CN116363131A - 基于图像处理的外周血管影像分析方法、系统及存储介质 - Google Patents

基于图像处理的外周血管影像分析方法、系统及存储介质 Download PDF

Info

Publication number
CN116363131A
CN116363131A CN202310635636.2A CN202310635636A CN116363131A CN 116363131 A CN116363131 A CN 116363131A CN 202310635636 A CN202310635636 A CN 202310635636A CN 116363131 A CN116363131 A CN 116363131A
Authority
CN
China
Prior art keywords
image
coefficient
dangerous
blood vessel
value
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
Application number
CN202310635636.2A
Other languages
English (en)
Other versions
CN116363131B (zh
Inventor
高远
高苗苗
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.)
Second Affiliated Hospital of Shandong First Medical University
Original Assignee
Second Affiliated Hospital of Shandong First Medical University
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 Second Affiliated Hospital of Shandong First Medical University filed Critical Second Affiliated Hospital of Shandong First Medical University
Priority to CN202310635636.2A priority Critical patent/CN116363131B/zh
Publication of CN116363131A publication Critical patent/CN116363131A/zh
Application granted granted Critical
Publication of CN116363131B publication Critical patent/CN116363131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Pulmonology (AREA)
  • Primary Health Care (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及数据处理领域，具体涉及基于图像处理的外周血管影像分析方法、系统及存储介质，用于解决目前对外周血管影像的分析基本上为医生观察检测，存在操作复杂、易产生误差、检测效率低、特征提取不够全面的问题；该外周血管影像分析方法首先获得破裂系数，之后获得斑块总值以及血速均值，经过三者分析得到的危险系数能够综合衡量拍摄外周血管影像的患者的危险程度，且危险系数越大表示危险程度越高，最终通过破裂系数、危险系数将危险影像、存危影像以及安全影进行排序存储，将外周血管影像进行分类并按照危险情况进行排序存储，能够使得危险情况的患者能够快速得到诊断并作出治疗，保证了患者的人身安全，而且检测效率高、准确度高。

Description

基于图像处理的外周血管影像分析方法、系统及存储介质
技术领域
本发明涉及数据处理领域，具体涉及基于图像处理的外周血管影像分析方法、系统及存储介质。
背景技术
外周血管为除了心血管及脑血管以外的其他血管，主要有躯干血管、内脏血管以及四肢血管，同时含有其中的动脉、静脉以及毛细血管，外周血管疾病其发病率近年有明显上升，常见的如动脉硬化性闭塞症、动静脉血栓形成、动脉瘤等，利用血管影像可以对血管的形态、分布等相关信息的了解，可以辅助分析病人病情、提前做好手术规划，避免因对病情误判或手术过程中破坏到主要血管而对病人造成不必要的伤害。
但是，目前对外周血管影像的分析基本上为医生观察检测，存在操作复杂、易产生误差、检测效率低、特征提取不够全面的问题。因此，亟需一种基于图像处理的外周血管影像分析方法、系统及存储介质来解决这些问题。
发明内容
为了克服上述的技术问题，本发明的目的在于提供基于图像处理的外周血管影像分析方法、系统及存储介质：通过影像生成模块对患者进行CT造影，生成外周血管影像，通过影像分析平台接收到外周血管影像后生成数据获取指令，通过数据获取模块接收到数据获取指令后根据外周血管影像获得破裂系数，并根据破裂系数将外周血管影像划分为危险影像和预安全影像，还根据预安全影像获得斑块总值、血速均值，通过数据分析模块根据破裂系数、斑块总值以及血速均值获得危险系数，并根据危险系数将预安全影像划分为存危影像和安全影像，通过影像存储介质存储危险影像、存危影像以及安全影像，解决了目前对外周血管影像的分析基本上为医生观察检测，存在操作复杂、易产生误差、检测效率低、特征提取不够全面的问题。
本发明的目的可以通过以下技术方案实现：
基于图像处理的外周血管影像分析系统，包括：
影像生成模块，用于对患者进行CT造影，生成外周血管影像，并将外周血管影像发送至影像分析平台；
影像分析平台，用于接收到外周血管影像后生成数据获取指令，并将数据获取指令发送至数据获取模块；
数据获取模块，用于接收到数据获取指令后根据外周血管影像获得破裂系数PL，并根据破裂系数PL将外周血管影像划分为危险影像和预安全影像，还根据预安全影像获得斑块总值BZ、血速均值XS，并将破裂系数PL、斑块总值BZ以及血速均值XS发送至数据分析模块；
数据分析模块，用于根据破裂系数PL、斑块总值BZ以及血速均值XS获得危险系数WX，并根据危险系数WX将预安全影像划分为存危影像和安全影像；
影像存储介质，用于存储危险影像、存危影像以及安全影像。
作为本发明进一步的方案：所述数据获取模块获得破裂系数PL的具体过程如下：
接收到数据获取指令后获取外周血管影像中的所有血管的轮廓线，获取轮廓线上存在断裂的位置，获取断裂处的总数量，并将其标记为断数值DS，获取每个断裂处的断裂宽度，并将其标记为断宽值DK，将断数值DS、断宽值DK代入公式
Figure SMS_1
中得到破裂系数PL，其中，q1、q2分别为断数值DS、断宽值DK的预设比例系数，且q1+q2=1，0＜q1＜q2＜1，取q1=0.38，q2=0.62；
将破裂系数PL与破裂阈值PLy进行比较：若破裂系数PL≥破裂阈值PLy，则将破裂系数PL所对应的外周血管影像标记为危险影像，并将危险影像、破裂系数PL发送至影像存储介质；若破裂系数PL＜破裂阈值PLy，则将破裂系数PL所对应的外周血管影像标记为预安全影像。
作为本发明进一步的方案：所述数据获取模块获得斑块总值BZ、血速均值XS的具体过程如下：
将预安全影像中的所有血管进行灰度化，之后依次标记为分析血管i，i=1、……、n，n为自然数；
获取分析血管i中存在的阴影块的总数量以及阴影块的总面积，并将其分别标记为影数值YS和影面值YM，将影数值YS和影面值YM代入公式
Figure SMS_2
中得到斑块系数BK，其中，t1、t2分别为影数值YS和影面值YM的预设比例系数，且t1+t2=1，0＜t2＜t1＜1，取t1=0.55，t2=0.45，将所有斑块系数BK进行求和，并将其标记为斑块总值BZ；
获取分析血管i中血液的平均流速，并将其标记为血流值XL，获取血流值XL与预设的标准血流速度之间的差值，并将其血速差XC，将所有的血速差XC进行求和并求取平均值，并将其标记为血速均值XS；
将破裂系数PL、斑块总值BZ以及血速均值XS发送至数据分析模块。
作为本发明进一步的方案：所述数据分析模块获得危险系数WX的具体过程如下：
将破裂系数PL、斑块总值BZ以及血速均值XS代入公式
Figure SMS_3
中得到危险系数WX，其中，γ为调节因子，取γ=0.989，π为常数，v1、v2以及v3分别为破裂系数PL、斑块总值BZ以及血速均值XS的预设比例系数，且v1＞v2＞v3＞1.28，取v1=2.44，v2=2.03，v3=1.65；
将危险系数WX与危险阈值WXy进行比较：若危险系数WX≥危险阈值WXy，则将危险系数WX所对应的预安全影像标记为存危影像，并将存危影像、危险系数WX发送至影像存储介质；若危险系数WX＜危险阈值WXy，则将危险系数WX所对应的预安全影像标记为安全影像，并将安全影像、危险系数WX发送至影像存储介质。
作为本发明进一步的方案：基于图像处理的外周血管影像存储介质，包括危险存储模块、安全存储模块，所述危险存储模块用于存储危险影像和存危影像，所述安全存储模块用于存储安全影像。
作为本发明进一步的方案：所述影像存储介质的具体存储方法如下：
接收到危险影像后将危险影像保存于危险存储模块中，并按照破裂系数PL从大到小的顺序进行排序；
接收到存危影像后将存危影像保存于危险存储模块中，并按照危险系数WX从大到小的顺序进行排序；
接收到安全影像后将安全影像保存于安全存储模块中，并按照危险系数WX从大到小的顺序进行排序。
作为本发明进一步的方案：基于图像处理的外周血管影像分析方法，包括以下步骤：
步骤s1：影像生成模块对患者进行CT造影，生成外周血管影像，并将外周血管影像发送至影像分析平台；
步骤s2：影像分析平台接收到外周血管影像后生成数据获取指令，并将数据获取指令发送至数据获取模块；
步骤s3：数据获取模块接收到数据获取指令后获取外周血管影像中的所有血管的轮廓线，获取轮廓线上存在断裂的位置，获取断裂处的总数量，并将其标记为断数值DS，获取每个断裂处的断裂宽度，并将其标记为断宽值DK，将断数值DS、断宽值DK代入公式
Figure SMS_4
中得到破裂系数PL，其中，q1、q2分别为断数值DS、断宽值DK的预设比例系数，且q1+q2=1，0＜q1＜q2＜1，取q1=0.38，q2=0.62；
步骤s4：数据获取模块将破裂系数PL与破裂阈值PLy进行比较：若破裂系数PL≥破裂阈值PLy，则将破裂系数PL所对应的外周血管影像标记为危险影像，并将危险影像、破裂系数PL发送至影像存储介质；若破裂系数PL＜破裂阈值PLy，则将破裂系数PL所对应的外周血管影像标记为预安全影像；其中，破裂阈值是用户根据自身情况以及经验进行自行设置；
步骤s5：数据获取模块将预安全影像中的所有血管进行灰度化，之后依次标记为分析血管i，i=1、……、n，n为自然数；
步骤s6：数据获取模块获取分析血管i中存在的阴影块的总数量以及阴影块的总面积，并将其分别标记为影数值YS和影面值YM，将影数值YS和影面值YM代入公式
Figure SMS_5
中得到斑块系数BK，其中，t1、t2分别为影数值YS和影面值YM的预设比例系数，且t1+t2=1，0＜t2＜t1＜1，取t1=0.55，t2=0.45，将所有斑块系数BK进行求和，并将其标记为斑块总值BZ；
步骤s7：数据获取模块获取分析血管i中血液的平均流速，并将其标记为血流值XL，获取血流值XL与预设的标准血流速度之间的差值，并将其血速差XC，将所有的血速差XC进行求和并求取平均值，并将其标记为血速均值XS；
步骤s8：数据获取模块将破裂系数PL、斑块总值BZ以及血速均值XS发送至数据分析模块；
步骤s9：数据分析模块将破裂系数PL、斑块总值BZ以及血速均值XS代入公式
Figure SMS_6
中得到危险系数WX，其中，γ为调节因子，取γ=0.989，π为常数，v1、v2以及v3分别为破裂系数PL、斑块总值BZ以及血速均值XS的预设比例系数，且v1＞v2＞v3＞1.28，取v1=2.44，v2=2.03，v3=1.65；步骤s10：数据分析模块将危险系数WX与危险阈值WXy进行比较：若危险系数WX≥危险阈值WXy，则将危险系数WX所对应的预安全影像标记为存危影像，并将存危影像、危险系数WX发送至影像存储介质；若危险系数WX＜危险阈值WXy，则将危险系数WX所对应的预安全影像标记为安全影像，并将安全影像、危险系数WX发送至影像存储介质；其中，危险阈值是用户根据自身情况以及经验进行自行设置；
步骤s11：影像存储介质接收到危险影像后将危险影像保存于危险存储模块中，并按照破裂系数PL从大到小的顺序进行排序；
步骤s12：影像存储介质接收到存危影像后将存危影像保存于危险存储模块中，并按照危险系数WX从大到小的顺序进行排序；
步骤s13：影像存储介质接收到安全影像后将安全影像保存于安全存储模块中，并按照危险系数WX从大到小的顺序进行排序。
本发明的有益效果：
本发明的基于图像处理的外周血管影像分析方法、系统及存储介质，通过影像生成模块对患者进行CT造影，生成外周血管影像，通过影像分析平台接收到外周血管影像后生成数据获取指令，通过数据获取模块接收到数据获取指令后根据外周血管影像获得破裂系数，并根据破裂系数将外周血管影像划分为危险影像和预安全影像，还根据预安全影像获得斑块总值、血速均值，通过数据分析模块根据破裂系数、斑块总值以及血速均值获得危险系数，并根据危险系数将预安全影像划分为存危影像和安全影像，通过影像存储介质存储危险影像、存危影像以及安全影像；该外周血管影像分析方法首先获得破裂系数，破裂系数用于衡量外周血管影像中的所有血管的破裂程度，且破裂系数越大表示血管的破裂程度越高，危险程度越高，之后获得斑块总值以及血速均值，斑块总值用于衡量分析血管存在阴影异常的情况，能够反映血管壁内部增厚、狭窄或者溃疡形成等异常区域，血速均值用于衡量分析血管中的血液流速的异常情况，因此，经过三者分析得到的危险系数能够综合衡量拍摄外周血管影像的患者的危险程度，且危险系数越大表示危险程度越高，最终通过破裂系数、危险系数将危险影像、存危影像以及安全影进行排序存储，将外周血管影像进行分类并按照危险情况进行排序存储，能够使得危险情况的患者能够快速得到诊断并作出治疗，保证了患者的人身安全，而且检测效率高、准确度高。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中基于图像处理的外周血管影像分析系统的原理框图。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
请参阅图1所示，本实施例为基于图像处理的外周血管影像分析系统，包括以下模块：影像生成模块、影像分析平台、数据获取模块、数据分析模块以及影像存储介质；
其中，所述影像生成模块用于对患者进行CT造影，生成外周血管影像，并将外周血管影像发送至影像分析平台；
其中，所述影像分析平台用于接收到外周血管影像后生成数据获取指令，并将数据获取指令发送至数据获取模块；
其中，所述数据获取模块用于接收到数据获取指令后根据外周血管影像获得破裂系数PL，并根据破裂系数PL将外周血管影像划分为危险影像和预安全影像，还根据预安全影像获得斑块总值BZ、血速均值XS，并将破裂系数PL、斑块总值BZ以及血速均值XS发送至数据分析模块；
其中，所述数据分析模块用于根据破裂系数PL、斑块总值BZ以及血速均值XS获得危险系数WX，并根据危险系数WX将预安全影像划分为存危影像和安全影像；
其中，所述影像存储介质用于存储危险影像、存危影像以及安全影像。
实施例2：
请参阅图1所示，本实施例为基于图像处理的外周血管影像分析方法，包括以下步骤：
步骤s1：影像生成模块对患者进行CT造影，生成外周血管影像，并将外周血管影像发送至影像分析平台；
步骤s2：影像分析平台接收到外周血管影像后生成数据获取指令，并将数据获取指令发送至数据获取模块；
步骤s3：数据获取模块接收到数据获取指令后获取外周血管影像中的所有血管的轮廓线，获取轮廓线上存在断裂的位置，获取断裂处的总数量，并将其标记为断数值DS，获取每个断裂处的断裂宽度，并将其标记为断宽值DK，将断数值DS、断宽值DK代入公式
Figure SMS_7
中得到破裂系数PL，其中，q1、q2分别为断数值DS、断宽值DK的预设比例系数，且q1+q2=1，0＜q1＜q2＜1，取q1=0.38，q2=0.62；
步骤s4：数据获取模块将破裂系数PL与破裂阈值PLy进行比较：若破裂系数PL≥破裂阈值PLy，则将破裂系数PL所对应的外周血管影像标记为危险影像，并将危险影像、破裂系数PL发送至影像存储介质；若破裂系数PL＜破裂阈值PLy，则将破裂系数PL所对应的外周血管影像标记为预安全影像；其中，破裂阈值是用户根据自身情况以及经验进行自行设置；
步骤s5：数据获取模块将预安全影像中的所有血管进行灰度化，之后依次标记为分析血管i，i=1、……、n，n为自然数；
步骤s6：数据获取模块获取分析血管i中存在的阴影块的总数量以及阴影块的总面积，并将其分别标记为影数值YS和影面值YM，将影数值YS和影面值YM代入公式
Figure SMS_8
中得到斑块系数BK，其中，t1、t2分别为影数值YS和影面值YM的预设比例系数，且t1+t2=1，0＜t2＜t1＜1，取t1=0.55，t2=0.45，将所有斑块系数BK进行求和，并将其标记为斑块总值BZ；
步骤s7：数据获取模块获取分析血管i中血液的平均流速，并将其标记为血流值XL，获取血流值XL与预设的标准血流速度之间的差值，并将其血速差XC，将所有的血速差XC进行求和并求取平均值，并将其标记为血速均值XS；
步骤s8：数据获取模块将破裂系数PL、斑块总值BZ以及血速均值XS发送至数据分析模块；
步骤s9：数据分析模块将破裂系数PL、斑块总值BZ以及血速均值XS代入公式
Figure SMS_9
中得到危险系数WX，其中，γ为调节因子，取γ=0.989，π为常数，v1、v2以及v3分别为破裂系数PL、斑块总值BZ以及血速均值XS的预设比例系数，且v1＞v2＞v3＞1.28，取v1=2.44，v2=2.03，v3=1.65；
步骤s10：数据分析模块将危险系数WX与危险阈值WXy进行比较：若危险系数WX≥危险阈值WXy，则将危险系数WX所对应的预安全影像标记为存危影像，并将存危影像、危险系数WX发送至影像存储介质；若危险系数WX＜危险阈值WXy，则将危险系数WX所对应的预安全影像标记为安全影像，并将安全影像、危险系数WX发送至影像存储介质；其中，危险阈值是用户根据自身情况以及经验进行自行设置；
步骤s11：影像存储介质接收到危险影像后将危险影像保存于危险存储模块中，并按照破裂系数PL从大到小的顺序进行排序；
步骤s12：影像存储介质接收到存危影像后将存危影像保存于危险存储模块中，并按照危险系数WX从大到小的顺序进行排序；
步骤s13：影像存储介质接收到安全影像后将安全影像保存于安全存储模块中，并按照危险系数WX从大到小的顺序进行排序。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.基于图像处理的外周血管影像分析系统，其特征在于，包括：
影像生成模块，用于对患者进行CT造影，生成外周血管影像，并将外周血管影像发送至影像分析平台；
影像分析平台，用于接收到外周血管影像后生成数据获取指令，并将数据获取指令发送至数据获取模块；
数据获取模块，用于接收到数据获取指令后根据外周血管影像获得破裂系数，并根据破裂系数将外周血管影像划分为危险影像和预安全影像，还根据预安全影像获得斑块总值、血速均值，并将破裂系数、斑块总值以及血速均值发送至数据分析模块；
数据分析模块，用于根据破裂系数、斑块总值以及血速均值获得危险系数，并根据危险系数将预安全影像划分为存危影像和安全影像；
所述数据分析模块获得危险系数的具体过程如下：
将破裂系数、斑块总值以及血速均值经过分析得到危险系数；
将危险系数与危险阈值进行比较：若危险系数≥危险阈值，则将危险系数所对应的预安全影像标记为存危影像，并将存危影像、危险系数发送至影像存储介质；若危险系数＜危险阈值，则将危险系数所对应的预安全影像标记为安全影像，并将安全影像、危险系数发送至影像存储介质；
影像存储介质，用于存储危险影像、存危影像以及安全影像。
2.根据权利要求1所述的基于图像处理的外周血管影像分析系统，其特征在于，所述数据获取模块获得破裂系数的具体过程如下：
接收到数据获取指令后获取外周血管影像中的所有血管的轮廓线，获取轮廓线上存在断裂的位置，获取断裂处的总数量，并将其标记为断数值，获取每个断裂处的断裂宽度，并将其标记为断宽值，将断数值、断宽值经过分析得到破裂系数；
将破裂系数与破裂阈值进行比较：若破裂系数≥破裂阈值，则将破裂系数所对应的外周血管影像标记为危险影像，并将危险影像、破裂系数发送至影像存储介质；若破裂系数＜破裂阈值，则将破裂系数所对应的外周血管影像标记为预安全影像。
3.根据权利要求1所述的基于图像处理的外周血管影像分析系统，其特征在于，所述数据获取模块获得斑块总值、血速均值的具体过程如下：
将预安全影像中的所有血管进行灰度化，之后依次标记为分析血管；
获取分析血管中存在的阴影块的总数量以及阴影块的总面积，并将其分别标记为影数值和影面值，将影数值和影面值经过分析得到斑块系数，将所有斑块系数进行求和，并将其标记为斑块总值；
获取分析血管中血液的平均流速，并将其标记为血流值，获取血流值与预设的标准血流速度之间的差值，并将其血速差，将所有的血速差进行求和并求取平均值，并将其标记为血速均值；
将破裂系数、斑块总值以及血速均值发送至数据分析模块。
4.基于图像处理的外周血管影像存储介质，其特征在于，包括危险存储模块、安全存储模块，所述危险存储模块用于存储危险影像和存危影像，所述安全存储模块用于存储安全影像。
5.根据权利要求4所述的基于图像处理的外周血管影像存储介质，其特征在于，所述影像存储介质的具体存储方法如下：
接收到危险影像后将危险影像保存于危险存储模块中，并按照破裂系数从大到小的顺序进行排序；
接收到存危影像后将存危影像保存于危险存储模块中，并按照危险系数从大到小的顺序进行排序；
接收到安全影像后将安全影像保存于安全存储模块中，并按照危险系数从大到小的顺序进行排序。
6.基于图像处理的外周血管影像分析方法，其特征在于，包括以下步骤：
步骤s1：影像生成模块对患者进行CT造影，生成外周血管影像，并将外周血管影像发送至影像分析平台；
步骤s2：影像分析平台接收到外周血管影像后生成数据获取指令，并将数据获取指令发送至数据获取模块；
步骤s3：数据获取模块接收到数据获取指令后获取外周血管影像中的所有血管的轮廓线，获取轮廓线上存在断裂的位置，获取断裂处的总数量，并将其标记为断数值，获取每个断裂处的断裂宽度，并将其标记为断宽值，将断数值、断宽值经过分析得到破裂系数；
步骤s4：数据获取模块将破裂系数与破裂阈值进行比较：若破裂系数≥破裂阈值，则将破裂系数所对应的外周血管影像标记为危险影像，并将危险影像、破裂系数发送至影像存储介质；若破裂系数＜破裂阈值，则将破裂系数所对应的外周血管影像标记为预安全影像；
步骤s5：数据获取模块将预安全影像中的所有血管进行灰度化，之后依次标记为分析血管；
步骤s6：数据获取模块获取分析血管中存在的阴影块的总数量以及阴影块的总面积，并将其分别标记为影数值和影面值，将影数值和影面值经过分析得到斑块系数，将所有斑块系数进行求和，并将其标记为斑块总值；
步骤s7：数据获取模块获取分析血管中血液的平均流速，并将其标记为血流值，获取血流值与预设的标准血流速度之间的差值，并将其血速差，将所有的血速差进行求和并求取平均值，并将其标记为血速均值；
步骤s8：数据获取模块将破裂系数、斑块总值以及血速均值发送至数据分析模块；
步骤s9：数据分析模块将破裂系数、斑块总值以及血速均值经过分析得到危险系数；
步骤s10：数据分析模块将危险系数与危险阈值进行比较：若危险系数≥危险阈值，则将危险系数所对应的预安全影像标记为存危影像，并将存危影像、危险系数发送至影像存储介质；若危险系数＜危险阈值，则将危险系数所对应的预安全影像标记为安全影像，并将安全影像、危险系数发送至影像存储介质；
步骤s11：影像存储介质接收到危险影像后将危险影像保存于危险存储模块中，并按照破裂系数从大到小的顺序进行排序；
步骤s12：影像存储介质接收到存危影像后将存危影像保存于危险存储模块中，并按照危险系数从大到小的顺序进行排序；
步骤s13：影像存储介质接收到安全影像后将安全影像保存于安全存储模块中，并按照危险系数从大到小的顺序进行排序。
CN202310635636.2A 2023-06-01 2023-06-01 基于图像处理的外周血管影像分析方法、系统及存储介质 Active CN116363131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310635636.2A CN116363131B (zh) 2023-06-01 2023-06-01 基于图像处理的外周血管影像分析方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310635636.2A CN116363131B (zh) 2023-06-01 2023-06-01 基于图像处理的外周血管影像分析方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN116363131A true CN116363131A (zh) 2023-06-30
CN116363131B CN116363131B (zh) 2023-07-28

Family

ID=86905288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310635636.2A Active CN116363131B (zh) 2023-06-01 2023-06-01 基于图像处理的外周血管影像分析方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN116363131B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078698A (zh) * 2023-08-22 2023-11-17 山东第一医科大学第二附属医院 一种基于深度学习的外周血管影像辅助分割方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027998A2 (en) * 2000-09-29 2002-04-04 New Health Sciences, Inc. Creation of a database containing personal health care profiles
US20150046945A1 (en) * 2012-03-30 2015-02-12 Zte Corporation Method for Controlling Touch Screen, and Mobile Terminal
JP2015097724A (ja) * 2013-11-20 2015-05-28 株式会社東芝 血管解析装置及び血管解析プログラム
WO2016168474A1 (en) * 2015-04-17 2016-10-20 Heartflow, Inc. Systems and methods for assessment of tissue function based on vascular disease
US20200174661A1 (en) * 2018-11-30 2020-06-04 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus for displaying user interface, terminal and storage medium
WO2020107732A1 (zh) * 2018-11-30 2020-06-04 博动医学影像科技（上海）有限公司 建立血管截面函数、血管压力差和血管应力的方法及装置
WO2021059243A1 (en) * 2019-09-27 2021-04-01 Vitaa Medical Solutions Inc. Method and system for determining regional rupture potential of blood vessel
CN113192004A (zh) * 2021-04-01 2021-07-30 温州医科大学附属第二医院（温州医科大学附属育英儿童医院） 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统
WO2021154159A1 (en) * 2020-01-31 2021-08-05 See-Mode Technologies Pte Ltd Methods and systems for risk assessment of ischemic cerebrovascular events

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002027998A2 (en) * 2000-09-29 2002-04-04 New Health Sciences, Inc. Creation of a database containing personal health care profiles
US20150046945A1 (en) * 2012-03-30 2015-02-12 Zte Corporation Method for Controlling Touch Screen, and Mobile Terminal
JP2015097724A (ja) * 2013-11-20 2015-05-28 株式会社東芝 血管解析装置及び血管解析プログラム
WO2016168474A1 (en) * 2015-04-17 2016-10-20 Heartflow, Inc. Systems and methods for assessment of tissue function based on vascular disease
US20200174661A1 (en) * 2018-11-30 2020-06-04 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus for displaying user interface, terminal and storage medium
WO2020107732A1 (zh) * 2018-11-30 2020-06-04 博动医学影像科技（上海）有限公司 建立血管截面函数、血管压力差和血管应力的方法及装置
WO2021059243A1 (en) * 2019-09-27 2021-04-01 Vitaa Medical Solutions Inc. Method and system for determining regional rupture potential of blood vessel
WO2021154159A1 (en) * 2020-01-31 2021-08-05 See-Mode Technologies Pte Ltd Methods and systems for risk assessment of ischemic cerebrovascular events
CN113192004A (zh) * 2021-04-01 2021-07-30 温州医科大学附属第二医院（温州医科大学附属育英儿童医院） 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
梁启硕;黄宇虹;陈伟军;梁艳艳;: "缺血性脑血管病患者颈部血管超声的临床效果分析", 首都食品与医药, no. 10 *
袁芬;: "64排螺旋CT血管成像(CTA)检测软斑块在缺血性脑卒中的应用价值分析", 临床医药文献电子杂志, no. 01 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078698A (zh) * 2023-08-22 2023-11-17 山东第一医科大学第二附属医院 一种基于深度学习的外周血管影像辅助分割方法及系统
CN117078698B (zh) * 2023-08-22 2024-03-05 山东第一医科大学第二附属医院 一种基于深度学习的外周血管影像辅助分割方法及系统

Also Published As

Publication number Publication date
CN116363131B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN116363131B (zh) 基于图像处理的外周血管影像分析方法、系统及存储介质
CN109924956B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及装置
CN109480780B (zh) 一种脑卒中预警系统的评估方法及系统
Abdi Holm’s sequential Bonferroni procedure
CN102834059B (zh) 超声波观测装置、超声波观测装置的动作方法以及超声波观测装置的动作程序
CN110176013B (zh) 血管分割方法、装置、电子设备及存储介质
CN104224217A (zh) 医用图像处理装置以及医用图像处理方法
CN110120031B (zh) 一种得到血管血流储备分数的方法和装置
CN106548213A (zh) 血管识别方法和装置
CN111932497A (zh) 一种冠状动脉识别方法及装置
CN109410267A (zh) 一种冠脉分割评估方法及系统
CN113947597A (zh) 一种基于屏蔽重建的工业缺陷检测方法、装置及介质
CN115482358B (zh) 一种三角网格曲面的生成方法、装置、设备及存储介质
CN115147360B (zh) 一种斑块分割方法、装置、电子设备及可读存储介质
CN110895818A (zh) 一种基于深度学习的膝关节轮廓特征提取方法和装置
CN115910379A (zh) 一种肾结石术后疗效评估方法、系统、设备及存储介质
Newell et al. Construction of genetic maps using distance geometry
CN112155603B (zh) 胎儿结构特征的权重值确定方法及装置
CN113469875B (zh) 光衰图像合成方法、装置、终端设备及存储介质
CN116196038B (zh) 一种超声多模态图像融合骨密度测量系统和方法
CN115222665B (zh) 一种斑块检测方法、装置、电子设备及可读存储介质
CN113724873B (zh) 一种基于mlp多平台校准的子痫前期风险预测方法
CN115546118A (zh) 一种血管狭窄段的检测方法、检测装置、设备及介质
Drewniak et al. Methodology and evaluation of the renal arterial system
KR20180097037A (ko) 관상동맥의 시작점을 자동으로 추출하기 위한 방법 및 그 장치

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