CN116843714A - 一种采用区域生长法的ct图像血管重建方法 - Google Patents

一种采用区域生长法的ct图像血管重建方法 Download PDF

Info

Publication number
CN116843714A
CN116843714A CN202310840012.4A CN202310840012A CN116843714A CN 116843714 A CN116843714 A CN 116843714A CN 202310840012 A CN202310840012 A CN 202310840012A CN 116843714 A CN116843714 A CN 116843714A
Authority
CN
China
Prior art keywords
image
blood vessel
region
target part
pixel
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
Application number
CN202310840012.4A
Other languages
English (en)
Inventor
欧阳春
张宏达
刘博文
林炜
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.)
Fudan University
Original Assignee
Fudan 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 Fudan University filed Critical Fudan University
Priority to CN202310840012.4A priority Critical patent/CN116843714A/zh
Publication of CN116843714A publication Critical patent/CN116843714A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请公开了一种采用区域生长法的CT图像血管重建方法，涉及血管重建领域，通过CT图像获取步骤获取目标部位的CT图像，通过图像预处理步骤对CT图像预处理得到可处理CT图像，最后通过种子点选择步骤、区域生长分析步骤、区域判断步骤和血管重建步骤对血管进行重建，极大的提高血管重建的准确性，进一步提高了血管重建的工作效率，促进了血管重建领域的医疗发展，通过区域停止判断步骤，对已经确认的血管区域进行再分析，使得在血管重建前血管区域的标注更为完善具体，提高了血管重建结果的准确性和完整性，降低了医疗事故的发生概率，保障了病人的生命财产安全。

Description

一种采用区域生长法的CT图像血管重建方法
技术领域
本申请涉及血管重建的领域，尤其是涉及一种采用区域生长法的CT图像血管重建方法。
背景技术
随着社会的进步和科学技术的飞速发展，医疗卫生技术也取得了长足进步，人们的健康水平显著提高，然而针对血管疾病中血管的重建技术还有以下不足；
现有的技术在对患病部位进行血管重建时，通常通过医务工作人员凭借工作经验对血管完成重建，提高了血管重建结果的不准确性，降低了血管重建的工作效率，抑制了血管重建领域的医疗发展；现有的技术在对分析血管区域只是单向的分析一次，没有对血管区域进行再生长分析，使得血管重建结果具有不完整性，提高了医疗事故的发生风险，威胁了病人的生命财产安全。
发明内容
本发明的目的在于提供一种采用区域生长法的CT图像血管重建方法，以解决上述背景技术中提出的问题。
为了实现上述目的，本申请提供一种采用区域生长法的CT图像血管重建方法，包括；
CT图像获取步骤：用于对目标部位的CT图像进行采集，得到目标部位的CT图像；
图像预处理步骤：用于对目标部位的CT图像进行预处理，得到目标部位的可处理CT图像；
种子点选择步骤：用于对目标部位的可处理CT图像中血管种子点进行选择；
区域生长分析步骤：用于对目标部位的可处理CT图像中血管种子点及临近像素点进行分析，得到准血管区域；
区域停止判断步骤：用于对目标部位准血管区域是否可在生长进行分析判断，得到目标部位血管区域；
血管重建步骤：用于对目标部位血管区域进行血管重建，得到目标部位血管区域的血管模型；
数据库：用于存储各部位的CT图像标准照射方法，存储各部位对应的标准CT图像轮廓模型，存储血管最优种子点的灰度值和血管最优种子点对应最优子区域的灰度权值，存储各部位对应血管像素点灰度值的上限阈值和下限阈值；
在本申请较佳的方案中，CT图像获取步骤，具体包括以下子步骤：
建立CT图像获取步骤和数据库之间的数据提取关系，提取数据库中存储的各部位的CT图像标准照射方法，根据目标部位筛选对应得CT图像标准照射方法；
通过血管重建装置和目标部位筛选对应得CT图像标准照射方法对目标部位进行照射，得到目标部位的CT图像。
在本申请较佳的方案中，所述图像预处理步骤，具体包括以下子步骤：
建立图像预处理步骤与数据库之间的数据提取关系，提取数据库中存储的各部位对应的标准CT图像轮廓模型，通过目标部位筛选对应的标准CT图像轮廓模型；
通过高精度轮廓扫描仪，对目标部位的CT图像进行高精度扫描，得到目标部位的CT图像轮廓模型，将目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型进行对比，得到目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型的相似度Q；
根据目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型的相似度Q对目标部位的CT图像进行相应变换处理，得到目标部位的可处理CT图像。
在本申请较佳的方案中，种子点选择步骤中可处理CT图像中各子区域的灰度权值分析步骤，具体包括以下子步骤：
将目标部位的可处理CT图像通过预设的方式分割为可处理CT图像中各子区域；
筛选并标记可处理CT图像中各子区域对应各像素点的灰度值其中i表示为可处理CT图像中各子区域的编号，i＝1，2，...k，j表示为可处理CT图像中子区域对应的各像素点编号，j＝1,2,,,p；
将可处理CT图像中各子区域对应各像素点的灰度值代入公式，得到可处理CT图像中各子区域的灰度权值wi，其中α表示为预设的权值影响因子。
在本申请较佳的方案中，种子点选择步骤中可处理CT图像中血管种子点分析步骤，具体包括以下子步骤：
建立种子点选择步骤与数据库之间的数据提取关系，提取数据库中存储的各部位可处理CT图像中血管最优种子点的灰度值和各部位血管最优种子点对应最优子区域的灰度权值；
根据目标部位筛选可处理CT图像中血管最优种子点的灰度值和血管最优种子点对应最优子区域的灰度权值/>
根据目标部位可处理CT图像中各子区域的灰度权值wi和血管最优种子点对应最优子区域的灰度权值进行对比分析，筛选定位目标部位可处理CT图像中血管最优种子点对应的最优子区域，并通过将可处理CT图像中血管最优子区域中的各像素点灰度值/>与血管最优种子点的灰度值/>进行对比分析，将可处理CT图像中血管最优种子点对应最优子区域中各像素点的灰度值/>与血管最优种子点的灰度值/>最为接近的像素点记为目标部位可处理CT图像中血管种子点。
在本申请较佳的方案中，区域生长分析步骤，具体包括以下子步骤：
建立数据库与区域生长分析步骤的数据提取关系，提取存储的各部位对应血管像素点灰度值的上限阈值和下限阈值，通过目标部位筛选目标部位对应血管像素点灰度值的上限阈值H上和下限阈值H下；
将与目标部位可处理CT图像中血管种子点的各像素点按照与目标部位可处理CT图像中血管种子点的距离长短进行分级，分为第一级别、第二级别、...、第n级别；
将各级别中各像素点的灰度值依次与目标部位对应血管像素点灰度值的上限阈值H上和下限阈值H下进行对比分析，将各级别中各像素点灰度值在(H下,H上)区间的像素点依次记为目标部位对应血管像素点，将目标部位对应血管像素点所在区域记为准血管区域。
在本申请较佳的方案中，区域停止判断步骤中各可参考像素点与血管种子点的变化梯度分析步骤，具体包括以下子步骤：
将非准血管区域与准血管区域临近的非准血管区域中各像素点记为各可参考像素点；
统计和筛选的各可参考像素点灰度值和所在级别，将各可参考像素点标记为其中n表示为可参考像素点的级别，n＝1,2,...u，m表示为可参考像素点按照预设顺序的排列编号，m＝1,2,...,q；
将各可参考像素点带入公式/>得到各可参考像素点与血管种子点的变化梯度/>记为各可参考像素点变化梯度，其中β表示为预设的变化梯度影响因子。
在本申请较佳的方案中，区域停止判断步骤中目标部位血管区域分析步骤，具体包括以下子步骤：
将各可参考像素点的变化梯度与预设的可参考像素点的标准变化梯度进行对比分析，若可参考像素点的变化梯度小于预设的可参考像素点的标准变化梯度，则说明该参考像素点的符合相应要求，将该参考像素点所在区域归入血管区域，若可参考像素点的变化梯度大于预设的可参考像素点的标准变化梯度，则说明该参考像素点的不符合相应要求，不将该参考像素点所在区域归入血管区域，综上分析得到目标部位的血管区域。
在本申请较佳的方案中，所述血管重建步骤，具体包括以下子步骤：
通过血管重建装置面对目标部位的血管区域进行血管重建，得到目标部位血管区域的血管模型。
综上所述，本申请包括以下至少一种有益技术效果：
本发明通过CT图像获取步骤获取目标部位的CT图像，再通过图像预处理步骤对CT图像预处理得到可处理CT图像，最后通过种子点选择步骤、区域生长分析步骤、区域判断步骤和血管重建步骤对血管进行重建，极大的提高血管重建的准确性，进一步提高了血管重建的工作效率，促进了血管重建领域的医疗发展；
本发明通过区域停止判断步骤，对已经确认的血管区域进行再分析，使得在血管重建前血管区域的标注更为完善具体，提高了血管重建结果的准确性和完整性，降低了医疗事故的发生概率，保障了病人的生命财产安全。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明步骤连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种用于视频监控平台的自动抓图系统，包括CT图像获取步骤、图像预处理步骤、种子点选择步骤、区域生长分析步骤、区域停止判断步骤、血管重建步骤和数据库。
CT图像获取步骤与图像预处理步骤连接，图像预处理步骤与种子点选择步骤和数据库连接，种子点选择步骤与区域生长分析步骤和数据库连接，区域生长分析步骤与区域停止判断步骤和数据库连接，区域停止判断步骤与血管重建步骤连接。
CT图像获取步骤用于对目标部位的CT图像进行采集，得到目标部位的CT图像；
进一步的，CT图像获取步骤，具体包括以下子步骤：
建立CT图像获取步骤和数据库之间的数据提取关系，提取数据库中存储的各部位的CT图像标准照射方法，根据目标部位筛选对应得CT图像标准照射方法；
通过血管重建装置和目标部位筛选对应得CT图像标准照射方法对目标部位进行照射，得到目标部位的CT图像。
图像预处理步骤用于对目标部位的CT图像进行预处理，得到目标部位的可处理CT图像；
进一步的，图像预处理步骤，具体包括以下子步骤：
建立图像预处理步骤与数据库之间的数据提取关系，提取数据库中存储的各部位对应的标准CT图像轮廓模型，通过目标部位筛选对应的标准CT图像轮廓模型；
通过高精度轮廓扫描仪，对目标部位的CT图像进行高精度扫描，得到目标部位的CT图像轮廓模型，将目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型进行对比，得到目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型的相似度Q；
根据目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型的相似度Q对目标部位的CT图像进行相应变换处理，得到目标部位的可处理CT图像。
种子点选择步骤用于对目标部位的可处理CT图像中血管种子点进行选择；
进一步的，种子点选择步骤中可处理CT图像中各子区域的灰度权值分析步骤，具体包括以下子步骤：
将目标部位的可处理CT图像通过预设的方式分割为可处理CT图像中各子区域；
筛选并标记可处理CT图像中各子区域对应各像素点的灰度值其中i表示为可处理CT图像中各子区域的编号，i＝1，2，...k，j表示为可处理CT图像中子区域对应的各像素点编号，j＝1,2,,,p；
将可处理CT图像中各子区域对应各像素点的灰度值代入公式，得到可处理CT图像中各子区域的灰度权值wi，其中α表示为预设的权值影响因子；
公式中可处理CT图像中各子区域的灰度权值wi与可处理CT图像中各子区域对应各像素点的灰度值呈正相关，可处理CT图像中各子区域对应各像素点的灰度值/>越大则对应的可处理CT图像中子区域的灰度权值wi越大。
进一步的，种子点选择步骤中可处理CT图像中血管种子点分析步骤，具体包括以下子步骤：
建立种子点选择步骤与数据库之间的数据提取关系，提取数据库中存储的各部位可处理CT图像中血管最优种子点的灰度值和各部位血管最优种子点对应最优子区域的灰度权值；
根据目标部位筛选可处理CT图像中血管最优种子点的灰度值和血管最优种子点对应最优子区域的灰度权值/>
根据目标部位可处理CT图像中各子区域的灰度权值wi和血管最优种子点对应最优子区域的灰度权值进行对比分析，筛选定位目标部位可处理CT图像中血管最优种子点对应的最优子区域，并通过将可处理CT图像中血管最优子区域中的各像素点灰度值/>与血管最优种子点的灰度值/>进行对比分析，将可处理CT图像中血管最优种子点对应最优子区域中各像素点的灰度值/>与血管最优种子点的灰度值/>最为接近的像素点记为目标部位可处理CT图像中血管种子点。
区域生长分析步骤用于对目标部位的可处理CT图像中血管种子点及临近像素点进行分析，得到准血管区域；
进一步的，区域生长分析步骤，具体包括以下子步骤：
建立数据库与区域生长分析步骤的数据提取关系，提取存储的各部位对应血管像素点灰度值的上限阈值和下限阈值，通过目标部位筛选目标部位对应血管像素点灰度值的上限阈值H上和下限阈值H下；
将与目标部位可处理CT图像中血管种子点的各像素点按照与目标部位可处理CT图像中血管种子点的距离长短进行分级，分为第一级别、第二级别、...、第n级别；
将各级别中各像素点的灰度值依次与目标部位对应血管像素点灰度值的上限阈值H上和下限阈值H下进行对比分析，将各级别中各像素点灰度值在(H下,H上)区间的像素点依次记为目标部位对应血管像素点，将目标部位对应血管像素点所在区域记为准血管区域。
区域停止判断步骤用于对目标部位准血管区域是否可在生长进行分析判断，得到目标部位血管区域；
进一步的，区域停止判断步骤中各可参考像素点与血管种子点的变化梯度分析步骤，具体包括以下子步骤：
将非准血管区域与准血管区域临近的非准血管区域中各像素点记为各可参考像素点；
统计和筛选的各可参考像素点灰度值和所在级别，将各可参考像素点标记为其中n表示为可参考像素点的级别，n＝1,2,...u，m表示为可参考像素点按照预设顺序的排列编号，m＝1,2,...,q；
将各可参考像素点带入公式/>得到各可参考像素点与血管种子点的变化梯度/>记为各可参考像素点变化梯度，其中β表示为预设的变化梯度影响因子；
公式中当各可参考像素点的级别数越大，各可参考像素点对应灰度值与可处理CT图像中血管最优种子点的灰度值之间的差距越小，则各可参考像素点越有可能是血管区域内像素点。
进一步的，区域停止判断步骤中目标部位血管区域分析步骤，具体包括以下子步骤：
将各可参考像素点的变化梯度与预设的可参考像素点的标准变化梯度进行对比分析，若可参考像素点的变化梯度小于预设的可参考像素点的标准变化梯度，则说明该参考像素点的符合相应要求，将该参考像素点所在区域归入血管区域，若可参考像素点的变化梯度大于预设的可参考像素点的标准变化梯度，则说明该参考像素点的不符合相应要求，不将该参考像素点所在区域归入血管区域，综上分析得到目标部位的血管区域。
血管重建步骤用于对目标部位血管区域进行血管重建，得到目标部位血管区域的血管模型；
进一步的，血管重建步骤，具体包括以下子步骤：
通过血管重建装置面对目标部位的血管区域进行血管重建，得到目标部位血管区域的血管模型。
数据库用于存储各部位的CT图像标准照射方法，存储各部位对应的标准CT图像轮廓模型，存储血管最优种子点的灰度值和血管最优种子点对应最优子区域的灰度权值，存储各部位对应血管像素点灰度值的上限阈值和下限阈值。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种采用区域生长法的CT图像血管重建方法，其特征在于：包括：
CT图像获取步骤：用于对目标部位的CT图像进行采集，得到目标部位的CT图像；
图像预处理步骤：用于对目标部位的CT图像进行预处理，得到目标部位的可处理CT图像；
种子点选择步骤：用于对目标部位的可处理CT图像中血管种子点进行选择；
区域生长分析步骤：用于对目标部位的可处理CT图像中血管种子点及临近像素点进行分析，得到准血管区域；
区域停止判断步骤：用于对目标部位准血管区域是否可在生长进行分析判断，得到目标部位血管区域；
血管重建步骤：用于对目标部位血管区域进行血管重建，得到目标部位血管区域的血管模型；
数据库：用于存储各部位的CT图像标准照射方法，存储各部位对应的标准CT图像轮廓模型，存储血管最优种子点的灰度值和血管最优种子点对应最优子区域的灰度权值，存储各部位对应血管像素点灰度值的上限阈值和下限阈值；
2.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述CT图像获取步骤，具体包括以下子步骤：
建立CT图像获取步骤和数据库之间的数据提取关系，提取数据库中存储的各部位的CT图像标准照射方法，根据目标部位筛选对应得CT图像标准照射方法；
通过血管重建装置和目标部位筛选对应得CT图像标准照射方法对目标部位进行照射，得到目标部位的CT图像。
3.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述图像预处理步骤，具体包括以下子步骤：
建立图像预处理步骤与数据库之间的数据提取关系，提取数据库中存储的各部位对应的标准CT图像轮廓模型，通过目标部位筛选对应的标准CT图像轮廓模型；
通过高精度轮廓扫描仪，对目标部位的CT图像进行高精度扫描，得到目标部位的CT图像轮廓模型，将目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型进行对比，得到目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型的相似度Q；
根据目标部位的CT图像轮廓模型与目标部位对应的标准CT图像轮廓模型的相似度Q对目标部位的CT图像进行相应变换处理，得到目标部位的可处理CT图像。
4.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述种子点选择步骤中可处理CT图像中各子区域的灰度权值分析步骤，具体包括以下子步骤：
将目标部位的可处理CT图像通过预设的方式分割为可处理CT图像中各子区域；
筛选并标记可处理CT图像中各子区域对应各像素点的灰度值其中i表示为可处理CT图像中各子区域的编号，i＝1，2，...k，j表示为可处理CT图像中子区域对应的各像素点编号，j＝1,2,,,p；
将可处理CT图像中各子区域对应各像素点的灰度值代入公式，得到可处理CT图像中各子区域的灰度权值wi，其中α表示为预设的权值影响因子。
5.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述种子点选择步骤中可处理CT图像中血管种子点分析步骤，具体包括以下子步骤：
建立种子点选择步骤与数据库之间的数据提取关系，提取数据库中存储的各部位可处理CT图像中血管最优种子点的灰度值和各部位血管最优种子点对应最优子区域的灰度权值；
根据目标部位筛选可处理CT图像中血管最优种子点的灰度值和血管最优种子点对应最优子区域的灰度权值/>
根据目标部位可处理CT图像中各子区域的灰度权值wi和血管最优种子点对应最优子区域的灰度权值进行对比分析，筛选定位目标部位可处理CT图像中血管最优种子点对应的最优子区域，并通过将可处理CT图像中血管最优子区域中的各像素点灰度值/>与血管最优种子点的灰度值/>进行对比分析，将可处理CT图像中血管最优种子点对应最优子区域中各像素点的灰度值/>与血管最优种子点的灰度值/>最为接近的像素点记为目标部位可处理CT图像中血管种子点。
6.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述区域生长分析步骤，具体包括以下子步骤：
建立数据库与区域生长分析步骤的数据提取关系，提取存储的各部位对应血管像素点灰度值的上限阈值和下限阈值，通过目标部位筛选目标部位对应血管像素点灰度值的上限阈值H上和下限阈值H下；
将与目标部位可处理CT图像中血管种子点的各像素点按照与目标部位可处理CT图像中血管种子点的距离长短进行分级，分为第一级别、第二级别、...、第n级别；
将各级别中各像素点的灰度值依次与目标部位对应血管像素点灰度值的上限阈值H上和下限阈值H下进行对比分析，将各级别中各像素点灰度值在(H下,H上)区间的像素点依次记为目标部位对应血管像素点，将目标部位对应血管像素点所在区域记为准血管区域。
7.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述区域停止判断步骤中各可参考像素点与血管种子点的变化梯度分析步骤，具体包括以下子步骤：
将非准血管区域与准血管区域临近的非准血管区域中各像素点记为各可参考像素点；
统计和筛选的各可参考像素点灰度值和所在级别，将各可参考像素点标记为其中n表示为可参考像素点的级别，n＝1,2,...u，m表示为可参考像素点按照预设顺序的排列编号，m＝1,2,...,q；
将各可参考像素点带入公式/>得到各可参考像素点与血管种子点的变化梯度/>记为各可参考像素点变化梯度，其中β表示为预设的变化梯度影响因子。
8.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述区域停止判断步骤中目标部位血管区域分析步骤，具体包括以下子步骤：
将各可参考像素点的变化梯度与预设的可参考像素点的标准变化梯度进行对比分析，若可参考像素点的变化梯度小于预设的可参考像素点的标准变化梯度，则说明该参考像素点的符合相应要求，将该参考像素点所在区域归入血管区域，若可参考像素点的变化梯度大于预设的可参考像素点的标准变化梯度，则说明该参考像素点的不符合相应要求，不将该参考像素点所在区域归入血管区域，综上分析得到目标部位的血管区域。
9.根据权利要求1所述的一种采用区域生长法的CT图像血管重建方法，其特征在于：所述血管重建步骤，具体包括以下子步骤：
通过血管重建装置面对目标部位的血管区域进行血管重建，得到目标部位血管区域的血管模型。
CN202310840012.4A 2023-07-10 2023-07-10 一种采用区域生长法的ct图像血管重建方法 Pending CN116843714A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310840012.4A CN116843714A (zh) 2023-07-10 2023-07-10 一种采用区域生长法的ct图像血管重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310840012.4A CN116843714A (zh) 2023-07-10 2023-07-10 一种采用区域生长法的ct图像血管重建方法

Publications (1)

Publication Number Publication Date
CN116843714A true CN116843714A (zh) 2023-10-03

Family

ID=88166855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310840012.4A Pending CN116843714A (zh) 2023-07-10 2023-07-10 一种采用区域生长法的ct图像血管重建方法

Country Status (1)

Country Link
CN (1) CN116843714A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115186A (zh) * 2023-10-25 2023-11-24 高州市人民医院 基于区域生长的心血管分割方法
CN117197164A (zh) * 2023-11-08 2023-12-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115186A (zh) * 2023-10-25 2023-11-24 高州市人民医院 基于区域生长的心血管分割方法
CN117115186B (zh) * 2023-10-25 2024-02-02 高州市人民医院 基于区域生长的心血管分割方法
CN117197164A (zh) * 2023-11-08 2023-12-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统
CN117197164B (zh) * 2023-11-08 2024-03-08 中国医学科学院北京协和医院 用于计算心肌血管供血区域的管道流域计算方法及系统

Similar Documents

Publication Publication Date Title
CN116843714A (zh) 一种采用区域生长法的ct图像血管重建方法
CN110223352B (zh) 一种基于深度学习的医学图像扫描自动定位方法
CN107545584B (zh) 医学图像中定位感兴趣区域的方法、装置及其系统
CN107203741B (zh) 血管提取方法、装置及其系统
CN107563383A (zh) 一种医学影像辅助诊断及半监督样本生成系统
JPH03170130A (ja) 画像処理方法および装置
CN103886576A (zh) 一种腺体组织特征灰度检测方法及装置
CN113469987A (zh) 基于深度学习的牙科x射线图像病变区域定位系统
CN114758121A (zh) 一种基于深度学习的cbct牙槽骨分割系统及方法
CN110874860A (zh) 基于混合损失函数的对称监督模型的目标提取方法
CN113826140B (zh) 血管造影数据分析
CN115035020A (zh) 对医学图像进行对象分析的方法、装置和存储介质
US20080273775A1 (en) Cartesian human morpho-informatic system
CN111292289B (zh) 基于分割网络的ct肺肿瘤分割方法、装置、设备及介质
CN116778022B (zh) 基于三维ct图像的股骨颈轴线自动定位方法、系统及设备
Spampinato Skeletal bone age assessment
CN116645389A (zh) 一种个性化血管血栓三维结构建模方法及系统
CN113974667B (zh) 一种tavi术前关键目标的自动定位装置及方法
CN113920088B (zh) 一种基于深度学习的桡骨密度检测方法、系统、装置
Tong et al. An algorithm for locating landmarks on dental X-rays
CN114242212A (zh) 一种用于提高位置精度的施源器重建方法和系统
CN109993754B (zh) 从图像上进行颅骨分割的方法和系统
CN113962953A (zh) 一种图像处理方法和系统
CN113838020A (zh) 一种基于钼靶影像的病变区域量化方法
CN113075599B (zh) 磁共振信号采集方法、磁共振系统及介质

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