PDA、可穿戴设备、PPC、平板电脑、智能车机、智能电视、智能音箱、车载终端等。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端包括有:处理器1401和存储器1402。
处理器1401可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1401可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1401也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1401可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1401还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1402可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1402还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1402中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1401所执行,以使该终端实现本申请中方法实施例提供的三维血管模型的构建方法。
在一些实施例中,终端还可选包括有:外围设备接口1403和至少一个外围设备。处理器1401、存储器1402和外围设备接口1403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1403相连。具体地,外围设备包括:射频电路1404、显示屏1405、摄像头组件1406、音频电路1407和电源1408中的至少一种。
外围设备接口1403可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1401和存储器1402。
射频电路1404用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1404通过电磁信号与通信网络以及其他通信设备进行通信。显示屏1405用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。摄像头组件1406用于采集图像或视频。可选地,摄像头组件1406包括前置摄像头和后置摄像头。音频电路1407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1401进行处理,或者输入至射频电路1404以实现语音通信。扬声器则用于将来自处理器1401或射频电路1404的电信号转换为声波。电源1408用于为终端中的各个组件进行供电。
在一些实施例中,终端还包括有一个或多个传感器1409。该一个或多个传感器1409包括但不限于:加速度传感器1410、陀螺仪传感器1411、压力传感器1412、光学传感器1413以及接近传感器1414。
加速度传感器1410可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。陀螺仪传感器1411可以检测终端的机体方向及转动角度,陀螺仪传感器1411可以与加速度传感器1410协同采集用户对终端的3D动作。压力传感器1412可以设置在终端的侧边框和/或显示屏1405的下层。当压力传感器1412设置在终端的侧边框时,可以检测用户对终端的握持信号,由处理器1401根据压力传感器1412采集的握持信号进行左右手识别或快捷操作。当压力传感器1412设置在显示屏1405的下层时,由处理器1401根据用户对显示屏1405的压力操作,实现对UI界面上的可操作性控件进行控制。光学传感器1413用于采集环境光强度。接近传感器1414,也称距离传感器,通常设置在终端的前面板。接近传感器1414用于采集用户与终端的正面之间的距离。
本领域技术人员可以理解,图14中示出的结构并不构成对终端的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由计算机设备的处理器加载并执行,以使计算机实现上述任一种三维血管模型的构建方法。
在一种可能实现方式中,上述计算机可读存储介质可以是只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact DiscRead-Only Memory,CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或计算机指令,该计算机程序或计算机指令由处理器加载并执行,以使计算机实现上述任一种三维血管模型的构建方法。
需要说明的是,本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、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)以及信号,均为经用户授权或者经过各方充分授权的,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。例如,本申请中涉及到的血管图像都是在充分授权的情况下获取的。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种三维血管模型的构建方法,其特征在于,所述方法包括:
获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,所述第一血管图像和所述第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的图像;
将所述第一初始血管中心线作为第一目标血管中心线,将所述第一目标血管中心线上的血管关键点在所述三维空间的投影点作为目标空间点,所述血管关键点包括血管起点、血管终点和血管狭窄点中的至少一个;
确定所述目标空间点在所述第二血管图像上的第四投影点;基于所述第四投影点和所述第二初始血管中心线上的血管关键点,确定第三变换矩阵;基于所述第三变换矩阵对所述第二初始血管中心线进行变换,将变换后得到的中心线作为第二目标血管中心线,所述第二目标血管中心线上的血管关键点与第四投影点重合;
基于所述第一目标血管中心线和所述第二目标血管中心线,获取经过所述目标空间点的三维血管中心线;基于所述三维血管中心线,构建所述血管对应的三维血管模型。
2.根据权利要求1所述的方法,其特征在于,所述基于所述三维血管中心线,构建所述血管对应的三维血管模型,包括:
确定所述三维血管中心线上每个三维位置点对应的三维半径;
基于所述三维血管中心线和所述每个三维位置点对应的三维半径,构建所述血管对应的三维血管模型。
3.根据权利要求2所述的方法,其特征在于,所述确定所述三维血管中心线上每个三维位置点对应的三维半径,包括:
对于所述三维血管中心线上的任一三维位置点,基于所述第一初始血管中心线上相应的二维位置点对应的二维半径、所述第一血管图像对应的角度、所述第二初始血管中心线上相应的二维位置点对应的二维半径以及所述第二血管图像对应的角度,计算所述任一三维位置点对应的三维半径。
4.根据权利要求1-3任一所述的方法,其特征在于,所述获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,包括:
对所述第一血管图像进行图像分割,得到所述第一血管图像中的第一血管轮廓,提取所述第一血管轮廓的中心线,将所述第一血管轮廓的中心线作为所述第一初始血管中心线;
对所述第二血管图像进行图像分割,得到所述第二血管图像中的第二血管轮廓,提取所述第二血管轮廓的中心线,将所述第二血管轮廓的中心线作为所述第二初始血管中心线。
5.根据权利要求1-3任一所述的方法,其特征在于,所述第一血管图像利用第一相机将所述血管投影到所述第一相机对应的投影面上得到,所述将所述第一目标血管中心线上的血管关键点在所述三维空间的投影点作为目标空间点,包括:
基于所述第一相机的内参和外参,获取所述第一血管图像对应的第一投影矩阵,所述第一投影矩阵用于指示所述第一血管图像中的像素点与所述三维空间中的空间点之间的投影关系;
基于所述第一投影矩阵,将所述第一目标血管中心线上的血管关键点向所述三维空间投影,得到所述目标空间点。
6.根据权利要求1-3任一所述的方法,其特征在于,所述第二血管图像利用第二相机将所述血管投影到所述第二相机对应的投影面上得到,所述确定所述目标空间点在所述第二血管图像上的第四投影点,包括:
基于所述第二相机的内参和外参,获取所述第二血管图像对应的第二投影矩阵,所述第二投影矩阵用于指示所述第二血管图像中的像素点与所述三维空间中的空间点之间的投影关系;
基于所述第二投影矩阵,将所述目标空间点向所述第二血管图像投影,得到所述第四投影点。
7.一种三维血管模型的构建装置,其特征在于,所述装置包括:
第一获取单元,用于获取第一血管图像中的第一初始血管中心线和第二血管图像中的第二初始血管中心线,所述第一血管图像和所述第二血管图像是从不同角度对三维空间中的同一血管进行图像采集得到的图像;
第二获取单元,用于将所述第一初始血管中心线作为第一目标血管中心线,将所述第一目标血管中心线上的血管关键点在所述三维空间的投影点作为目标空间点,所述血管关键点包括血管起点、血管终点和血管狭窄点中的至少一个;确定所述目标空间点在所述第二血管图像上的第四投影点;基于所述第四投影点和所述第二初始血管中心线上的血管关键点,确定第三变换矩阵;基于所述第三变换矩阵对所述第二初始血管中心线进行变换,将变换后得到的中心线作为第二目标血管中心线,所述第二目标血管中心线上的血管关键点与第四投影点重合;
第三获取单元,用于基于所述第一目标血管中心线和所述第二目标血管中心线,获取经过所述目标空间点的三维血管中心线;
构建单元,用于基于所述三维血管中心线,构建所述血管对应的三维血管模型。
8.根据权利要求7所述的装置,其特征在于,所述构建单元,用于确定所述三维血管中心线上每个三维位置点对应的三维半径;基于所述三维血管中心线和所述每个三维位置点对应的三维半径,构建所述血管对应的三维血管模型。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以使所述计算机设备实现如权利要求1至6任一所述的三维血管模型的构建方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以使计算机实现如权利要求1至6任一所述的三维血管模型的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211659577.4A CN116258813A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162133.XA CN115239892B (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
CN202211659577.4A CN116258813A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162133.XA Division CN115239892B (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116258813A true CN116258813A (zh) | 2023-06-13 |
Family
ID=83667461
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162133.XA Active CN115239892B (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
CN202211659560.9A Pending CN116051730A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置及设备 |
CN202211659577.4A Pending CN116258813A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
CN202211659576.XA Pending CN116129042A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置及设备 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162133.XA Active CN115239892B (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置、设备及存储介质 |
CN202211659560.9A Pending CN116051730A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置及设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211659576.XA Pending CN116129042A (zh) | 2022-09-23 | 2022-09-23 | 三维血管模型的构建方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (4) | CN115239892B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053184A (zh) * | 2024-01-25 | 2024-05-17 | 中国科学院自动化研究所 | 基于语音交互和多源信息融合的血管关键点识别方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115944389B (zh) * | 2023-03-14 | 2023-05-23 | 杭州脉流科技有限公司 | 弹簧圈模拟植入的方法和计算机设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10709399B2 (en) * | 2017-11-30 | 2020-07-14 | Shenzhen Keya Medical Technology Corporation | Methods and devices for performing three-dimensional blood vessel reconstruction using angiographic images |
CN109448072B (zh) * | 2017-11-30 | 2023-05-09 | 科亚医疗科技股份有限公司 | 使用造影图像进行三维血管重建的计算机实现方法及装置 |
CN112164467B (zh) * | 2020-10-21 | 2022-07-08 | 北京理工大学 | 介入术后血管再撕裂风险预测方法及其系统与设备 |
CN112971818B (zh) * | 2021-01-28 | 2022-10-04 | 杭州脉流科技有限公司 | 微循环阻力指数的获取方法、装置、计算机设备和存储介质 |
CN113674392B (zh) * | 2021-07-06 | 2023-06-02 | 北京阅影科技有限公司 | 三维血管模型的生成方法及其装置 |
-
2022
- 2022-09-23 CN CN202211162133.XA patent/CN115239892B/zh active Active
- 2022-09-23 CN CN202211659560.9A patent/CN116051730A/zh active Pending
- 2022-09-23 CN CN202211659577.4A patent/CN116258813A/zh active Pending
- 2022-09-23 CN CN202211659576.XA patent/CN116129042A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118053184A (zh) * | 2024-01-25 | 2024-05-17 | 中国科学院自动化研究所 | 基于语音交互和多源信息融合的血管关键点识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116129042A (zh) | 2023-05-16 |
CN116051730A (zh) | 2023-05-02 |
CN115239892B (zh) | 2023-02-03 |
CN115239892A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764048B (zh) | 人脸关键点检测方法及装置 | |
US20210158533A1 (en) | Image processing method and apparatus, and storage medium | |
EP3113114B1 (en) | Image processing method and device | |
CN115239892B (zh) | 三维血管模型的构建方法、装置、设备及存储介质 | |
WO2017199141A1 (en) | Point cloud matching method | |
CN109754464B (zh) | 用于生成信息的方法和装置 | |
CN113793370B (zh) | 三维点云配准方法、装置、电子设备及可读介质 | |
CN114022900A (zh) | 检测模型的训练方法、检测方法、装置、设备和介质 | |
CN111967515A (zh) | 图像信息提取方法、训练方法及装置、介质和电子设备 | |
CN116309983B (zh) | 虚拟人物模型的训练方法、生成方法、装置和电子设备 | |
CN111832611B (zh) | 动物识别模型的训练方法、装置、设备及存储介质 | |
CN111899159B (zh) | 用于变换发型的方法、装置、设备以及存储介质 | |
CN112907569A (zh) | 头部图像区域的分割方法、装置、电子设备和存储介质 | |
CN113902932A (zh) | 特征提取方法、视觉定位方法及装置、介质和电子设备 | |
CN114283152A (zh) | 图像处理、图像处理模型的训练方法、装置、设备及介质 | |
CN112037305B (zh) | 对图像中的树状组织进行重建的方法、设备及存储介质 | |
CN113723164A (zh) | 获取边缘差异信息的方法、装置、设备及存储介质 | |
CN112258647A (zh) | 地图重建方法及装置、计算机可读介质和电子设备 | |
CN115409951B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN116798027A (zh) | 基于多尺度特征提取的三维点云实时云匹配方法及装置 | |
CN113781653B (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN115375740A (zh) | 位姿确定方法和三维模型的生成方法、装置、设备、介质 | |
CN111598025B (zh) | 图像识别模型的训练方法和装置 | |
CN115239776A (zh) | 点云的配准方法、装置、设备和介质 | |
CN114694257A (zh) | 多人实时三维动作识别评估方法、装置、设备及介质 |
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 |