CN117274502B - 一种辅助介入手术的图像处理方法及装置 - Google Patents
一种辅助介入手术的图像处理方法及装置 Download PDFInfo
- Publication number
- CN117274502B CN117274502B CN202311531851.4A CN202311531851A CN117274502B CN 117274502 B CN117274502 B CN 117274502B CN 202311531851 A CN202311531851 A CN 202311531851A CN 117274502 B CN117274502 B CN 117274502B
- Authority
- CN
- China
- Prior art keywords
- image
- blood vessel
- vessel
- angiography
- analysis
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 198
- 238000004458 analytical method Methods 0.000 claims abstract description 72
- 238000002583 angiography Methods 0.000 claims abstract description 71
- 230000011218 segmentation Effects 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000003902 lesion Effects 0.000 claims description 54
- 206010002329 Aneurysm Diseases 0.000 claims description 45
- 238000013152 interventional procedure Methods 0.000 claims description 22
- 206010057469 Vascular stenosis Diseases 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002966 stenotic effect Effects 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 description 11
- 208000031481 Pathologic Constriction Diseases 0.000 description 9
- 230000036262 stenosis Effects 0.000 description 9
- 208000037804 stenosis Diseases 0.000 description 9
- 208000026106 cerebrovascular disease Diseases 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 230000002490 cerebral effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 210000004556 brain Anatomy 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000002792 vascular Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- G06T2207/10116—X-ray image
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Vascular Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种辅助介入手术的图像处理方法及装置。辅助介入手术的图像处理方法包括:获取采集到的连续多帧二维的第一血管造影图像,第一血管造影图像中至少呈现有会周期性波动的血管;对多帧第一血管造影图像进行病灶分析,得到对应第一血管造影图像的病灶分析结果;在病灶分析结果确定包含病灶特征的情况下,对第一血管造影图像至少进行分割处理,以得到至少包含病灶特征的多张血管分割图像;对多张血管分割图像进行重建处理,以得到多维血管图像。上述方法通过对第一血管造影图像的分割处理能够降低数据处理量,使医生重点关注的病灶部位更加突出,提高图像处理效率。
Description
技术领域
本申请涉及介入手术的图像处理技术领域,尤其涉及一种辅助介入手术的图像处理方法及装置。
背景技术
数字减影血管造影(Digital Subtraction Angiography,DSA)通过数字化处理保留血管影像,可以清晰观察自主动脉弓至整个颅内各级血管及其分支的位置、形态、病变情况,为脑血管疾病的诊断和介入治疗提供依据和指导,是目前脑血管病诊断和治疗中一种不可或缺的影像技术,一直以来是多种脑血管疾病诊断的"金标准"。人脑血管数量繁多、结构复杂。起初,临床医生需要根据二维DSA影像在脑海内构建血管立体影像,确保病变部位的定位准确。而3D血管造影及三维图像重建技术则是帮助医生完成这一步骤,可以提供真实立体的三维血管图像,能检出更多的小动脉瘤、狭窄等病灶,极大地降低了医生操作神经介入手术的难度,提升神经介入手术的成功率。
目前对于神经介入手术图像三维重建过程存在如下几个方面的问题:(1)由于人脑血管繁多、结构复杂,大量与病灶无关的血管、以及末端小血管影响医生快速找到目标病灶血管,不利于医生针对性地查看特定病灶血管(2)脑血管病灶容易出现在某个或多个血管分叉处,很多动脉瘤或狭窄小病灶容易被漏诊,进而对患者造成不可挽回的伤害(3)快速、精确地识别病灶位置相对依赖于医生的诊疗经验,不利于新手医生快速诊断病情、制定治疗方案。(4)现有技术中的医学图像筛选普遍存在筛选出来的图像质量参差不齐,可利用价值不高以及筛选效率低的问题(5)“大脑就是生命”,重建整体颅内血管还会导致患者术中等待的时间延长,从而导致患者手术成功率以及术后生存质量降低(6)整体颅脑图像中包含大量正常血管以及远端细小血管段,因此整体三维图像重建所需的时间较长、效率较低(7)整体颅脑图像直接输入到后处理工作站之后,后期图像分析时还常常出现由于图像范围过大导致的显存不足、图像处理卡顿、渲染效果不佳等问题。
发明内容
针对现有技术中存在的上述技术问题,本申请提供了一种辅助介入手术的图像处理方法及装置,其通过对第一血管造影图像的分割处理能够降低数据处理量,使医生重点关注的病灶部位更加突出,提高图像处理效率。
第一方面,本申请实施例提供了一种辅助介入手术的图像处理方法,辅助介入手术的图像处理方法包括步骤S101至步骤S104。步骤S101:获取采集到的连续多帧二维的第一血管造影图像,所述第一血管造影图像中至少呈现有会周期性波动的血管。步骤S102:对多帧所述第一血管造影图像进行病灶分析,得到对应所述第一血管造影图像的病灶分析结果。步骤S103:在所述病灶分析结果确定包含病灶特征的情况下,对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。步骤S104:对所述多张血管分割图像进行重建处理,以得到多维血管图像。
第二方面,本申请实施例提供了一种辅助介入手术的图像处理装置,辅助介入手术的图像处理装置包括获取模块、分析模块、分割模块以及重建模块。获取模块配置为获取采集到的连续多帧二维的第一血管造影图像,所述第一血管造影图像中至少呈现有会周期性波动的血管。分析模块配置为对多帧所述第一血管造影图像进行病灶分析,得到对应所述第一血管造影图像的病灶分析结果。分割模块配置为在所述病灶分析结果确定包含病灶特征的情况下,对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。重建模块配置为对所述多张血管分割图像进行重建处理,以得到多维血管图像。
第三方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述的辅助介入手术的图像处理方法的步骤。
与现有技术相比,本申请实施例的有益效果在于:本申请通过对多帧第一血管造影图像进行病灶分析,实现在病灶分析结果确定包含病灶特征的情况下,才对第一血管造影图像进行分割处理,得到多张包含病灶特征的血管分割图像,而后再对血管分割图像进行重建处理得到多维血管图像,上述用于重建得到多维血管图像的血管分割图像有利于医生聚焦于病灶及与其关联的主支脑血管,既有效避免医生花大量时间寻找脑血管病灶,而且能够在快速诊断的同时避免漏诊动脉瘤、狭窄等小病灶,从而辅助医生对病灶血管进行详细、全面的分析与诊断,以便高效制定最佳治疗方案。并且,通过对第一血管造影图像的分割处理能够降低数据处理量,进一步使医生重点关注的病灶部位更加突出,提高图像处理效率,进而将有限医疗资源的精力和时间用于诊疗更多的脑血管疾病患者,一定程度上缓解医疗资源的紧张程度。
附图说明
在不一定按比例绘制的附图中,相同的附图标记可以在不同的视图中描述相似的部件。附图大体上通过举例而不是限制的方式示出各种实施例,并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。在适当的时候,在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的,而并非旨在作为本装置或方法的穷尽或排他实施例。
图1为本申请实施例辅助介入手术的图像处理方法的第一流程图。
图2为DSA设备采集到的神经血管造影的原始图像。
图3为经本申请图像处理方法处理得到的包含病灶特征的血管分割图像。
图4为经本申请图像处理方法处理得到的包含病灶特征的多维血管图像。
图5为本申请实施例辅助介入手术的图像处理方法的第二流程图。
图6为本申请实施例辅助介入手术的图像处理方法的第三流程图。
图7为本申请实施例辅助介入手术的图像处理方法的第四流程图。
图8为本申请实施例辅助介入手术的图像处理方法的第五流程图。
图9为本申请实施例辅助介入手术的图像处理方法的第六流程图。
图10为本申请实施例辅助介入手术的图像处理方法的第七流程图。
图11为本申请实施例辅助介入手术的图像处理方法的第八流程图。
图12为本申请实施例辅助介入手术的图像处理装置的结构框图。
图中的附图标记所表示的构件:
100-辅助介入手术的图像处理装置;101-获取模块;102-分析模块;103-分割模块;104-重建模块;1-动脉瘤。
具体实施方式
应理解的是,可以对此处发明的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时,鉴于以下详细说明,本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例;然而,应当理解,所发明的实施例仅仅是本申请的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此,本文所发明的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供了一种辅助介入手术的图像处理方法,该辅助介入手术的图像处理方法可以由辅助介入手术的图像处理装置执行,其中该装置可以由软件和/或硬件实现。其中,介入手术可为神经介入手术、心血管介入手术等中的任一个,介入手术可通过介入方法把器械放置到患者身体内,以达到介入治疗的目的。
如图1所示,辅助介入手术的图像处理方法包括步骤S101至步骤S104。
步骤S101:获取采集到的连续多帧二维的第一血管造影图像,所述第一血管造影图像中至少呈现有会周期性波动的血管。
可选地,上述第一血管造影图像可构造为通过DSA设备对患者进行旋转采集得到的,当然,也可通过其他设备采集得到血管造影图像,本申请对此不做具体限定,造影图像能够清楚呈现血管情况即可。
可选地,在采集到连续多帧二维的第一血管造影图像后,可根据采集的顺序,对每一帧图像进行保存并对每一帧图像进行编号,以按序存储多张第一血管造影图像。
可选地,周期性波动的血管可理解为在生理周期内会进行规律地周期性运动的血管,例如神经血管的动脉血管,该周期性波动的血管由于位置存在波动性,因此需要通过旋转采集的方式来得到较为精准的血管造影图像。
步骤S102:对多帧所述第一血管造影图像进行病灶分析,得到对应所述第一血管造影图像的病灶分析结果。
可选地,上述病灶分析可至少包括血管狭窄分析和动脉瘤分析。血管狭窄分析可理解为确定第一血管造影图像中的血管是否存在狭窄血管,若是,则确定包含病灶特征。动脉瘤分析可理解为确定血管外壁上是否形成有动脉瘤1,若是,则确定包含病灶特征。
在基于第一血管造影图像的病灶分析结果确定患者是否存在病变后,医生可以根据病人的实际情况选择是否进行后续的多维血管图像的构建。
步骤S103:在所述病灶分析结果确定包含病灶特征的情况下,对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。
可选地,可以根据病灶分析结果来实现对第一血管造影图像的分割处理,上述病灶分析结果可包含病灶特征、病灶特征位置、病灶特征尺寸等信息,由此,可以将第一血管造影图像分割为包含病灶特征的血管分割图像以及不包含病灶特征的去除图像,从而得到上述至少包含所述病灶特征的多张血管分割图像。
通过将与病灶无关的图像去除,能够使病灶特征更为突显地呈现在血管分割图像,便于医生快速确定病灶,从而达到加快诊断速度,辅助医生进行介入手术时对病灶血管进行详细、全面的分析与诊断,以便高效制定最佳治疗方案,避免医生漏诊动脉瘤1、狭窄血管等不易观察的病灶。
步骤S104:对所述多张血管分割图像进行重建处理,以得到多维血管图像。
可选地,上述多维血管图像可理解为可在多维空间中立体呈现的图像,如3D血管图像。多维血管图像利于医生精准确定病灶部位,为医生提供更加立体的血管图像。
可选地,可在血管分割图像和/或多维血管图像上呈现对应病灶特征的标注信息,标注信息的显示位置可随病灶特征的显示位置的改变而改变,以与病灶特征相关联显示,以辅助医生能够更加快速且准确地确定病灶特征。
示例性地,如图2至图4所示,图2中示出的是DSA设备采集到的神经血管造影的原始图像,该原始图像是未经本申请图像处理方法处理的图像,图3中示出的是经本申请图像处理方法处理得到的包含病灶特征的血管分割图像,图4中示出的是经本申请图像处理方法处理得到的包含病灶特征的多维血管图像。可以看出,DSA设备采集到的神经血管造影的原始图像中的血管很多,医生很难根据原始图像确定动脉瘤1、狭窄血管等不易观察的病灶。经本申请图像处理方法处理得到的包含病灶特征的血管分割图像保留了图2中的动脉瘤1,呈现了血管中和病变相关的部分血管,使得动脉瘤1能够清楚且突出地呈现在血管分割图像上。经过重建处理得到的多维血管图像可以为用户提供更加立体的显示方式,使得医生能够更加明显地看到血管中的病灶,即动脉瘤1。
通过本申请辅助介入手术的图像处理方法能够保证筛选图像质量不变的前提下,进一步提升筛选图像的利用价值,有效提升后续多维血管图像重建的效率。
并且,上述方法无需医生额外的操作,全过程快速,且为自动计算,能够缩短医生的阅片和诊疗时间,进而将有限医疗资源的精力和时间用于诊疗更多的脑血管疾病患者,一定程度上缓解医疗资源的紧张程度。同时,能够节约脑血管疾患者术中的等候时间,提升病患者的手术生存率和术后生存质量。
结合上述,本申请通过对多帧所述第一血管造影图像进行病灶分析,实现在病灶分析结果确定包含病灶特征的情况下,才对第一血管造影图像进行分割处理,得到多张包含病灶特征的血管分割图像,而后再对血管分割图像进行重建处理得到多维血管图像,上述用于重建得到多维血管图像的血管分割图像有利于医生聚焦于病灶及与其关联的主支脑血管,既有效避免医生花大量时间寻找脑血管病灶,而且能够在快速诊断的同时避免漏诊动脉瘤1、狭窄等小病灶,从而辅助医生对病灶血管进行详细、全面的分析与诊断,以便高效制定最佳治疗方案。并且,通过对第一血管造影图像的分割处理能够降低数据处理量,进一步使医生重点关注的病灶部位更加突出,提高图像处理效率,进而将有限医疗资源的精力和时间用于诊疗更多的脑血管疾病患者,一定程度上缓解医疗资源的紧张程度。
在一些实施例中,如图5所示,步骤S102的所述对多帧所述第一血管造影图像进行病灶分析,得到对应每帧所述第一血管造影图像的病灶分析结果,具体包括步骤S201至步骤S202。
步骤S201:在所述第一血管造影图像中提取主支血管,提取所述主支血管后生成第二血管造影图像。
步骤S202:对所述第二血管造影图像进行至少包括血管狭窄分析和/或动脉瘤分析的病灶分析;其中,所述病灶特征至少包括血管狭窄特征和/或动脉瘤特征。
如此,本申请能够自动、快速筛除大部分与病灶血管无关、以及大量末端三四级小血管,保留并突出医生重点关注的、与病灶血管相关的病变主支血管,有利于医生聚焦于病灶及关联的主支脑血管,既有效避免医生花大量时间寻找脑血管病灶,还能够在快速诊断的同时避免漏诊动脉瘤1、狭窄血管等小病灶,以降低神经介入手术的门槛,有助于神经介入手术的推广,能够用于多种脑血管疾病的介入诊疗,适用范围广泛,通用性强。
可选地,在主支血管的筛选中,根据临床经验,可以挑选血管中直径大于2mm的血管为主支血管,第一血管造影图像中的其他非主支血管可以隐藏,以得到提取主支血管后的第二血管造影图像。如此,通过对主支血管的筛选能够省去显示毛细血管等非主支血管,减少包括血管狭窄分析和/或动脉瘤分析的病灶分析的数据处理量。
在一些实施例中,如图6所示,步骤S201的在所述第一血管造影图像中提取主支血管,提取所述主支血管后生成第二血管造影图像,具体包括步骤S301至步骤S305。
步骤S301:提取所述第一血管造影图像中各血管的中心线。
步骤S302:基于所述各血管的中心线确定各血管的分叉点。
步骤S303:根据相邻的所述分叉点将所述各血管划分为多个血管段。
步骤S304:计算各个所述血管段的平均直径。
步骤S305:在所述血管段的平均直径大于等于第一预设阈值的情况下,确定所述血管段为主支血管。
如此,可通过将血管划分为多个血管段,再通过血管段的平均直径来精准确定主支血管,提高了主支血管的判断准确性。
可选地,在步骤S301之前,可先根据第一血管造影图像识别第一血管造影图像中的血管和位于血管中的导引导管,以识别到的血管和导引导管提取第一血管造影图像中各血管的中心线。
可选地,在识别导引导管后可确定导引导管的位置,以根据导引导管的出口为起点对整个血管进行逐步扫描,从而检测出血管中的分叉点。其中,导引导管的出口可理解为导引导管穿出患者脑部之处。
可选地,上述平均直径可理解为对应每个血管段的平均直径,即每个血管段的平均直径分别与第一预设阈值进行比较,以对每个血管段是否为主支血管进行判断。
可选地,上述第一预设阈值可由医生根据临床经验确定,第一预设阈值的范围可为1.5mm至2.5mm。优选地,第一预设阈值为2mm。
示例性地,各个血管段的平均直径可记为A0。若A0大于等于2mm,则确定该血管段为主支血管,在第二血管造影图像上保留该血管段;若A0小于2mm,则确定该血管段并非主支血管,在第二血管造影图像上隐藏该血管段。在将第一血管造影图像上的所有血管处理完成后,将保留的血管段进行保存以生成第二血管造影图像。
在一些实施例中,如图7所示,采用以下步骤S401至步骤S403对所述第二血管造影图像进行血管狭窄分析。
步骤S401:计算所述第二血管造影图像中主支血管各处的第一直径和主支血管的各血管段的平均直径。
步骤S402:确定所述血管的第一直径和该血管所在血管段的平均直径的比值。
步骤S403:基于所述比值确定各个血管是否为狭窄血管。
如此,通过上述血管狭窄分析方法可准确判断血管是否为狭窄血管,从而达到准确判断病灶特征的目的。
可选地,上述主支血管各处的第一直径可理解为主支血管上各个位置的直径,通过该第一直径可确定主支血管所包含的各血管段的平均直径。
可选地,步骤S403可具体包括:将比值与预设比值阈值进行比较;在比值小于预设比值阈值的情况下,确定对应的血管为狭窄血管;比值不小于预设比值阈值的情况下,确定对应的血管并非为狭窄血管,即对应的血管为正常血管。
可选地,上述预设比值阈值的范围可为40%至60%。优选地,预设比值阈值为50%。
示例性地,主支血管各处的第一直径可为Bn,主支血管的各血管段的平均直径B0,Bn/B0的比值即为血管的第一直径和该血管所在血管段的平均直径的比值。在Bn/B0的比值小于50%的情况下,确定对应的血管为狭窄血管;在Bn/B0的比值不小于50%的情况下,确定对应的血管并非为狭窄血管,即对应的血管为正常血管。
在一些实施例中,如图8所示,所述辅助介入手术的图像处理方法还包括步骤S501至步骤S504。
步骤S501:在确定所述血管为狭窄血管的情况下,将所述狭窄血管的位置设置为狭窄标记点。
步骤S502:确定相邻的所述狭窄标记点之间的标记间距。
步骤S503:在所述标记间距小于第二预设阈值的情况下,确定相邻的所述狭窄标记点所标记的为同一血管段。
步骤S504:在所述标记间距不小于所述第二预设阈值的情况下,确定相邻的所述狭窄标记点所标记的为不同血管段。
如此,可通过对狭窄血管的标记实现判断各个狭窄血管是否为同一血管段,提高对狭窄血管的判断准确度,避免将同一血管段重复判断为狭窄血管。
可选地,在确定对应的血管为狭窄血管后,可对该狭窄血管进行标记,例如,标记该狭窄血管所处位置为Cn,以提示用户狭窄血管所在位置。
可选地,上述第二预设阈值的范围可为2.5mm至3.5mm。优选地,第二预设阈值为3mm。
示例性地,可将狭窄标记点标记为C1、C2、C3、…Cn,确定相邻的两个狭窄标记点Cn和Cn+1之间的距离后,可比较该距离与第二预设阈值,即将两个狭窄标记点Cn和Cn+1之间的距离与3mm进行比较。在两个狭窄标记点Cn和Cn+1之间的距离小于3mm的情况下,确定两个狭窄标记点Cn和Cn+1所标记的为同一血管段;在两个狭窄标记点Cn和Cn+1之间的距离不小于3mm的情况下,确定两个狭窄标记点Cn和Cn+1所标记的为不同血管段。
可选地,确定主支血管的各血管段的直径最小值为B1,确定B1/B0的比值,以该比值确定血管段该处的狭窄程度。B1/B0的比值越小则表明血管段该处的狭窄程度越大。
在一些实施例中,如图9所示,采用以下步骤S601至步骤S604对所述第二血管造影图像进行动脉瘤分析。
步骤S601:在所述第二血管造影图像的主支血管中确定正常血管。
步骤S602:在所述正常血管的外部确定阴影区域。
步骤S603:在所述阴影区域的尺寸大于第三预设阈值的情况下,确定所述血管中存在动脉瘤1。
步骤S604:将所述动脉瘤1的位置设置为动脉瘤标记点。
如此,可通过在第二血管造影图像呈现的正常血管附近快速确定动脉瘤1,并对动脉瘤1做出标记,使得动脉瘤1能够突出地呈现。
可选地,步骤S601可具体包括提取各个血管的中心线,依照每段血管的平均直径,沿中心线找到正常血管的路径,由此确定正常血管。将正常血管的路径连接起来后,将选定区域内的图像视为正常血管图像。需要说明的是,形成有动脉瘤1的血管一般为正常血管,由此,可以先确定正常血管后再在正常血管附近确定是否存在动脉瘤1,以增加动脉瘤1的判断准确性以及效率。
可选地,上述第三预设阈值的范围可为0.8mm以上。优选地,第三预设阈值的范围为1mm以上。
可选地,在步骤S603的确定所述血管中存在动脉瘤1的情况下,可确定阴影区域的外轮廓尺寸,以由此确定动脉瘤1的尺寸。
可选地,在确定多个动脉瘤1的位置的情况下,可对每个动脉瘤1分别进行标记,且为每个动脉瘤1打不同的标记内容。标记内容可包括动脉瘤1的位置、尺寸等信息。
在一些实施例中,如图10所示,采用以下步骤S701至步骤S704对所述第一血管造影图像至少进行分割处理。
步骤S701:确定所述病灶特征的位置。
步骤S702:以所述病灶特征的位置为起点,将沿所述血管路径向背向导引导管所在方向延伸预设距离的位置设置为第一分割位置。
步骤S703:确定所述导引导管所在位置为第二分割位置。
步骤S704:基于所述第一分割位置和第二分割位置对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。
如此,可通过上述分割处理方式将病灶特征呈现在血管分割图像中较为突出的位置,且不包含病灶特征的部分可以直接删除,不进行显示,实现了通过将与病灶无关的图像去除,能够使病灶特征更为突显地呈现在血管分割图像,便于医生快速确定病灶,从而达到加快诊断速度,避免医生漏诊动脉瘤1、狭窄血管等不易观察的病灶的目的。
可选地,在确定病灶特征的数量为多个的情况下,可分别以各个病灶特征的位置为起点确定第一分割位置。确定多个第一分割位置后,将距离导引导管所在位置最远的第一分割位置确定为要进行分割处理的第一分割位置,由此,可以使多个病灶特征均能够呈现在血管分割图像上。
可选地,上述导引导管所在位置可理解为导引导管位于患者脑部外最靠近患者脑部的位置。
可选地,预设距离的范围可为2cm至4cm。优选地,预设距离为3cm。
在一些实施例中,如图11所示,步骤S104的所述对所述多张血管分割图像进行重建处理,以得到多维血管图像,具体包括步骤S801至步骤S804。
步骤S801:确定所述第一血管造影图像中对应所述血管分割图像之外的区域为待填充区域。
步骤S802:将所述血管分割图像的背景色填充至所述待填充区域内,以得到包含所述血管分割图像的第三血管造影图像。
步骤S803:在所述第三血管造影图像上对所述病灶特征进行标记。
步骤S804:对标记后的所述第三血管造影图像进行重建处理,以得到多维血管图像。
如此,可通过包含血管分割图像的第三血管造影图像进行三维重建,以保证筛选图像质量不变的前提下,进一步提升筛选图像的利用价值,有效提升后续多维血管图像重建的效率。并且,上述用于重建得到多维血管图像的血管分割图像有利于医生聚焦于病灶及与其关联的主支脑血管。
可选地,将血管分割图像的背景色填充至待填充区域内可理解为同色填充操作,由此可以将第一血管造影图像中对应血管分割图像之外的区域的血管进行删除处理,使得后续进行重建处理时无需对删除的血管进行重建,减少了重建处理的数据量,增加了重建处理的效率。
本申请实施例还提供了一种辅助介入手术的图像处理装置100。如图12所示,辅助介入手术的图像处理装置100包括获取模块101、分析模块102、分割模块103以及重建模块104。获取模块101配置为获取采集到的连续多帧二维的第一血管造影图像,所述第一血管造影图像中至少呈现有会周期性波动的血管。分析模块102配置为对多帧所述第一血管造影图像进行病灶分析,得到对应所述第一血管造影图像的病灶分析结果。分割模块103配置为在所述病灶分析结果确定包含病灶特征的情况下,对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。重建模块104配置为对所述多张血管分割图像进行重建处理,以得到多维血管图像。
本申请通过对多帧第一血管造影图像进行病灶分析,实现在病灶分析结果确定包含病灶特征的情况下,才对第一血管造影图像进行分割处理,得到多张包含病灶特征的血管分割图像,而后再对血管分割图像进行重建处理得到多维血管图像,上述用于重建得到多维血管图像的血管分割图像有利于医生聚焦于病灶及与其关联的主支脑血管,既有效避免医生花大量时间寻找脑血管病灶,而且能够在快速诊断的同时避免漏诊动脉瘤1、狭窄等小病灶,从而辅助医生对病灶血管进行详细、全面的分析与诊断,以便高效制定最佳治疗方案。并且,通过对第一血管造影图像的分割处理能够降低数据处理量,进一步使医生重点关注的病灶部位更加突出,提高图像处理效率,进而将有限医疗资源的精力和时间用于诊疗更多的脑血管疾病患者,一定程度上缓解医疗资源的紧张程度。
在一些实施例中,分析模块102还配置为:在所述第一血管造影图像中提取主支血管,提取所述主支血管后生成第二血管造影图像;对所述第二血管造影图像进行至少包括血管狭窄分析和/或动脉瘤分析的病灶分析;其中,所述病灶特征至少包括血管狭窄特征和/或动脉瘤特征。
在一些实施例中,分析模块102还配置为:提取所述第一血管造影图像中各血管的中心线;基于所述各血管的中心线确定各血管的分叉点;根据相邻的所述分叉点将所述各血管划分为多个血管段;计算各个所述血管段的平均直径;在所述血管段的平均直径大于等于第一预设阈值的情况下,确定所述血管段为主支血管。
在一些实施例中,分析模块102还配置为:计算所述第二血管造影图像中主支血管各处的第一直径和主支血管的各血管段的平均直径;确定所述血管的第一直径和该血管所在血管段的平均直径的比值;基于所述比值确定各个血管是否为狭窄血管。
在一些实施例中,分析模块102还配置为:在确定所述血管为狭窄血管的情况下,将所述狭窄血管的位置设置为狭窄标记点;确定相邻的所述狭窄标记点之间的标记间距;在所述标记间距小于第二预设阈值的情况下,确定相邻的所述狭窄标记点所标记的为同一血管段;在所述标记间距不小于所述第二预设阈值的情况下,确定相邻的所述狭窄标记点所标记的为不同血管段。
在一些实施例中,分析模块102还配置为:在所述第二血管造影图像的主支血管中确定正常血管;在所述正常血管的外部确定阴影区域;在所述阴影区域的尺寸大于第三预设阈值的情况下,确定所述血管中存在动脉瘤;将所述动脉瘤的位置设置为动脉瘤标记点。
在一些实施例中,分割模块103还配置为:确定所述病灶特征的位置;以所述病灶特征的位置为起点,将沿所述血管路径向背向导引导管所在方向延伸预设距离的位置设置为第一分割位置;确定所述导引导管所在位置为第二分割位置;基于所述第一分割位置和第二分割位置对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。
在一些实施例中,重建模块104还配置为:确定所述第一血管造影图像中对应所述血管分割图像之外的区域为待填充区域;将所述血管分割图像的背景色填充至所述待填充区域内,以得到包含所述血管分割图像的第三血管造影图像;在所述第三血管造影图像上对所述病灶特征进行标记;对标记后的所述第三血管造影图像进行重建处理,以得到多维血管图像。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述的辅助介入手术的图像处理方法的步骤。
注意,根据本申请的各个实施例中的各个单元,可以实现为存储在存储器上的计算机可执行指令,由处理器执行时可以实现相应的步骤;也可以实现为具有相应逻辑计算能力的硬件;也可以实现为软件和硬件的组合(固件)。在一些实施例中,处理器可以实现为FPGA、ASIC、DSP芯片、SOC(片上系统)、MPU(例如但不限于Cortex)、等中的任何一种。处理器可以通信地耦合到存储器并且被配置为执行存储在其中的计算机可执行指令。存储器可以包括只读存储器(ROM)、闪存、随机存取存储器(RAM)、诸如同步DRAM(SDRAM)或Rambus DRAM的动态随机存取存储器(DRAM)、静态存储器(例如,闪存、静态随机存取存储器)等,其上以任何格式存储计算机可执行指令。计算机可执行指令可以被处理器访问,从ROM或者任何其他合适的存储位置读取,并加载到RAM中供处理器执行,以实现根据本申请各个实施例的无线通信方法。
应当注意的是,在本申请的系统的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本申请不受限于此,可以根据需要对各个部件进行重新划分或者组合,例如,可以将一些部件组合为单个部件,或者可以将一些部件进一步分解为更多的子部件。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的系统中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。另外,本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反,本申请的主题可以少于特定的公开的实施例的全部特征。从而,权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本申请的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (8)
1.一种辅助介入手术的图像处理方法,其特征在于,包括:
获取采集到的连续多帧二维的第一血管造影图像,所述第一血管造影图像中至少呈现有会周期性波动的血管;
对多帧所述第一血管造影图像进行病灶分析,得到对应所述第一血管造影图像的病灶分析结果;
在所述病灶分析结果确定包含病灶特征的情况下,对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像;
对所述多张血管分割图像进行重建处理,以得到多维血管图像;
所述对多帧所述第一血管造影图像进行病灶分析,得到对应每帧所述第一血管造影图像的病灶分析结果,具体包括:
在所述第一血管造影图像中提取主支血管,提取所述主支血管后生成第二血管造影图像;其中,所述第一血管造影图像中的其他非主支血管隐藏,以得到提取主支血管后的第二血管造影图像;
对所述第二血管造影图像进行至少包括血管狭窄分析和/或动脉瘤分析的病灶分析;其中,所述病灶特征至少包括血管狭窄特征和/或动脉瘤特征;
在所述第一血管造影图像中提取主支血管,提取所述主支血管后生成第二血管造影图像,具体包括:
提取所述第一血管造影图像中各血管的中心线;
基于所述各血管的中心线确定各血管的分叉点;
根据相邻的所述分叉点将所述各血管划分为多个血管段;
计算各个所述血管段的平均直径;
在所述血管段的平均直径大于等于第一预设阈值的情况下,确定所述血管段为主支血管。
2.根据权利要求1所述的辅助介入手术的图像处理方法,其特征在于,采用以下方法对所述第二血管造影图像进行血管狭窄分析:
计算所述第二血管造影图像中主支血管各处的第一直径和主支血管的各血管段的平均直径;
确定所述血管的第一直径和该血管所在血管段的平均直径的比值;
基于所述比值确定各个血管是否为狭窄血管。
3.根据权利要求2所述的辅助介入手术的图像处理方法,其特征在于,所述辅助介入手术的图像处理方法还包括:
在确定所述血管为狭窄血管的情况下,将所述狭窄血管的位置设置为狭窄标记点;
确定相邻的所述狭窄标记点之间的标记间距;
在所述标记间距小于第二预设阈值的情况下,确定相邻的所述狭窄标记点所标记的为同一血管段;
在所述标记间距不小于所述第二预设阈值的情况下,确定相邻的所述狭窄标记点所标记的为不同血管段。
4.根据权利要求1所述的辅助介入手术的图像处理方法,其特征在于,采用以下方法对所述第二血管造影图像进行动脉瘤分析:
在所述第二血管造影图像的主支血管中确定正常血管;
在所述正常血管的外部确定阴影区域;
在所述阴影区域的尺寸大于第三预设阈值的情况下,确定所述血管中存在动脉瘤;
将所述动脉瘤的位置设置为动脉瘤标记点。
5.根据权利要求1所述的辅助介入手术的图像处理方法,其特征在于,采用以下方法对所述第一血管造影图像至少进行分割处理:
确定所述病灶特征的位置;
以所述病灶特征的位置为起点,将沿所述血管路径向背向导引导管所在方向延伸预设距离的位置设置为第一分割位置;
确定所述导引导管所在位置为第二分割位置;
基于所述第一分割位置和第二分割位置对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像。
6.根据权利要求1所述的辅助介入手术的图像处理方法,其特征在于,所述对所述多张血管分割图像进行重建处理,以得到多维血管图像,具体包括:
确定所述第一血管造影图像中对应所述血管分割图像之外的区域为待填充区域;
将所述血管分割图像的背景色填充至所述待填充区域内,以得到包含所述血管分割图像的第三血管造影图像;
在所述第三血管造影图像上对所述病灶特征进行标记;
对标记后的所述第三血管造影图像进行重建处理,以得到多维血管图像。
7.一种辅助介入手术的图像处理装置,其特征在于,包括:
获取模块,其配置为获取采集到的连续多帧二维的第一血管造影图像,所述第一血管造影图像中至少呈现有会周期性波动的血管;
分析模块,其配置为对多帧所述第一血管造影图像进行病灶分析,得到对应所述第一血管造影图像的病灶分析结果;
分割模块,其配置为在所述病灶分析结果确定包含病灶特征的情况下,对所述第一血管造影图像至少进行分割处理,以得到至少包含所述病灶特征的多张血管分割图像;
重建模块,其配置为对所述多张血管分割图像进行重建处理,以得到多维血管图像;其中,
所述分析模块还配置为:在所述第一血管造影图像中提取主支血管,提取所述主支血管后生成第二血管造影图像;其中,所述第一血管造影图像中的其他非主支血管隐藏,以得到提取主支血管后的第二血管造影图像;对所述第二血管造影图像进行至少包括血管狭窄分析和/或动脉瘤分析的病灶分析;其中,所述病灶特征至少包括血管狭窄特征和/或动脉瘤特征;以及,
所述分析模块还配置为:
提取所述第一血管造影图像中各血管的中心线;
基于所述各血管的中心线确定各血管的分叉点;
根据相邻的所述分叉点将所述各血管划分为多个血管段;
计算各个所述血管段的平均直径;
在所述血管段的平均直径大于等于第一预设阈值的情况下,确定所述血管段为主支血管。
8.一种计算机可读存储介质,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权利要求1至6中任一项所述的辅助介入手术的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531851.4A CN117274502B (zh) | 2023-11-17 | 2023-11-17 | 一种辅助介入手术的图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531851.4A CN117274502B (zh) | 2023-11-17 | 2023-11-17 | 一种辅助介入手术的图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117274502A CN117274502A (zh) | 2023-12-22 |
CN117274502B true CN117274502B (zh) | 2024-03-01 |
Family
ID=89214606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531851.4A Active CN117274502B (zh) | 2023-11-17 | 2023-11-17 | 一种辅助介入手术的图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274502B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1871998A (zh) * | 2006-04-20 | 2006-12-06 | 北京思创贯宇科技开发有限公司 | 一种血管三维重建及虚拟支架置入的方法和系统 |
CN106803241A (zh) * | 2017-01-20 | 2017-06-06 | 深圳市安健科技股份有限公司 | 血管造影图像的处理方法及装置 |
CN108523997A (zh) * | 2018-04-28 | 2018-09-14 | 上海交通大学医学院附属仁济医院 | 脑皮层结构、脑血管及脑内病灶3d打印模型及其制备方法 |
CN111932665A (zh) * | 2020-06-15 | 2020-11-13 | 浙江工贸职业技术学院 | 一种基于血管管状模型的肝血管三维重建及可视化方法 |
CN112107362A (zh) * | 2020-08-24 | 2020-12-22 | 江苏大学 | 一种冠心病的计算机辅助手术设计系统 |
CN113017667A (zh) * | 2021-02-05 | 2021-06-25 | 上海市第六人民医院 | 一种血管狭窄的量化方法、装置、设备和可读存储介质 |
CN113506262A (zh) * | 2021-07-07 | 2021-10-15 | 上海商汤智能科技有限公司 | 图像处理方法、装置及其相关设备和存储介质 |
CN113516701A (zh) * | 2021-07-07 | 2021-10-19 | 上海商汤智能科技有限公司 | 图像处理方法、装置及其相关设备和存储介质 |
CN113947205A (zh) * | 2021-10-13 | 2022-01-18 | 上海市第六人民医院 | 神经网络模型训练方法、计算机可读存储介质和设备 |
CN115409758A (zh) * | 2021-05-27 | 2022-11-29 | 中国海洋大学 | 一种从造影图像中综合性量化评估血管狭窄的方法 |
CN115953495A (zh) * | 2023-03-14 | 2023-04-11 | 北京唯迈医疗设备有限公司 | 基于二维造影图像的智能路径规划装置、系统和存储介质 |
CN116051544A (zh) * | 2022-06-15 | 2023-05-02 | 中国医学科学院阜外医院 | 一种三维ct评价动脉分支闭塞的方法及系统 |
CN116453700A (zh) * | 2023-04-23 | 2023-07-18 | 江苏金马扬名信息技术股份有限公司 | 一种基于血管特征的多层次递阶结构式分型方法 |
WO2023137948A1 (zh) * | 2022-01-20 | 2023-07-27 | 乐普(北京)医疗器械股份有限公司 | 基于血管造影图像分析血流储备分数的处理方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867147A (zh) * | 2015-05-21 | 2015-08-26 | 北京工业大学 | 基于冠状动脉造影图像分割的syntax自动评分方法 |
CN110889896B (zh) * | 2019-11-11 | 2024-03-22 | 苏州润迈德医疗科技有限公司 | 获取血管狭窄病变区间及三维合成方法、装置和系统 |
CN113456093A (zh) * | 2021-06-09 | 2021-10-01 | 北京东软医疗设备有限公司 | 图像处理方法、装置及图像处理系统 |
-
2023
- 2023-11-17 CN CN202311531851.4A patent/CN117274502B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1871998A (zh) * | 2006-04-20 | 2006-12-06 | 北京思创贯宇科技开发有限公司 | 一种血管三维重建及虚拟支架置入的方法和系统 |
CN106803241A (zh) * | 2017-01-20 | 2017-06-06 | 深圳市安健科技股份有限公司 | 血管造影图像的处理方法及装置 |
CN108523997A (zh) * | 2018-04-28 | 2018-09-14 | 上海交通大学医学院附属仁济医院 | 脑皮层结构、脑血管及脑内病灶3d打印模型及其制备方法 |
CN111932665A (zh) * | 2020-06-15 | 2020-11-13 | 浙江工贸职业技术学院 | 一种基于血管管状模型的肝血管三维重建及可视化方法 |
CN112107362A (zh) * | 2020-08-24 | 2020-12-22 | 江苏大学 | 一种冠心病的计算机辅助手术设计系统 |
CN113017667A (zh) * | 2021-02-05 | 2021-06-25 | 上海市第六人民医院 | 一种血管狭窄的量化方法、装置、设备和可读存储介质 |
CN115409758A (zh) * | 2021-05-27 | 2022-11-29 | 中国海洋大学 | 一种从造影图像中综合性量化评估血管狭窄的方法 |
CN113516701A (zh) * | 2021-07-07 | 2021-10-19 | 上海商汤智能科技有限公司 | 图像处理方法、装置及其相关设备和存储介质 |
CN113506262A (zh) * | 2021-07-07 | 2021-10-15 | 上海商汤智能科技有限公司 | 图像处理方法、装置及其相关设备和存储介质 |
CN113947205A (zh) * | 2021-10-13 | 2022-01-18 | 上海市第六人民医院 | 神经网络模型训练方法、计算机可读存储介质和设备 |
WO2023137948A1 (zh) * | 2022-01-20 | 2023-07-27 | 乐普(北京)医疗器械股份有限公司 | 基于血管造影图像分析血流储备分数的处理方法和装置 |
CN116051544A (zh) * | 2022-06-15 | 2023-05-02 | 中国医学科学院阜外医院 | 一种三维ct评价动脉分支闭塞的方法及系统 |
CN115953495A (zh) * | 2023-03-14 | 2023-04-11 | 北京唯迈医疗设备有限公司 | 基于二维造影图像的智能路径规划装置、系统和存储介质 |
CN116453700A (zh) * | 2023-04-23 | 2023-07-18 | 江苏金马扬名信息技术股份有限公司 | 一种基于血管特征的多层次递阶结构式分型方法 |
Non-Patent Citations (6)
Title |
---|
Three-Dimensional Reconstruction of Two-Dimensional Cardiovascular Angiography Image Sequences by Local Threshold Segmentation Algorithm;Shenming Yu;Scientific Programming;第1-10页 * |
三维数字减影血管造影在脑血管病诊断中的应用;胡秋善;喻忠文;胡咏梅;王夏武;陈秋旺;陈刚;;武汉大学学报(医学版)(06);第133-135页 * |
冠脉造影图像的血管结构识别研究;杨阳;中国优秀硕士论文电子期刊网;第E062-18页 * |
冠脉造影图像的血管识别方法研究;李春林;中国优秀硕士论文电子期刊网;第I138-823页 * |
心血管图像边缘特征提取的研究与实现;孟祥湖;中国优秀硕士论文电子期刊网;第E080-19页 * |
柏板令.中华医学百科全书·人体解剖学.中国协和医科大学出版社,2015,第432页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117274502A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11324468B2 (en) | Method for co-registering and displaying multiple imaging modalities | |
CN107545584B (zh) | 医学图像中定位感兴趣区域的方法、装置及其系统 | |
CN111539944B (zh) | 肺部病灶统计属性获取方法、装置、电子设备和存储介质 | |
US20210374950A1 (en) | Systems and methods for vessel plaque analysis | |
CN114119602B (zh) | 对医学图像进行对象分析的方法、装置和存储介质 | |
EP3828815A1 (en) | Method and apparatus for processing blood vessel image, storage medium, and imaging device | |
CN111325759A (zh) | 血管分割方法、装置、计算机设备及可读存储介质 | |
JP2015066311A (ja) | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 | |
JP5181124B2 (ja) | 動脈瘤計測方法、及びその装置並びにコンピュータプログラム | |
CN112132837A (zh) | 一种胸部骨骼自动提取方法、系统、电子设备及存储介质 | |
CN113516700A (zh) | 图像处理方法、装置及其相关设备和存储介质 | |
CN109199422A (zh) | Ct预览图像重建优化方法、装置、计算机设备和存储介质 | |
JP2021104337A (ja) | 内腔に沿った管腔内デバイスの管腔内経路の推定 | |
CN114582456B (zh) | 医学报告生成方法、装置及近红外脑功能成像系统 | |
CN114596311B (zh) | 基于血管图像的血管功能评估方法和血管功能评估装置 | |
CN117274502B (zh) | 一种辅助介入手术的图像处理方法及装置 | |
CN113947205A (zh) | 神经网络模型训练方法、计算机可读存储介质和设备 | |
CN113222974A (zh) | 一种侧支循环的自动评价方法和装置 | |
CN110490857B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN116091444A (zh) | 侧枝评价方法及装置、存储介质、终端 | |
CN114004835B (zh) | 对医学图像进行对象分析的方法、装置和存储介质 | |
CN114708390B (zh) | 一种生理管状结构的图像处理方法、装置及存储介质 | |
WO2020054019A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN115760961B (zh) | 血管图像处理方法、装置、服务器及后处理图像生成系统 | |
CN114862850B (zh) | 一种血管医学图像的目标检测方法、装置及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |