CN116645383B - 基于偏折角的感兴趣血管段路径优化方法及系统 - Google Patents
基于偏折角的感兴趣血管段路径优化方法及系统 Download PDFInfo
- Publication number
- CN116645383B CN116645383B CN202310926502.6A CN202310926502A CN116645383B CN 116645383 B CN116645383 B CN 116645383B CN 202310926502 A CN202310926502 A CN 202310926502A CN 116645383 B CN116645383 B CN 116645383B
- Authority
- CN
- China
- Prior art keywords
- path
- vessel
- blood vessel
- deflection angle
- interest
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 17
- 210000004351 coronary vessel Anatomy 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 11
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000002583 angiography Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 201000000057 Coronary Stenosis Diseases 0.000 description 1
- 206010011089 Coronary artery stenosis Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于偏折角的感兴趣血管段路径优化方法及系统，包括以下步骤：根据输入的血管中心线或血管骨架图，生成完整的血管树模型；根据血管树模型生成图模型的过程中，利用惩罚因子对相邻血管段的偏折角进行优化，得到优化偏折角，形成优化后的图模型；获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划，对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化后的图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过，输出感兴趣血管段路径。解决通过相邻血管段之间的偏折角来规划感兴趣血管段路径时，分叉点处畸变和偏折角不准确带来的路径规划错误。
Description
技术领域
本发明涉及医疗图像处理技术领域，尤其涉及一种基于偏折角的感兴趣血管段路径优化方法及系统。
背景技术
心血管相关疾病患病率逐年上升，是世界公认的最常见死因之一，其中冠心病的致死率极高，而诱发冠心病的主要因素是冠状动脉狭窄，它会严重影响心脏供血，严重威胁生命。目前冠心病诊断的主要手段是数字减影血管造影DSA (Digital SubstractionAngiography)。
在进一步处理和分析DSA造影图像时，例如进行造影融合之前，常常需要按照图1的流程，基于骨架图和血管树模型在医生所标记的远心端到近心端之间规划出一条感兴趣血管段路径。主流的感兴趣血管路径规划方法分为两种：
其一：基于血管段骨架长度，规划出从远心端到近心端的最短骨架路径。其缺陷在于，肋骨、隔膜等其他因素形成的伪影与血管网之间交叠，有可能形成一条“捷径”，造成规划出的感兴趣血管段路径错误。
其二：基于相邻血管段骨架之间的偏折角，规划出从远心端到近心端的最短骨架路径，如图3所示，规划出的路径如图2所示。本方法可以避免前者的“捷径”问题，且在更多的场景中被广泛使用。但是，现有的基于偏折角的方法在远心端到近心端规划感兴趣血管段路径时，由于主血管（冠脉）和其上的各个细小分支也会构成分叉结构，在提取中心线时分割精度不够，导致提取的不准确，形成形态畸变，因此常常会得到错误的路径结果。
发明内容
因此，本发明的目的在于提供一种基于偏折角的感兴趣血管段路径优化方法及系统，解决通过相邻血管段之间的偏折角来规划感兴趣血管段路径时，分叉点处畸变和偏折角不准确带来的路径规划错误。
为了实现上述目的，本发明提供了一种基于偏折角的感兴趣血管段路径优化方法，包括以下步骤：
S1、根据输入的血管中心线或血管骨架图，生成完整的血管树模型；
S2、根据血管树模型生成图模型；
S3、在S2中根据相邻血管段的偏折角的幅值设置惩罚函数，进行映射计算，得到优化偏折角，形成优化后的图模型；
S4、获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划，对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化后的图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过输出感兴趣血管段路径。
进一步优选的，所述惩罚函数包括但不限于以下形式：
其中，a是惩罚因子；x是偏折角；T1是基于人体冠脉的生理学构造而设定的下限，T2是基于人体冠脉的生理学构造而设定的上限。
进一步优选的，在S4中，所述对形成的规划路径进行校验包括如下过程：
获取相邻血管段的分叉点信息，校验同一个分叉点是否被重复使用；
当存在同一个分叉点被重复使用时，视为校验不通过。
进一步优选的，在S4中，所述获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划时，包括以下步骤：
根据用户标记的感兴趣血管段的近心端和远心端和血管骨架图；
提取包含所述标记的近心端和远心端的所有血管路径；
根据S3中计算得出的相邻血管段的优化偏折角，对每条血管路径上的所有优化偏折角进行累加，将累加和最小的血管路径作为规划血管路径。
进一步优选的，所述根据血管树模型生成图模型中，所述血管树模型为以下信息的集合｛血管段信息、分叉点信息、血管段之间的偏折角｝；所述图模型包括｛节点信息、边信息、边长度｝所述节点信息根据血管段信息提取得出；所述边信息根据分叉点信息提取得出，所述边长度根据血管段之间的优化偏折角计算得出。
本发明还提供一种基于偏折角的感兴趣血管段路径算法的优化系统，包括血管树模型、图模型、优化模块、路径规划模块和校验模块；
所述血管树模型用于根据输入的血管中心线或血管骨架图，生成完整的血管树模型；
所述图模型用于根据血管树模型生成图信息；
所述优化模块用于在血管树模型生成图信息过程中进行优化，根据根据相邻两条血管段的偏折角的幅值设置惩罚函数，进行映射计算，得到优化偏折角，形成优化后的图模型；
所述路径规划模块，用于获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划；
所述校验模块用于对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化后的图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过输出感兴趣血管段路径。
进一步优选的，所述所述优化模块中，惩罚函数包括但不限于以下形式：
其中，a是惩罚因子；x是偏折角；T1是基于人体冠脉的生理学构造而设定的下限，T2是基于人体冠脉的生理学构造而设定的上限。
进一步优选的，所述校验模块，对形成的规划路径进行校验包括如下过程：
获取相邻两条血管段的分叉点信息，校验同一个分叉点是否被重复使用；
当存在同一个分叉点被重复使用时，视为校验不通过。
进一步优选的，路径规划模块，所述获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划时，包括以下步骤：
根据用户标记的感兴趣血管段的近心端和远心端和血管骨架图；
提取包含所述标记的近心端和远心端的所有血管路径；
根据优化模块中计算得出的相邻两条血管段的优化偏折角，对每条血管路径上的所有优化偏折角进行累加，将累加和最小的血管路径作为规划血管路径。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述基于偏折角的感兴趣血管段路径算法的优化方法的步骤。
本申请公开的基于偏折角的感兴趣血管段路径算法的优化方法及系统，相比于现有技术，至少具有以下优点：
1、本申请通过相邻血管段之间的偏折角的优化来规划感兴趣血管段路径，避免分叉点处畸变和偏折角不准确带来的路径规划错误的问题。
2、本申请还包括路径校验过程，对形成的规划路径进行校验，解决了Dijkstra算法在规划感兴趣血管段路径时的出现的“人字型”路径错误。
附图说明
图1为现有技术下处理和分析DSA造影图像的流程示例。
图2为基于现有技术进行感兴趣血管段路径规划时得到的错误结果示例。
图3为现有技术的感兴趣血管段路径规划模块的处理流程。
图4为本发明提供的感兴趣血管段路径规划模块的处理流程。
图5为现有技术构建图模型的示意图。
图6为现有技术构建图模型的一个示例图。
图7为规划感兴趣血管段路径时涉及到的血管段骨架（带标号）和原造影帧的叠加。
图8为在未改进的感兴趣血管段路径规划模块中对错误路径和正确路径的偏折角计算结果对比图。
图9为在改进的感兴趣血管段路径规划模块中对错误路径和正确路径的优化偏折角计算结果对比图。
图10为基于现有技术进行感兴趣血管段路径规划时得到的另一个错误结果示例。
图11为图10关键部分的局部放大展示。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图4所示，本发明一方面实施例提供一种基于偏折角的感兴趣血管段路径算法的优化方法，包括以下步骤：
S1、根据输入的血管中心线或血管骨架图，生成完整的血管树模型；
S2、根据血管树模型生成图模型；
S3、在S2中，根据相邻血管段的偏折角的幅值设置惩罚函数，进行映射计算，得到优化偏折角，形成优化后的图模型；
S4、获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划，对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化后的图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过输出感兴趣血管段路径。
如图5和图6所示，为现有的生成图模型采用的常规方法，主血管（冠脉）和其上的各个细小分支也会构成分叉结构，从而导致在远心端到近心端的主血管路径上出现多个幅值不大偏折角。此外，血管分割精度不够和血管中心线提取不准确，也会造成原本平滑的主血管路径上（尤其是在分叉处）出现各种形态的畸变。
如图7所示是规划感兴趣血管段路径时涉及到的血管段在原造影帧的叠加，其中分叉点已经移除。远心端所在的血管段编号为97，近心端所在的血管段编号为53，基于图3示出的算法输出的血管段路径编号为97-93-78-76-63-60-53，很明显该血管段路径为错误路径，而期待的正确的血管段路径编号如图8所示为97-93-88-82-68-60-53。不难发现，未经改进的感兴趣血管段路径规划方案在错误路径上求得的偏折角的和（也称为偏折角累加和）为170.22度，小于在正确路径上求得的偏折角的和（179.48度），因此后面的Dijkstra算法会将错误路径识别为“最优方案”，误判该骨架路径对应的血管最平滑。
实施例1
本实施例中，惩罚函数采用如下形式
其中，x是原偏折角，a是惩罚因子，取值一般大于1，目的是能够对较大的偏折角起到更好的放大作用，换句话说，偏折角越大，对其施加的惩罚越大，输出的结果越大；T1、T2分别是基于人体冠脉的生理学构造而人为设定的上下限，当偏折角小于等于T1时，判定此处两个血管段之间无偏折且绝对平滑，当偏折角大于等于T2时，判定此处两个血管段之间偏折角无穷大，规划的路径无论如何绝不经过此处。
如图4所示，在基于血管树模型生成图模型的过程中加入惩罚因子模块，以优化偏折角的幅值。其原理为通过惩罚函数（penalty function），将血管树模型中的偏折角θori进行映射计算，计算后的偏折角为
，
其中
例如，当设置a=2，T1=0，T2=95时，上述错误血管段路径和正确血管段路径的结果如图9所示。可以发现，经过惩罚因子模块处理后，偏折角由于被处理为优化偏折角，此时在错误血管段路径上求得的优化偏折角的累加和为7644.54，而在正确血管段路径上求得的优化偏折角的累加和为6565.92，后者明显小于前者，因此正确的路径可以在后面的Dijkstra路径规划算法中被准确算出。
作为优选的，所述根据血管树模型生成图模型中，所述血管树模型包括但不限于血管段信息、分叉点信息、血管段之间的偏折角（加入惩罚因子后为血管段之间的优化偏折角）；所述图模型包括但不限于节点信息、边信息、边长度；所述节点信息根据血管段信息提取得出；所述边信息根据分叉点信息提取得出，所述边长度根据血管段之间的偏折角计算得出。
进一步优选的，在S4中，所述获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划时，包括以下步骤：
根据用户标记的感兴趣血管段的近心端和远心端以及S3中计算得出的相邻血管段的优化偏折角，对每条血管路径上的所有优化偏折角进行累加，将累加和最小的血管路径作为规划血管路径。
实施例2
本实施例还设置了路径检验模块对生成的规划血管路径进行校验。
所述对形成的规划路径进行校验包括如下过程：
获取相邻血管段的分叉点信息，校验同一个分叉点是否被重复使用；
当存在同一个分叉点被重复使用时，视为校验不通过。
结合附图10和11可以看出，现有技术形成的血管段路径，会出现错误的血管段路径（已经移除分叉点），图10是现有技术规划出错误的血管段路径和原造影帧叠加在一起的图。图11是对图10涉及到的路径规划错乱区域的局部放大。不难发现，正确的感兴趣血管段路径应该是：
远心端 à … à 血管段1 à 血管段2 à 近心端
而现有技术呈现的错误的血管段路径是：
远心端 à … à 血管段1 à 血管段3 à 血管段4 à 血管段5 à 血管段6 à 近心端
出现这种错误的根本原因为，虽然从血管段4到血管段6之间存在一个极大的偏折角（大致为135°），但Dijkstra算法在规划路径时“别出心裁”地规划出“血管段4 à 血管段5à 血管段6”这样一条人字形路径，而血管段4到血管段5以及血管段5到血管段6之间的偏折角都很小（大致为45°和10°），这就导致了这条看似曲折的路径无论是偏折角累加和还是优化偏折角累加和都很小。
因此如图4所示本申请中加入路径校验模块，对邻接的血管段，除了计算它们之间的优化偏折角θnew外，还要检测它们关于哪个分叉点邻接，记录该分叉点编号K，如果发现同一个分叉点Kn被重复使用，则证明该路径中存在“人字型错误”，视为校验不通过，此时进入图模型改写模块，在图模型邻接矩阵中将相关血管段之间的偏折角置为无穷大，并再次进入Dijkstra路径规划模块，重复该过程直到通过路径校验模块。
如在图11所示的例子中，在路径校验模块中检测到，“血管段4 à 血管段5”和“血管段5 à 血管段6”经过了同一个分叉点，则此时判定校验不通过，随即进入图模型改写模块，将图模型邻接矩阵中血管段4到血管段5之间的优化偏折角角度改写为无穷大，将血管段5到血管段6之间的优化偏折角角度改写为无穷大。这时用新的图模型邻接矩阵再次进入Dijkstra路径规划模块，输出新的路径规划结果为：
远心端 à … à 血管段1 à 血管段2 à 近心端
该路径结果可顺利通过路径校验模块，组合后作为正确结果输出。
本发明还提供一种基于偏折角的感兴趣血管段路径算法的优化系统，包括血管树模型、图模型、优化模块、路径规划模块和校验模块；
所述血管树模型用于根据输入的血管中心线或血管骨架图，生成完整的血管树模型；
所述图模型用于根据血管树模型生成图信息；
所述优化模块用于在根据血管树模型生成图信息的过程中进行优化，包括根据相邻血管段的偏折角的幅值设置惩罚函数，进行映射计算，得到优化偏折角，形成优化图模型；
所述路径规划模块，用于获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划；
所述校验模块用于对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过输出感兴趣血管段路径。
进一步优选的，所述优化模块中，惩罚函数包括但不限于以下形式：
其中，a是惩罚因子；x是原偏折角；T1是基于人体冠脉的生理学构造而设定的下限，T2是基于人体冠脉的生理学构造而设定的上限。
进一步优选的，所述校验模块对形成的规划路径进行校验包括如下过程：
获取相邻血管段的分叉点信息，校验同一个分叉点是否被重复使用；
当存在同一个分叉点被重复使用时，视为校验不通过。
进一步优选的，路径规划模块，所述获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划时，包括以下步骤：
根据用户标记的感兴趣血管段的近心端和远心端和血管骨架图；
提取包含所述标记的近心端和远心端的所有血管路径；
根据优化模块中计算得出的相邻血管段的优化偏折角，对每条血管路径上的所有优化偏折角进行累加，将累加和最小的血管路径作为规划血管路径。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述基于偏折角的感兴趣血管段路径算法的优化方法的步骤。
显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (6)
1.一种基于偏折角的感兴趣血管段路径优化方法，其特征在于，包括以下步骤：
S1、根据输入的血管中心线或血管骨架图，生成完整的血管树模型；
S2、根据血管树模型生成图模型；
S3、在S2中，根据相邻血管段的偏折角的幅值设置惩罚函数，进行映射计算，得到优化偏折角，形成优化后的图模型；
S4、获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划，对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化后的图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过，输出感兴趣血管段路径；
所述路径规划包括，根据用户标记的感兴趣血管段的近心端和远心端以及S3中计算得出的相邻血管段的优化偏折角，对每条血管路径上的所有优化偏折角进行累加，将累加和最小的血管路径作为规划血管路径；
所述对形成的规划路径进行校验包括如下过程：
获取相邻血管段的分叉点信息，校验同一个分叉点是否被重复使用；
当存在同一个分叉点被重复使用时，视为校验不通过。
2.根据权利要求1所述的基于偏折角的感兴趣血管段路径优化方法，其特征在于，所述惩罚函数包括但不限于以下形式：
其中，a是惩罚因子；x是原偏折角；T1是基于人体冠脉的生理学构造而设定的下限，T2是基于人体冠脉的生理学构造而设定的上限。
3.根据权利要求1所述的基于偏折角的感兴趣血管段路径优化方法，其特征在于，所述根据血管树模型生成图模型中，所述血管树模型包括但不限于血管段信息、分叉点信息、血管段之间的偏折角；所述图模型包括但不限于节点信息、边信息、边长度；所述节点信息根据血管段信息提取得出；所述边信息根据分叉点信息提取得出；所述边长度根据血管段之间的优化偏折角计算得出。
4.一种基于偏折角的感兴趣血管段路径优化系统，其特征在于，包括血管树模型、图模型、优化模块、路径规划模块和校验模块；
所述血管树模型用于根据输入的血管中心线或血管骨架图，生成完整的血管树模型；
所述图模型用于根据血管树模型生成图信息；
所述优化模块用于在血管树模型生成图信息过程中进行优化，包括根据相邻血管段的偏折角的幅值设置惩罚函数，进行映射计算，得到优化偏折角，形成优化图模型；
所述路径规划模块，用于获取用户标记的感兴趣血管段的近心端和远心端，进行路径规划；包括：
根据用户标记的感兴趣血管段的近心端和远心端和血管骨架图；
提取包含所述标记的近心端和远心端的所有血管路径；
根据优化模块中计算得出的相邻血管段的优化偏折角，对每条血管路径上的所有优化偏折角进行累加，将累加和最小的血管路径作为规划血管路径；
所述校验模块用于对形成的规划路径进行校验，判断校验是否通过，当校验未通过时，对优化图模型进行修改，利用修改后的图模型重新进行路径规划和校验，直至校验通过输出感兴趣血管段路径；所述对形成的规划路径进行校验包括如下过程：
获取相邻血管段的分叉点信息，校验同一个分叉点是否被重复使用；
当存在同一个分叉点被重复使用时，视为校验不通过。
5.根据权利要求4所述的基于偏折角的感兴趣血管段路径优化系统，其特征在于，所述优化模块中，惩罚函数包括但不限于以下形式：
其中，a是惩罚因子；x是原偏折角；T1是基于人体冠脉的生理学构造而设定的下限，T2是基于人体冠脉的生理学构造而设定的上限。
6.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基于偏折角的感兴趣血管段路径优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310926502.6A CN116645383B (zh) | 2023-07-27 | 2023-07-27 | 基于偏折角的感兴趣血管段路径优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310926502.6A CN116645383B (zh) | 2023-07-27 | 2023-07-27 | 基于偏折角的感兴趣血管段路径优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116645383A CN116645383A (zh) | 2023-08-25 |
| CN116645383B true CN116645383B (zh) | 2023-11-03 |
Family
ID=87640400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310926502.6A Active CN116645383B (zh) | 2023-07-27 | 2023-07-27 | 基于偏折角的感兴趣血管段路径优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116645383B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970988A (zh) * | 2014-04-14 | 2014-08-06 | 中国人民解放军总医院 | 消融针穿刺路径规划方法及系统 |
| CN111026126A (zh) * | 2019-12-27 | 2020-04-17 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇全局路径多目标规划方法 |
| CN111178420A (zh) * | 2019-12-24 | 2020-05-19 | 北京理工大学 | 一种二维造影图像上冠脉段标注方法及系统 |
| CN211381931U (zh) * | 2019-12-10 | 2020-09-01 | 四川大学华西医院 | 一种小鼠主动脉缩窄术血管过线工具 |
| CN111798451A (zh) * | 2020-06-16 | 2020-10-20 | 北京理工大学 | 基于血管3d/2d匹配的3d导丝跟踪方法及装置 |
| WO2022109906A1 (zh) * | 2020-11-25 | 2022-06-02 | 苏州润迈德医疗科技有限公司 | 三维血管的渲染合成方法、系统及存储介质 |
| CN114748162A (zh) * | 2022-03-30 | 2022-07-15 | 北京银河方圆科技有限公司 | 路径规划方法和可读存储介质 |
| CN115019014A (zh) * | 2022-06-15 | 2022-09-06 | 北京理工大学 | 一种四维血管重建方法和力学计算方法 |
| CN116189250A (zh) * | 2023-03-01 | 2023-05-30 | 北京理工大学 | 一种视网膜动静脉分类优化方法及系统 |
-
2023
- 2023-07-27 CN CN202310926502.6A patent/CN116645383B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970988A (zh) * | 2014-04-14 | 2014-08-06 | 中国人民解放军总医院 | 消融针穿刺路径规划方法及系统 |
| CN211381931U (zh) * | 2019-12-10 | 2020-09-01 | 四川大学华西医院 | 一种小鼠主动脉缩窄术血管过线工具 |
| CN111178420A (zh) * | 2019-12-24 | 2020-05-19 | 北京理工大学 | 一种二维造影图像上冠脉段标注方法及系统 |
| CN111026126A (zh) * | 2019-12-27 | 2020-04-17 | 哈尔滨工程大学 | 一种基于改进蚁群算法的无人艇全局路径多目标规划方法 |
| CN111798451A (zh) * | 2020-06-16 | 2020-10-20 | 北京理工大学 | 基于血管3d/2d匹配的3d导丝跟踪方法及装置 |
| WO2022109906A1 (zh) * | 2020-11-25 | 2022-06-02 | 苏州润迈德医疗科技有限公司 | 三维血管的渲染合成方法、系统及存储介质 |
| CN114748162A (zh) * | 2022-03-30 | 2022-07-15 | 北京银河方圆科技有限公司 | 路径规划方法和可读存储介质 |
| CN115019014A (zh) * | 2022-06-15 | 2022-09-06 | 北京理工大学 | 一种四维血管重建方法和力学计算方法 |
| CN116189250A (zh) * | 2023-03-01 | 2023-05-30 | 北京理工大学 | 一种视网膜动静脉分类优化方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| "Skeletonization method for vessel delineation of arteriovenous malformation";D.Babin et al.;《Computers in Biology and Medicine》;第93卷;全文 * |
| "具有板障静脉特征的血管支架设计与制备方法研究";亓剑;《博士电子期刊》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116645383A (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111145206B (zh) | 肝脏图像分割质量评估方法、装置及计算机设备 | |
| US20210272030A1 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| EP2309424B1 (en) | Structure detection apparatus and method, and computer-readable medium storing program thereof | |
| US7646903B2 (en) | System and method for path based tree matching | |
| US20230230231A1 (en) | Training method and apparatus for angiography image processing, and automatic processing method and apparatus | |
| CN112884826B (zh) | 血管中心线的提取方法及装置 | |
| CN110889896A (zh) | 获取血管狭窄病变区间及三维合成方法、装置和系统 | |
| JP7437077B2 (ja) | 生理パラメータに基づき血管評定パラメータを取得する方法、装置及び記憶媒体 | |
| CN111178420B (zh) | 一种二维造影图像上冠脉段标注方法及系统 | |
| CN116645383B (zh) | 基于偏折角的感兴趣血管段路径优化方法及系统 | |
| JP2024059614A (ja) | ユーザ入力に基づいて血管映像を処理する方法及び装置 | |
| US10354349B2 (en) | Systems and methods for using geometry sensitivity information for guiding workflow | |
| Yureidini et al. | Robust RANSAC-based blood vessel segmentation | |
| US20150071553A1 (en) | Image processing device, method and program | |
| CN112541900A (zh) | 基于卷积神经网络的检测方法、装置、计算机设备及存储介质 | |
| CN116189250A (zh) | 一种视网膜动静脉分类优化方法及系统 | |
| CN112365474B (zh) | 血管提取方法、装置、电子设备和存储介质 | |
| CN109509547B (zh) | 选择嵌套并发的过程模型修正方法 | |
| Riffaud et al. | Automatic branch detection of the arterial system from abdominal aortic segmentation | |
| CN112669370B (zh) | 一种冠状动脉的半径计算方法、终端及存储介质 | |
| CN115906778B (zh) | 一种基于人工智能的电子病历辅助书写方法及装置 | |
| US20240161285A1 (en) | Determining estimates of hemodynamic properties based on an angiographic x-ray examination | |
| CN113409323B (zh) | 冠脉分段方法及装置、计算机可读存储介质及电子设备 | |
| CN115512802A (zh) | 基于序列冠脉造影的syntax评分处理方法与系统 | |
| CN117671387A (zh) | 肺段分类方法、装置、设备及非易失性存储介质 |
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 |