CN116503436B - 基于控制点进行动脉瘤瘤颈自动分割的方法和装置 - Google Patents
基于控制点进行动脉瘤瘤颈自动分割的方法和装置 Download PDFInfo
- Publication number
- CN116503436B CN116503436B CN202310753621.6A CN202310753621A CN116503436B CN 116503436 B CN116503436 B CN 116503436B CN 202310753621 A CN202310753621 A CN 202310753621A CN 116503436 B CN116503436 B CN 116503436B
- Authority
- CN
- China
- Prior art keywords
- control point
- point
- aneurysm
- tumor
- obtaining
- 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.)
- Active
Links
- 206010002329 Aneurysm Diseases 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 49
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 124
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 30
- 210000001367 artery Anatomy 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims 1
- 230000000877 morphologic effect Effects 0.000 abstract description 13
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 210000003739 neck Anatomy 0.000 description 70
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000001788 irregular Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 201000008450 Intracranial aneurysm Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
- A61B5/02014—Determining aneurysm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Vascular Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Quality & Reliability (AREA)
- Cardiology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Neurosurgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种基于控制点进行动脉瘤瘤颈自动分割的方法和装置,方法包括:基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;获得用于定位瘤颈平面的定位点,利用瘤颈平面进行动脉瘤瘤颈的自动分割,定位点包括第一控制点、第二控制点、第三控制点和第四控制点;获得第一控制点和第二控制点,包括:遍历血管中心线的序列点,将各序列点分别连接瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为第一控制点和第二控制点;根据第一控制点和第二控制点依次获得第三控制点和第四控制点,使二者连线平行于瘤颈平面。本申请利用计算图形学算法,自动划分瘤颈平面,从而提高了形态学参数计算的可重复性。
Description
技术领域
本申请涉及医学影像处理技术领域,特别是涉及一种基于控制点进行动脉瘤瘤颈自动分割的方法和装置。
背景技术
颅内动脉瘤是指颅内动脉壁的异常膨出,总体患病率大约为3%~5%。尽管大多数颅内动脉瘤终生未发生破裂,然而一旦破裂引发蛛网膜下腔出血,其致死率可达40%。因此,及时地筛查与评估动脉瘤的破裂风险尤为重要。
动脉瘤的破裂风险通常与患者的临床特征、动脉瘤的形态学特征以及血流动力学特征存在较强的相关性。其中形态学评估是预测动脉瘤破裂风险的重要临床手段。
目前临床场景中的形态学评估主要是基于二维图像的人工测量,其测量结果与动脉瘤的真实三维几何存在偏差。此外,不同的评估人员之间对影像视角的选择以及测量位置的选择也存在差异。因此人工测量手段存在准确性低和可重复性低的问题。
针对上述问题,研究人员开发了半自动的动脉瘤形态学测量技术,主要是先基于医学图像重构动脉瘤,然后通过手动划线的方式定义瘤颈平面,在此基础上利用算法自动获得动脉瘤的形态学参数。这一技术明显提高了动脉瘤形态学参数计算的准确度与可重复性。但是瘤颈平面的定义方式在不同操作人员之间依然存在偏差,从而影响着对动脉瘤破裂风险的评估。
发明内容
基于此,有必要针对上述技术问题,提供一种基于控制点进行动脉瘤瘤颈自动分割的方法。
本申请基于控制点进行动脉瘤瘤颈自动分割的方法,包括:
基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;
获得用于定位瘤颈平面的定位点,利用所述瘤颈平面进行动脉瘤瘤颈的自动分割,所述定位点包括第一控制点、第二控制点、第三控制点和第四控制点;
获得第一控制点和第二控制点,包括:遍历所述血管中心线的序列点,将各序列点分别连接所述瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为所述第一控制点和第二控制点;
根据所述第一控制点和第二控制点,依次获得所述第三控制点和第四控制点,使所述第三控制点和第四控制点的连线平行于所述瘤颈平面。
可选的,获得所述第三控制点,具体包括:
将所述瘤顶位置连接至所述第一控制点,延伸相交于所述血管中心线,获得第一端点;
将所述瘤顶位置连接至所述第二控制点,延伸相交于所述血管中心线,获得第二端点,获得所述第一端点和所述第二端点的中间点;
结合所述中间点、所述第一控制点、所述第二控制点,获得所述第三控制点。
可选的,结合所述中间点、所述第一控制点、所述第二控制点,获得所述第三控制点,具体包括:
获得所述中间点指向第一控制点的第一矢量、所述中间点指向第二控制点的第二矢量,将第一矢量和第二矢量相加获得第三矢量;
以所述中间点为原点,结合设定半径、以及所述第三矢量的方向,获得辅助点;
在所述动脉瘤表面上,遍历寻找距离所述辅助点最近的点位、作为所述第三控制点。
可选的,获得所述第三控制点,还包括对所述第三控制点进行校正,获得校正后的第三控制点,校正过程包括:
在所述第三控制点的邻域内,生成候选点;
获得基于最短测地路径的、所述第一控制点和候选点的第一长度;
获得基于最短测地路径的、所述第二控制点和候选点的第二长度;
将所述第一长度和第二长度的和,作为第三长度,
选择的第三长度最小的候选点作为校正后的第三控制点。
可选的,获得所述第三控制点,还包括对校正后的第三控制点进行优化,获得优化后的第三控制点,优化过程包括:
将校正后的第三控制点,利用最短测地路径法分别连接第一控制点和第二控制点,将连接第一控制点和第二控制点的连接线的中点作为优化后的第三控制点。
可选的,获得所述第四控制点,具体包括:
获得在所述动脉瘤表面的、与所述第一控制点和第二控制点最短测地路径相同的第一等距点集合;
在所述第一等距点集合中,删除距离所述优化后的第三控制点小于预期阈值的点位,获得第二等距点集合;
在第二等距点集合中,获得与所述第一控制点和第二控制点最短测地路径之和为最小值的点位,作为第四控制点。
可选的,所述预期阈值为所述第一控制点和第二控制点之间最短测地路径的一半。
可选的,所述定位瘤颈平面包括:
连接所述第一控制点和第二控制点,获得第四矢量;
连接所述第四控制点和优化后的第三控制点,连接第五矢量;
叉乘所述第四矢量和第五矢量,获得第六矢量;
定位以所述第六矢量为法向的、过所述第一控制点和第二控制点的瘤颈平面。
可选的,获得动脉瘤的瘤顶位置,具体包括:
获得第一瘤顶,所述第一瘤顶为动脉瘤上的一个点位;
在血管中心线上获得距离所述第一瘤顶最近的第一最近点,从所述第一最近点在血管中心线上沿线遍历两个方向的点位,直到血管中心线的点位和第一瘤顶的连线与动脉瘤瘤颈相切,获得第一中心线影响区域;
构建以第一瘤顶为中心的球形邻域,遍历球形邻域内且在动脉瘤上的、距离所述第一中心线影响区域最远的点位,作为第二瘤顶;
将第二瘤顶作为第一瘤顶,循环执行直到符合预期,获得动脉瘤的瘤顶位置。
本申请提供一种基于控制点进行动脉瘤瘤颈自动分割的装置,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现如本申请所述的基于控制点进行动脉瘤瘤颈自动分割的方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本申请所述的基于控制点进行动脉瘤瘤颈自动分割的方法的步骤。
本申请还提供一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现本申请所述的基于控制点进行动脉瘤瘤颈自动分割的方法的步骤。
本申请基于控制点进行动脉瘤瘤颈自动分割的方法至少具有以下效果:
本申请通过序列点和瘤顶位置连接,将连接线与动脉瘤内表面的切点作为第一控制点和第二控制点,使两个控制点处于动脉瘤瘤颈。在此基础上,通过第一控制点和第二控制点获得第三控制点和第四控制点。第三控制点和第四控制点的连线平行于瘤颈平面,可用于辅助获得瘤颈平面,以进行动脉瘤瘤颈的自动分割。本申请通过第一~第四控制点定位瘤颈平面,对因为动脉瘤形态导致的结果误差进行控制。
本申请利用计算图形学算法,自动划分瘤颈平面,从而提高了形态学参数计算的可重复性。
附图说明
图1为本申请一实施例中基于控制点进行动脉瘤瘤颈自动分割方法的流程示意图;
图2为本申请一实施例中基于控制点进行动脉瘤瘤颈自动分割方法的流程示意图;
图3为本申请一实施例中获得最终瘤顶位置的过程示意图;
图4为本申请一实施例中获得第三控制点的过程示意图;
图5为本申请一实施例中获得第三控制点的流程示意图;
图6为本申请一实施例中获得校正后的第三控制点的过程示意图;
图7为本申请一实施例中基于控制点进行动脉瘤瘤颈自动分割方法的流程示意图;
图8为本申请一实施例中本申请一实施例中动脉瘤瘤颈的分割效果示意图;
图9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用以解释本申请,并不用于限定本申请。
本申请中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、次序。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个、三个等,除非另有明确具体的限定。
参见图1,本申请提供一种基于控制点进行动脉瘤瘤颈自动分割的方法,包括步骤S100~步骤S400。其中:
步骤S100,基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;
步骤S200,获得用于定位瘤颈平面的定位点,利用瘤颈平面进行动脉瘤瘤颈的自动分割,定位点包括第一控制点、第二控制点、第三控制点和第四控制点;
步骤S300,获得第一控制点和第二控制点,包括:遍历血管中心线的序列点,将各序列点分别连接瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为第一控制点和第二控制点;
步骤S400,根据所述第一控制点和第二控制点,依次获得第三控制点和第四控制点,使第三控制点和第四控制点的连线平行于瘤颈平面。
本实施例中序列点是指组成血管中心线的位置数据。动脉瘤及载瘤动脉二者的内壁整体形成不规则曲面,序列点和瘤顶位置连接,连接线相交于该不规则曲面的交点即切点。切点处于动脉瘤瘤颈上、即处于瘤颈平面。两个切点分别作为第一控制点和第二控制点。结合第一控制点、第二控制点、以及平行于瘤颈平面的连线即可获得瘤颈平面,以进行动脉瘤瘤颈的自动分割。本实施例利用计算图形学算法,自动划分瘤颈平面,从而提高了形态学参数计算的可重复性。
在一些实施例中对于基于控制点进行动脉瘤瘤颈自动分割的方法各步骤的子步骤、以及扩展步骤进一步说明。包括(1)影像读取与表面重构;(2)获取动脉瘤的瘤顶位置;(3)获取第一控制点和第二控制点;(4)获得第三控制点;(5)获得第四控制点;(6)定位瘤颈平面;(7)计算形态学参数。其中(1)和(2)对应步骤S100;(3)获取第一控制点和第二控制点,对应步骤S300;(4)获得第三控制点和(5)获得第四控制点,对应步骤S400。
(1)影像读取与表面重构。
读取血管影像,包括但不限于DSA、CTA以及MRA的三维影像序列。利用阈值法、水平集法或是人工智能分割模型(例如3D UNet)对影像序列进行分割,然后用行进立方体算法对其进行表面重构,得到基于动脉瘤及载瘤动脉的血管模型。计算血管模型的voronoi图,然后在血管入口以及血管出口进行手动选点,利用最短路径算法获取从入口到出口的血管中心线。
参见图2和图3,(2)获取动脉瘤的瘤顶位置,作为步骤S100的子步骤,具体包括:
步骤S110,获得第一瘤顶,第一瘤顶为动脉瘤上的一个点位;
步骤S120,在血管中心线上获得距离第一瘤顶最近的第一最近点,从第一最近点在血管中心线上沿线遍历两个方向的点位,直到血管中心线的点位和第一瘤顶的连线与动脉瘤瘤颈相切,获得第一中心线影响区域;
步骤S130,构建以第一瘤顶为中心的球形邻域,遍历球形邻域内且在动脉瘤上的、距离第一中心线影响区域最远的点位,作为第二瘤顶;
步骤S140,将第二瘤顶作为第一瘤顶,循环执行直到符合预期,获得动脉瘤的瘤顶位置。
在步骤S110中,获得第一瘤顶,例如手动选取动脉瘤上靠近瘤顶的一点,记为第一瘤顶。
在步骤S120中,在血管中心线上寻找距离第一瘤顶最近的点,记为第一最近点。从第一最近点沿着中心线的两个方向遍历中心线上的点,直至血管中心线上的点和第一瘤顶的连线与瘤颈相切,两个切点之间形成的血管中心线线段,作为获得的第一中心线影响区域。
在步骤S130中,以第一瘤顶为球心,构造第一瘤顶邻域(如球形邻域,半径为R,如R=1mm),遍历邻域内位于血管模型表面的点,寻找距离第一中心线影响区域最远的点,记为第二瘤顶。
在此基础上,在血管中心线上寻找距离第二瘤顶最近的点,记为第二最近点。然后采用同样的方式获得第二中心线影响区域。如此迭代计算,获得第三瘤顶、第四瘤顶……直至后一个瘤顶与前一个瘤顶之间的距离小于0.1mm则停止迭代,并将后一个瘤顶记为最终的瘤顶位置。
可以理解,迭代计算的过程也可以等同于步骤S140的循环执行过程,即将第二瘤顶作为第一瘤顶,在血管中心线上寻找距离第一瘤顶最近的点,记为第一最近点。然后采用再次以同样的方式获得第一中心线影响区域。如此迭代计算,直至前后两次迭代瘤顶的距离小于预期值,预期值例如0.1mm,停止迭代,停止迭代前的最后一个瘤顶作为最终获得的瘤顶位置,最终获得的瘤顶位置相应具有最终中心线影响区域。可以理解,最终中心线影响区域与最终瘤顶位置的关系,相当于第一中心线影响区域与第一瘤顶的关系。在最终中心线影响区域上寻找距离最终瘤顶最近的点,记为最终最近点。
(3)获取第一控制点和第二控制点,对应步骤S300。
动脉瘤及载瘤动脉二者的内壁整体形成不规则曲面,最终中心线影响区域的两个端点和最终瘤顶的两条连线分别与不规则曲面相切。相切位置分别记为第一控制点和第二控制点。相切位置处于动脉瘤瘤颈上。即第一控制点和第二控制点处于动脉瘤瘤颈上。
参见图4和图5,(4)获得第三控制点,对应步骤S400。步骤S400,具体包括:
步骤S410,将瘤顶位置连接至第一控制点,延伸相交于血管中心线,获得第一端点;
步骤S420,将瘤顶位置连接至第二控制点,延伸相交于血管中心线,获得第二端点,获得第一端点和第二端点的中间点;
步骤S430,结合中间点、第一控制点、第二控制点,获得第三控制点。
具体地,最终中心线影响区域的两个端点分别为第一端点和第二端点,第一端点和第二端点的中间点即为最终中心线影响区域的中间点(最终中心线影响区域的中点)。
进一步地,步骤S430包括步骤S431~步骤S433。其中:
步骤S431,获得中间点指向第一控制点的第一矢量、中间点指向第二控制点的第二矢量,将第一矢量和第二矢量相加获得第三矢量;
步骤S432,以中间点为原点,结合设定半径、以及第三矢量的方向,获得辅助点;
步骤S433,在动脉瘤表面上,遍历寻找距离辅助点最近的点位、作为第三控制点。
对于步骤S431和步骤S432,具体地,计算中间点与第一控制点的连线矢量,记为第一矢量。计算中间点与第二控制点的连线矢量,记为第二矢量。将第一矢量与第二矢量相加,然后得到第三矢量。将第三矢量进行归一化,即获得第三矢量的方向。归一化后的第三矢量与设定半径相乘,获得定位第三控制点的辅助点。
具体地,设定半径为第一端点和第二端点沿线半径的均值。第一端点沿线半径,为第一端点沿血管中心线的内切球半径,记为第一半径。第二端点沿线半径,为第二端点沿血管中心线的内切球半径,记为第二半径。将第一半径和第二半径相加然后除以二,得到设定半径。
对于步骤S433,第三控制点的辅助点通常位于瘤腔内部。在血管模型上遍历所有点,寻找距离辅助点最近的点,记为第三控制点。
参见图6,步骤S400,还包括步骤S440,对第三控制点进行校正,获得校正后的第三控制点。校正过程包括:
步骤S441,在第三控制点的邻域内,生成候选点;
步骤S442,获得基于最短测地路径的、第一控制点和候选点的第一长度;
步骤S443,获得基于最短测地路径的、第二控制点和候选点的第二长度;
步骤S444,将第一长度和第二长度的和,作为第三长度,选择第三长度最小的候选点作为校正后的第三控制点。
具体地,对于步骤S441,在第三控制点的邻域内(邻域可定义为以第三控制点为球心的球体范围内所包含的血管模型上的点)生成候选点,候选点包括第三控制点自身。
对于步骤S442,计算候选点与第一控制点的最短测地路径长度,记为第一长度。
对于步骤S443,计算候选点与第二控制点的最短测地路径长度,记为第二长度。
对于步骤S444,寻找第三长度的最小值所对应的候选点的位置,作为校正后的第三控制点。如图6所示,图中的粗线条表示最小值的第三长度,校正后的第三控制点处在其上。可以理解,校正后的第三控制点相较于校正前的位置能够更准确地处于动脉瘤瘤颈上。
参见图7,在一个实施例中,步骤S400,还包括步骤S450,对校正后的第三控制点进行优化,获得优化后的第三控制点,优化过程包括:
将校正后的第三控制点,利用最短测地路径法分别连接第一控制点和第二控制点,将连接第一控制点和第二控制点的连接线的中点作为优化后的第三控制点。
具体地,计算过第一控制点、候选点的位置以及第二控制点的最短测地路径。选择最短测地路径的中点(该中点与第一控制点及第二控制点具有相等的最短测地路径长度,记该长度为第四长度)作为优化后的第三控制点。
基于控制点进行动脉瘤瘤颈自动分割的方法还包括(5)获得第四控制点,对应于步骤S400包括的步骤S460。步骤S460,获得第四控制点,具体包括:
步骤S461,获得在动脉瘤表面的、与第一控制点和第二控制点最短测地路径相同的第一等距点集合;
步骤S462,在第一等距点集合中,删除距离优化后的第三控制点小于预期阈值的点位,获得第二等距点集合;
步骤S463,在第二等距点集合中,获得与第一控制点和第二控制点最短测地路径之和为最小值的点位,作为第四控制点。
具体地,对于步骤S461,遍历血管模型表面的点,获得点的集合。该集合中的所有点与第一控制点的最短测地路径的长度等于该点与第二控制点的最短测地路径的长度。记该集合为第一等距点集合。容易知道,优化后的第三控制点也包含在第一等距点集合内。
在步骤S462中,预期阈值为第四长度,第四长度为第一控制点和第二控制点之间最短测地路径的一半。
对于步骤S462,计算第一等距点集合中所有点与优化后的第三控制点的最短测地路径的长度。删除长度小于等于第四长度的点,从而得到第二等距点集合。第二等距点集合为第一等距点集合的子集,且集合内所有点与优化后的第三控制点的最短测地路径的长度均大于第四长度。
对于步骤S463,计算第二等距点集合中所有点与第一控制点的最短测地路径长度,得到长度集合。获取长度集合中最小值所对应的点,即第四控制点。
(6)定位瘤颈平面,利用第一~第四控制点完成,包括:
步骤S510,连接第一控制点和第二控制点,获得第四矢量;
步骤S520,连接第四控制点和优化后的第三控制点,连接第五矢量;
步骤S530,叉乘第四矢量和第五矢量,获得第六矢量;
步骤S540,定位以第六矢量为法向的、过第一控制点和第二控制点的瘤颈平面。
具体地,计算第一控制点和第二控制点的连线矢量,记为第四矢量。计算第四控制点和优化后的第三控制点的连线矢量,记为第五矢量。计算第四矢量与第五矢量的叉乘,得到第六矢量。
利用第一控制点、第二控制点以及第六矢量,获得过第一控制点、第二控制点且以第六矢量为法向的平面,即为瘤颈平面。
(7)计算形态学参数。
参见图8,利用瘤颈平面对血管模型进行切割,提取最终瘤顶所在连通域作为瘤腔。利用瘤颈平面及瘤腔,计算动脉瘤形态学参数,包括:动脉瘤入流角、动脉瘤倾角、血管角、动脉瘤最大高度、动脉瘤中部直径、动脉瘤颈直径、载瘤动脉直径、动脉瘤垂直高度、动脉瘤表面积、动脉瘤体积、size ratio(尺寸比)、aspect ratio(长短比)、bottle-neckratio(体颈比)、椭圆指数、非球形指数、动脉瘤形态不规则指数等。
本申请各实施例利用计算图形学算法,自动划分瘤颈平面,从而提高了形态学参数计算的可重复性。对医生来说,降低了动脉瘤形态学评估的学习门槛以及工作负担;对医院来说,间接提升了收治能力;对患者来说,更加可靠的评估手段可以提供更加可靠的诊断结果,从而一定程度上降低了动脉瘤破裂的风险以及过度干预的风险。
应该理解的是,虽然图1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,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种基于控制点进行动脉瘤瘤颈自动分割的装置,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:
步骤S100,基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;
步骤S200,获得用于定位瘤颈平面的定位点,利用瘤颈平面进行动脉瘤瘤颈的自动分割,定位点包括第一控制点、第二控制点、第三控制点和第四控制点;
步骤S300,获得第一控制点和第二控制点,包括:遍历血管中心线的序列点,将各序列点分别连接瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为第一控制点和第二控制点;
步骤S400,根据所述第一控制点和第二控制点,依次获得第三控制点和第四控制点,使第三控制点和第四控制点的连线平行于瘤颈平面。
在一个实施例中,基于控制点进行动脉瘤瘤颈自动分割的装置采用计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。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、内存储器。该非易失性存储介质存储有操作系统和计算机程序。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。该计算机设备的网络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基于控制点进行动脉瘤瘤颈自动分割的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
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,该计算机程序被处理器执行时实现以下步骤:
步骤S100,基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;
步骤S200,获得用于定位瘤颈平面的定位点,利用瘤颈平面进行动脉瘤瘤颈的自动分割,定位点包括第一控制点、第二控制点、第三控制点和第四控制点;
步骤S300,获得第一控制点和第二控制点,包括:遍历血管中心线的序列点,将各序列点分别连接瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为第一控制点和第二控制点;
步骤S400,根据所述第一控制点和第二控制点,依次获得第三控制点和第四控制点,使第三控制点和第四控制点的连线平行于瘤颈平面。
在一个实施例中,提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现以下步骤:
步骤S100,基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;
步骤S200,获得用于定位瘤颈平面的定位点,利用瘤颈平面进行动脉瘤瘤颈的自动分割,定位点包括第一控制点、第二控制点、第三控制点和第四控制点;
步骤S300,获得第一控制点和第二控制点,包括:遍历血管中心线的序列点,将各序列点分别连接瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为第一控制点和第二控制点;
步骤S400,根据所述第一控制点和第二控制点,依次获得第三控制点和第四控制点,使第三控制点和第四控制点的连线平行于瘤颈平面。
本实施例中,计算机程序产品包括程序代码部分,以用于当计算机程序产品由一个或多个计算装置执行时,执行本申请各实施例中基于控制点进行动脉瘤瘤颈自动分割的方法的步骤。计算机程序产品可被存储在计算机可读记录介质上。还可经由数据网络(例如,通过RAN、经由因特网和/或通过RBS)提供计算机程序产品以便下载。备选地或附加地,该方法可被编码在现场可编程门阵列(FPGA)和/或专用集成电路(ASIC)中,或者功能性可借助于硬件描述语言被提供以便下载。
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、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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。不同实施例中的技术特征体现在同一附图中时,可视为该附图也同时披露了所涉及的各个实施例的组合例。
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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.基于控制点进行动脉瘤瘤颈自动分割的方法,其特征在于,包括:
基于动脉瘤及载瘤动脉的血管模型,获得动脉瘤的瘤顶位置、以及血管中心线;
获得用于定位瘤颈平面的定位点,利用所述瘤颈平面进行动脉瘤瘤颈的自动分割,所述定位点包括第一控制点、第二控制点、第三控制点和第四控制点;
获得第一控制点和第二控制点,包括:遍历所述血管中心线的序列点,将各序列点分别连接所述瘤顶位置,获得连接线与动脉瘤内表面的两个切点,两个切点分别作为所述第一控制点和第二控制点;
根据所述第一控制点和第二控制点,依次获得所述第三控制点和第四控制点,使所述第三控制点和第四控制点的连线平行于所述瘤颈平面;
获得所述第三控制点,具体包括:将所述瘤顶位置连接至所述第一控制点,延伸相交于所述血管中心线,获得第一端点;将所述瘤顶位置连接至所述第二控制点,延伸相交于所述血管中心线,获得第二端点,获得所述第一端点和所述第二端点的中间点;结合所述中间点、所述第一控制点、所述第二控制点,获得所述第三控制点;
获得所述第三控制点,还包括对所述第三控制点进行校正,获得校正后的第三控制点,对校正后的第三控制点进行优化,获得优化后的第三控制点;
获得所述第四控制点,具体包括:获得在所述动脉瘤表面的、与所述第一控制点和第二控制点最短测地路径相同的第一等距点集合;在所述第一等距点集合中,删除距离所述优化后的第三控制点小于预期阈值的点位,获得第二等距点集合;在第二等距点集合中,获得与所述第一控制点和第二控制点最短测地路径之和为最小值的点位,作为第四控制点。
2.如权利要求1所述的方法,其特征在于,结合所述中间点、所述第一控制点、所述第二控制点,获得所述第三控制点,具体包括:
获得所述中间点指向第一控制点的第一矢量、所述中间点指向第二控制点的第二矢量,将第一矢量和第二矢量相加获得第三矢量;
以所述中间点为原点,结合设定半径、以及所述第三矢量的方向,获得辅助点;
在所述动脉瘤表面上,遍历寻找距离所述辅助点最近的点位、作为所述第三控制点。
3.如权利要求1所述的方法,其特征在于,获得校正后的第三控制点,校正过程包括:
在所述第三控制点的邻域内,生成候选点;
获得基于最短测地路径的、所述第一控制点和候选点的第一长度;
获得基于最短测地路径的、所述第二控制点和候选点的第二长度;
将所述第一长度和第二长度的和,作为第三长度,
选择的第三长度最小的候选点作为校正后的第三控制点。
4.如权利要求1所述的方法,其特征在于,获得优化后的第三控制点,优化过程包括:
将校正后的第三控制点,利用最短测地路径法分别连接第一控制点和第二控制点,将连接第一控制点和第二控制点的连接线的中点作为优化后的第三控制点。
5.如权利要求1所述的方法,其特征在于,所述预期阈值为所述第一控制点和第二控制点之间最短测地路径的一半。
6.如权利要求1所述的方法,其特征在于,所述定位瘤颈平面包括:
连接所述第一控制点和第二控制点,获得第四矢量;
连接所述第四控制点和优化后的第三控制点,连接第五矢量;
叉乘所述第四矢量和第五矢量,获得第六矢量;
定位以所述第六矢量为法向的、过所述第一控制点和第二控制点的瘤颈平面。
7.如权利要求1所述的方法,其特征在于,获得动脉瘤的瘤顶位置,具体包括:
获得第一瘤顶,所述第一瘤顶为动脉瘤上的一个点位;
在血管中心线上获得距离所述第一瘤顶最近的第一最近点,从所述第一最近点在血管中心线上沿线遍历两个方向的点位,直到血管中心线的点位和第一瘤顶的连线与动脉瘤瘤颈相切,获得第一中心线影响区域;
构建以第一瘤顶为中心的球形邻域,遍历球形邻域内且在动脉瘤上的、距离所述第一中心线影响区域最远的点位,作为第二瘤顶;
将第二瘤顶作为第一瘤顶,循环执行直到符合预期,获得动脉瘤的瘤顶位置。
8.基于控制点进行动脉瘤瘤颈自动分割的装置,其特征在于,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现如权利要求1~7任一项所述的基于控制点进行动脉瘤瘤颈自动分割的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310753621.6A CN116503436B (zh) | 2023-06-26 | 2023-06-26 | 基于控制点进行动脉瘤瘤颈自动分割的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310753621.6A CN116503436B (zh) | 2023-06-26 | 2023-06-26 | 基于控制点进行动脉瘤瘤颈自动分割的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116503436A CN116503436A (zh) | 2023-07-28 |
CN116503436B true CN116503436B (zh) | 2023-09-12 |
Family
ID=87326966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310753621.6A Active CN116503436B (zh) | 2023-06-26 | 2023-06-26 | 基于控制点进行动脉瘤瘤颈自动分割的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116503436B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017040371A1 (en) * | 2015-08-29 | 2017-03-09 | George Shengelaia | Devices and methods for ablation of vascular defects |
WO2020083375A1 (en) * | 2018-10-26 | 2020-04-30 | Union Strong (Beijing) Technology Co. Ltd. | Method and System for Measuring Morphological Parameters of An Intracranial Aneurysm Image |
WO2020083374A1 (en) * | 2018-10-26 | 2020-04-30 | Union Strong (Beijing) Technology Co. Ltd. | Method and system for measuring morphological parameters of an intracranial aneurysm image |
CN215018304U (zh) * | 2021-04-30 | 2021-12-07 | 上海暖阳医疗器械有限公司 | 一种动脉瘤闭塞装置 |
CN114224484A (zh) * | 2021-12-13 | 2022-03-25 | 杭州脉流科技有限公司 | 颅内动脉瘤的表面区域定位方法、装置、计算机设备和存储介质 |
CN114565559A (zh) * | 2022-01-18 | 2022-05-31 | 首都医科大学附属北京天坛医院 | 一种颅内动脉瘤形态学参数半自动测量方法 |
CN116309673A (zh) * | 2022-12-30 | 2023-06-23 | 杭州脉流科技有限公司 | 基于瘤颈曲面获得囊状动脉瘤形态学参数的方法、计算机设备和可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060184066A1 (en) * | 2005-02-15 | 2006-08-17 | Baylor College Of Medicine | Method for aiding stent-assisted coiling of intracranial aneurysms by virtual parent artery reconstruction |
-
2023
- 2023-06-26 CN CN202310753621.6A patent/CN116503436B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017040371A1 (en) * | 2015-08-29 | 2017-03-09 | George Shengelaia | Devices and methods for ablation of vascular defects |
WO2020083375A1 (en) * | 2018-10-26 | 2020-04-30 | Union Strong (Beijing) Technology Co. Ltd. | Method and System for Measuring Morphological Parameters of An Intracranial Aneurysm Image |
WO2020083374A1 (en) * | 2018-10-26 | 2020-04-30 | Union Strong (Beijing) Technology Co. Ltd. | Method and system for measuring morphological parameters of an intracranial aneurysm image |
CN215018304U (zh) * | 2021-04-30 | 2021-12-07 | 上海暖阳医疗器械有限公司 | 一种动脉瘤闭塞装置 |
CN114224484A (zh) * | 2021-12-13 | 2022-03-25 | 杭州脉流科技有限公司 | 颅内动脉瘤的表面区域定位方法、装置、计算机设备和存储介质 |
CN114565559A (zh) * | 2022-01-18 | 2022-05-31 | 首都医科大学附属北京天坛医院 | 一种颅内动脉瘤形态学参数半自动测量方法 |
CN116309673A (zh) * | 2022-12-30 | 2023-06-23 | 杭州脉流科技有限公司 | 基于瘤颈曲面获得囊状动脉瘤形态学参数的方法、计算机设备和可读存储介质 |
Non-Patent Citations (1)
Title |
---|
支架植入颅内蜿蜒型动脉瘤的血流动力学仿真;顾兆勇;张宏斌;孟宪龙;乔爱科;;医用生物力学(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116503436A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200320697A1 (en) | Method, system, and device for lung lobe segmentation, model training, model construction and segmentation | |
US11127138B2 (en) | Automatic detection and quantification of the aorta from medical images | |
US20100130878A1 (en) | Systems, apparatus and processes for automated blood flow assessment of vasculature | |
WO2020083374A1 (en) | Method and system for measuring morphological parameters of an intracranial aneurysm image | |
WO2017047819A1 (ja) | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム | |
CN112446866B (zh) | 血流参数的计算方法、装置、设备及存储介质 | |
CN113180824B (zh) | 用于微导管塑形的塑形针形态模拟方法、装置、计算机设备和存储介质 | |
KR102431173B1 (ko) | 진단 영상에서 심층신경망을 이용한 국소종양진행을 진단하기 위한 장치 및 국소종양진행 진단에 필요한 정보를 제공하는 방법 | |
CN115953457B (zh) | 推荐首枚弹簧圈的方法和计算机设备 | |
CN116503395B (zh) | 针对宽颈动脉瘤的形态学参数自动得到方法、装置和设备 | |
CN116309673A (zh) | 基于瘤颈曲面获得囊状动脉瘤形态学参数的方法、计算机设备和可读存储介质 | |
CN116503436B (zh) | 基于控制点进行动脉瘤瘤颈自动分割的方法和装置 | |
CN116485803B (zh) | 获得复杂形状动脉瘤形态学参数的方法和装置 | |
CN114170440A (zh) | 图像特征点的确定方法、装置、计算机设备和存储介质 | |
US9983848B2 (en) | Context-sensitive identification of regions of interest in a medical image | |
US20230102441A1 (en) | Computer implemented method for measurement using medical imaging, data processing device and electronically readable storage medium | |
CN111640102A (zh) | 动脉瘤检测方法、装置以及计算机设备 | |
CN108121690B (zh) | 字体处理方法和装置 | |
CN116777887A (zh) | 血管中心线树的提取方法、装置、设备、介质及程序产品 | |
CN116485800B (zh) | 动脉瘤形态学参数自动获取方法、装置、设备和存储介质 | |
CN115482261A (zh) | 血管配准方法、装置、电子设备及存储介质 | |
CN116524003B (zh) | 获得分叉部动脉瘤形态学参数的方法和装置 | |
CN112001893B (zh) | 一种血管参数的计算方法、装置、设备及存储介质 | |
CN114366295B (zh) | 微导管路径生成方法、塑形针的塑形方法、计算机设备、可读存储介质和程序产品 | |
CN117438092B (zh) | 颅内动脉瘤破裂风险预测装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |