CN117830513A - 颅内感兴趣区域的血管三维模型生成方法、装置和设备 - Google Patents
颅内感兴趣区域的血管三维模型生成方法、装置和设备 Download PDFInfo
- Publication number
- CN117830513A CN117830513A CN202311755271.3A CN202311755271A CN117830513A CN 117830513 A CN117830513 A CN 117830513A CN 202311755271 A CN202311755271 A CN 202311755271A CN 117830513 A CN117830513 A CN 117830513A
- Authority
- CN
- China
- Prior art keywords
- vessel
- dimensional
- model
- blood vessel
- region
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002792 vascular Effects 0.000 title claims abstract description 46
- 238000007917 intracranial administration Methods 0.000 title claims abstract description 24
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 180
- 230000011218 segmentation Effects 0.000 claims abstract description 129
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 81
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 26
- 201000008450 Intracranial aneurysm Diseases 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000004 hemodynamic effect Effects 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 206010002329 Aneurysm Diseases 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000002583 angiography Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003709 image segmentation 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
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种颅内感兴趣区域的血管三维模型生成方法、装置和设备,通过将血管三维影像数据以三维切片形式进行显示,基于血管三维影像数据构建初始血管树模型,并利用血管三维切片模态对其进行初步校正得到第一血管树重构模型,在血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,并构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据传播区域得到瘤腔分割数据,对第一血管树重构模型进行处理得到管腔分割数据,最后利用瘤腔分割数据以及管腔分割数据进行血管重构得到感兴趣区域的血管三维模型。采用本方法可以在提高重构速度的同时保证模型的精准度。
Description
技术领域
本申请涉及医学影像技术领域,特别是涉及一种颅内感兴趣区域的血管三维模型生成方法、装置和设备。
背景技术
颅内三维血管重构方法是医学影像领域中的一项重要技术,它可以从医学影像数据(如CT扫描、MRI或DSA图像)中重建出人体颅内的血管结构,为后续操作及分析提供更为全面的血管信息。
目前对于颅内动脉瘤破裂风险的评估方法主要包括基于动脉瘤的形态学特征和基于动脉瘤的血流动力学特征进行评估。而不管是哪一种方式,都必须以血管重构为前提。现有的血管重构技术,可以很容易地得到全脑血管树模型。但是由于医学影像的固有缺陷,得到的模型存在诸如血管粘连、破损、断裂等等问题,使其无法直接用于形态学和血流动力学分析。因此现有的重构技术离不开繁琐耗时的模型前处理工作,而这成为了形态学分析和血流动力学分析在临床场境中所面临的困境。
然而,目前的颅内血管重构方法有一些重建过程简单,但是重构得到的模型并不精准,基于不精准的血管模型进行后续的计算,其计算结果将会有较大的误差,不利于实际应用。而采用深度学习的方式,在前期需要进行大量的训练,其过程较为复杂。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速并精准进行血管三维模型重构的颅内感兴趣区域的血管三维模型生成方法、装置和设备。
一种颅内感兴趣区域的血管三维模型生成方法,所述方法包括:
获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
在其中一实施例中,所述基于所述血管三维影像数据构建初始血管树模型包括:
根据预设的初始分割参数对所述血管三维影像数据中的各层图像进行二值化处理;
对二值化处理后的血管三维影像数据采用行进立方体算法,得到所述初始血管树模型。
在其中一实施例中,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型包括:
计算所述初始分割参数对应的体数据元素三维坐标,并将其在所述血管三维切片模态中对应的体数据元素进行高亮显示;
以所述血管三维影像数据中的像素数据为参照,同时根据所述血管三维切片模态中高亮体数据元素对所述初始分割参数进行调整;
在对所述初始分割参数进行调整的过程中,根据改变后的分割参数对初始血管树以及高亮体数据元素进行实时调整,以确定分割参数;
根据确定后的分割参数得到所述第一血管树重构模型。
在其中一实施例中,所述在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型包括:
提取选取的体数据元素对应的三维坐标,并根据瘤腔内部区域、瘤腔与血管分界位置区域选取的体数据元素对应的三维坐标分别构建对应的第一坐标集合以及第二坐标集合;
基于所述血管三维切片模态得到体数据像素值矩阵,并计算该矩阵中每一个体数据像素值的倒数,得到体数据像素值倒数矩阵;
根据所述第一坐标集合和第二坐标集合中每一个体数据元素坐标以及体数据像素值倒数矩阵构建得到所述球面波传播模型。
在其中一实施例中,对所述球面波传播模型进行求解得到相应体数据元素的传播区域包括:
对所述球面波传播模型进行求解后得到所述第一坐标集合和第二坐标集合中每一个体数据元素坐标为波源向各所述体数据元素发送球面波后达到的时间;
针对所述第一坐标集合和第二坐标集合中每一个体数据元素坐标提取最小时间,将小于或等于所述最小时间的体数据元素作为对应体数据元素坐标的传播区域。
在其中一实施例中,对所述球面波传播模型采用有限差分法进行求解。
在其中一实施例中,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据包括:
利用所述血管中心线坐标以及血管沿线半径进行处理得到初始管腔分割数据;
利用水平集算法对所述初始管腔分割数据进行迭代演化得到所述管腔分割数据。
在其中一实施例中,所述利用所述瘤腔分割数据以及管腔分割数据进行血管重构包括:
对所述瘤腔分割数据以及管腔分割数据进行布尔运算,得到多分支分割数据;
根据所述多分支分割数据以及行进立方体算法对所述血管三维影像数据进行处理,得到第三血管树模型;
对所述第三血管树模型进行自动开口裁剪,得到感兴趣区域的血管三维模型。
一种颅内感兴趣区域的血管三维模型生成装置,所述装置包括:
血管三维切片模态显示模块,用于获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
第一血管树重构模块,用于基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
瘤腔分割数据得到模块,用于在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
管腔分割数据得到模块,用于根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
感兴趣区域血管三维模型得到模块,用于利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
一种计算机可读存储介质,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以下步骤:
获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
上述颅内感兴趣区域的血管三维模型生成方法、装置和设备,通过将获取与颅内动脉瘤相关的血管三维影像数据,以三维切片形式进行显示,并将其称为血管三维切片模态,基于血管三维影像数据构建初始血管树模型,并利用血管三维切片模态对初始血管树进行初步校正得到第一血管树重构模型,在血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据传播区域得到瘤腔分割数据,根据感兴趣血管分支对第一血管树重构模型进行裁剪得到第二血管树模型,对基于第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据,最后利用瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。采用本方法可以在提高速度的同时保证重构模型的精准度。
附图说明
图1为一个实施例中颅内感兴趣区域的血管三维模型生成方法的流程示意图;
图2为一个实施例中第一血管树重构模型的示意图;
图3为一个实施例中对第一血管树重构模型进行剪裁的前后变化示意图;
图4为一个实施例中颅内感兴趣区域的血管三维模型生成装置的结构框图;
图5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仅用以解释本申请,并不用于限定本申请。
如图1所示,提供了一种颅内感兴趣区域的血管三维模型生成方法,包括以下步骤:
步骤S100,获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
步骤S110,基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
步骤S120,在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
步骤S130,根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
步骤S140,利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
在本实施例中,借助血管三维切片模块,不断对图像分割数据进行优化,分别得到适合于感兴趣区域中瘤腔区域和管腔区域的分割数据,并根据这两个分割数据进一步的得到整个感兴趣区域的血管分支分割数据,再利用该数据对原始的血管三维影像数据中的各区域像素值进行精准的二值化处理后,重构得到精准的颅内血管三维模型,本方法操作及处理简单可靠,其重构过程具有可重复性,同时重构结果准确性高。
在步骤S100中,待进行模型重构的血管为颅内血管,一般是与颅内动脉瘤相关的血管。血管三维影像数据包括但不限于DSA(数字剪影血管造影)、CTA(CT血管造影)以及MRA(磁共振成像)的三维影像序列。该血管三维影像数据中包括多帧在一段时间内对目标进行扫描得到的多帧图像。通过读取血管三维影像数据中的影像体数据进行三维切片显示,也就是将血管三维影像数据以三维切片形式进行显示。
在步骤S110中,基于血管三维影像数据构建初始血管树模型包括:根据预设的初始分割参数对血管三维影像数据中的各帧图像进行二值化处理,接着对二值化处理后的血管三维影像数据采用立体算法得到初始血管树模型。
接着,利用血管三维切片模态对初始血管树进行初步校正得到第一血管树重构模型。其中血管三维切片模态中的每一层切片均由相邻的多帧血管三维影像数据构成,并由空间上相邻的多个像素点构建体数据元素。血管三维切片模态保留有真实的血管数据,所以,在本实施例中,借助血管三维切片模块对初始血管树模型进行校正,实际上是对初始分割参数进行校正优化,最后再根据优化后的初始分割参数进行重构得到第一血管树重构模型。
具体的,利用血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型包括:在血管三维切片模态中,可以在各层切片中进行移动,在移动过程中,计算初始分割参数对应的体数据元素三维坐标,并通过该三维坐标在血管三维切片模态中定位到对应的体数据元素,同时将其进行高亮显示,以血管三维影像数据中的像素数据为参照,同时根据血管三维切片模态中高亮体数据元素对所述初始分割参数进行调整。其中,高亮后的体数据元素表示初始血管模型与血管三维切片模态的相交轮廓,借助该相交轮廓对预设的初始分割参数是否合理,同时对其进行调整。
在对初始分割参数进行调整的过程中,根据改变后的分割参数对初始血管树以及高亮体数据元素进行实时调整,以确定分割参数。由于,调整过程中对分割参数会进行实时调整,同时,初始血管模型与血管三维切片模态的相交轮廓也会相应变化,通过对变化后呈现的相交轮廓进行判断,直至相交轮廓基本位于切片中血管与背景的分界位置,以确定最终的分割参数。
最后,根据确定后的分割参数得到第一血管树重构模型。其具体过程与构建初始血管模型相同,利用确定后的分割参数对血管三维影像数据中每一帧图像进行二值化处理后,采用立体算法得到第一血管树重构模型,如图2所示。
在步骤S120和步骤S130中,基于血管三维切片模态以及第一血管树重构模型分别得到瘤腔分割数据以及管腔分割数据,对瘤腔和血管管腔采用两种不同的方法是因为瘤腔大多呈球状,而血管大多呈管状,采用不同的方法可以更好地完成各自的分割任务。
在本实施例中,基于血管三维切片模态获取瘤腔分割数据时,在血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中分别选取体数据元素,再以选取的体数据元素所在位置为波源构建球面波传播模型。
具体的,在血管三维切片模态中分别提取瘤腔内部区域以及瘤腔与血管分界位置区域中的体数据元素,并且提取选取的体数据元素对应的三维坐标,并根据不同区域将选取的体数据元素对应的三维坐标,分别构建对应的第一坐标集合以及第二坐标集合,同时基于血管三维切片模态得到体数据像素值矩阵,并计算该矩阵中每一个体数据像素值的倒数,得到体数据像素值倒数矩阵,根据第一坐标集合和第二坐标集合中每一个体数据元素坐标以及体数据像素值倒数矩阵构建得到球面波传播模型。
在本实施例中,第一坐标集合以及第二坐标集合中均至少包含一个三维坐标数据。
在本实施例中,对球面波传播模型进行求解得到相应体数据元素的传播区域包括:对球面波传播模型进行求解后得到第一坐标集合和第二坐标集合中每一个体数据元素坐标为波源向各体数据元素发送球面波后达到的时间,并针对第一坐标集合和第二坐标集合中每一个体数据元素坐标提取最小时间,将小于或等于最小时间的体数据元素作为对应体数据元素坐标的传播区域,当有多个小于最小时间的体数据元素时,则根据多个体数据元素得到传播区域。
在本实施例中,对球面波传播模型采用有限差分法进行求解。
在其中一实施例中,基于血管三维切片模态获取瘤腔分割数据具体过程为:
令第一坐标集合中的第i个坐标为波源S_i所在坐标,接着计算体数据像素值矩阵中每一个元素的倒数,得到体数据像素值倒数矩阵M,假设从波源S_i发出的球面波到达任意体数据元素j所需的时间为T_ij,定义M_j=|∇T_ij |(球面波传播模型),然后利用有限差分法求解得到T_ij,计算第二坐标集合中所有坐标所对应的体数据元素的T_ij并取最小值。遍历所有体数据元素的T_ij,小于等于最小值的体数据元素作为波源S_i的传播区域,对第一坐标集合中的其它坐标进行上述同样操作,得到其它传播区域。最后对所有传播区域进行并集操作,作为瘤腔区域,从而可得瘤腔分割数据。
在本实施例中,基于第一血管树重构模型得到管腔分割参数时,先在第一血管树模型的基础上根据感兴趣的血管分支进行开口剪裁,在这一步中,也就是再第一血管树模型上选取感兴趣的分支血管段将其裁剪后得到第二血管树模型,其裁剪的过程,如图3所示。
进一步的,基于第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据包括:利用血管中心线坐标以及血管沿线半径进行处理得到初始管腔分割数据,再利用水平集算法对初始管腔分割数据进行迭代演化得到管腔分割数据。
在步骤S140中,利用瘤腔分割数据以及管腔分割数据进行血管重构包括:对瘤腔分割数据以及管腔分割数据进行布尔运算,得到多分支分割数据,根据多分支分割数据以及立方体算法对血管三维影像数据进行处理,得到第三血管树模型,在这一环节中,利用多分支分割数据对血管三维影像数据中每一帧图像进行二值化处理后,再通过立方体算法得到第三血管树模型。最后,对第三血管树模型进行自动开口裁剪,得到感兴趣区域的血管三维模型。
在本实施例中,在得到感兴趣区域的血管三维模型后,可根据具体需求基于该血管重构模型对形态学参数以及血流动力学参数进行计算,其计算结果更为准确。并且在上述血管三维重构方法的基础上,使得后续的相关参数计算更为简单且精准。
上述颅内感兴趣区域的血管三维模型生成方法中,通过将获取与颅内动脉瘤相关的血管三维影像数据,以三维切片形式进行显示,并将其称为血管三维切片模态,基于血管三维影像数据构建初始血管树模型,并利用血管三维切片模态对初始血管树进行初步校正得到第一血管树重构模型,在血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据传播区域得到瘤腔分割数据,根据感兴趣血管分支对第一血管树重构模型进行裁剪得到第二血管树模型,对基于第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据,最后利用瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。采用本方法可以在提高速度的同时保证重构模型的精准度。本方法通过将一种新型的模型重构技术与形态学分析及血流动力学分析相结合,可以让用户免于费时费力的模型前处理工作。
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,如图4所示,提供了一种颅内感兴趣区域的血管三维模型生成装置,包括:血管三维切片模态显示模块200、第一血管树重构模块210、瘤腔分割数据得到模块220、管腔分割数据得到模块230和感兴趣区域血管三维模型得到模块240,其中:
血管三维切片模态显示模块200,用于获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
第一血管树重构模块210,用于基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
瘤腔分割数据得到模块220,用于在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
管腔分割数据得到模块230,用于根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
感兴趣区域血管三维模型得到模块240,用于利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
关于颅内感兴趣区域的血管三维模型生成装置的具体限定可以参见上文中对于颅内感兴趣区域的血管三维模型生成方法的限定,在此不再赘述。上述颅内感兴趣区域的血管三维模型生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5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颅内感兴趣区域的血管三维模型生成方法。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。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,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:
获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
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,计算机程序被处理器执行时实现以下步骤:
获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
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。
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 (10)
1.一种颅内感兴趣区域的血管三维模型生成方法,其特征在于,所述方法包括:
获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
2.根据权利要求1所述的血管三维模型生成方法,其特征在于,所述基于所述血管三维影像数据构建初始血管树模型包括:
根据预设的初始分割参数对所述血管三维影像数据中的各层图像进行二值化处理;
对二值化处理后的血管三维影像数据采用行进立方体算法,得到所述初始血管树模型。
3.根据权利要求1所述的血管三维模型生成方法,其特征在于,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型包括:
计算所述初始分割参数对应的体数据元素三维坐标,并将其在所述血管三维切片模态中对应的体数据元素进行高亮显示;
以所述血管三维影像数据中的像素数据为参照,同时根据所述血管三维切片模态中高亮体数据元素对所述初始分割参数进行调整;
在对所述初始分割参数进行调整的过程中,根据改变后的分割参数对初始血管树以及高亮体数据元素进行实时调整,以确定分割参数;
根据确定后的分割参数得到所述第一血管树重构模型。
4.根据权利要求1所述的血管三维模型生成方法,其特征在于,所述在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型包括:
提取选取的体数据元素对应的三维坐标,并根据瘤腔内部区域、瘤腔与血管分界位置区域选取的体数据元素对应的三维坐标分别构建对应的第一坐标集合以及第二坐标集合;
基于所述血管三维切片模态得到体数据像素值矩阵,并计算该矩阵中每一个体数据像素值的倒数,得到体数据像素值倒数矩阵;
根据所述第一坐标集合和第二坐标集合中每一个体数据元素坐标以及体数据像素值倒数矩阵构建得到所述球面波传播模型。
5.根据权利要求4所述的血管三维模型生成方法,其特征在于,对所述球面波传播模型进行求解得到相应体数据元素的传播区域包括:
对所述球面波传播模型进行求解后得到所述第一坐标集合和第二坐标集合中每一个体数据元素坐标为波源向各所述体数据元素发送球面波后达到的时间;
针对所述第一坐标集合和第二坐标集合中每一个体数据元素坐标提取最小时间,将小于或等于所述最小时间的体数据元素作为对应体数据元素坐标的传播区域。
6.根据权利要求4所述的血管三维模型生成方法,其特征在于,对所述球面波传播模型采用有限差分法进行求解。
7.根据权利要求1所述的血管三维模型生成方法,其特征在于,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据包括:
利用所述血管中心线坐标以及血管沿线半径进行处理得到初始管腔分割数据;
利用水平集算法对所述初始管腔分割数据进行迭代演化得到所述管腔分割数据。
8.根据权利要求1所述的血管三维模型生成方法,其特征在于,所述利用所述瘤腔分割数据以及管腔分割数据进行血管重构包括:
对所述瘤腔分割数据以及管腔分割数据进行布尔运算,得到多分支分割数据;
根据所述多分支分割数据以及行进立方体算法对所述血管三维影像数据进行处理,得到第三血管树模型;
对所述第三血管树模型进行自动开口裁剪,得到感兴趣区域的血管三维模型。
9.一种颅内感兴趣区域的血管三维模型生成装置,其特征在于,所述装置包括:
血管三维切片模态显示模块,用于获取与颅内动脉瘤相关的血管三维影像数据,将所述血管三维影像数据以三维切片形式进行显示,并将其称为血管三维切片模态;
第一血管树重构模块,用于基于所述血管三维影像数据构建初始血管树模型,利用所述血管三维切片模态对所述初始血管树进行初步校正得到第一血管树重构模型;
瘤腔分割数据得到模块,用于在所述血管三维切片模态中的瘤腔内部区域、瘤腔与血管分界位置区域中选取体数据元素,以选取的体数据元素所在位置为波源构建球面波传播模型,并对其进行求解得到相应体数据元素的传播区域,根据所述传播区域得到瘤腔分割数据;
管腔分割数据得到模块,用于根据感兴趣血管分支对所述第一血管树重构模型进行裁剪得到第二血管树模型,对基于所述第二血管树模型提取的血管中心线坐标以及血管沿线半径进行处理得到管腔分割数据;
感兴趣区域血管三维模型得到模块,用于利用所述瘤腔分割数据以及管腔分割数据进行血管重构,得到感兴趣区域的血管三维模型。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311755271.3A CN117830513A (zh) | 2023-12-20 | 2023-12-20 | 颅内感兴趣区域的血管三维模型生成方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311755271.3A CN117830513A (zh) | 2023-12-20 | 2023-12-20 | 颅内感兴趣区域的血管三维模型生成方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117830513A true CN117830513A (zh) | 2024-04-05 |
Family
ID=90522174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311755271.3A Pending CN117830513A (zh) | 2023-12-20 | 2023-12-20 | 颅内感兴趣区域的血管三维模型生成方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117830513A (zh) |
-
2023
- 2023-12-20 CN CN202311755271.3A patent/CN117830513A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161270B (zh) | 医学影像的血管分割方法、计算机设备和可读存储介质 | |
CN111080584B (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
CN111161216A (zh) | 基于深度学习的血管内超声图像处理方法、装置、设备和存储介质 | |
CN109242863B (zh) | 一种缺血性脑卒中图像区域分割方法及装置 | |
CN109712163B (zh) | 冠脉提取方法、装置、图像处理工作站和可读存储介质 | |
US11468570B2 (en) | Method and system for acquiring status of strain and stress of a vessel wall | |
CN110717961B (zh) | 多模态图像重建方法、装置、计算机设备和存储介质 | |
CN112435212A (zh) | 基于深度学习的脑部病灶区域体积得到方法、装置、计算机设备和存储介质 | |
CN111402406A (zh) | 血管三维重建方法、装置及医疗设备 | |
CN111312374B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
CN115984305A (zh) | 颅内动脉瘤血管模型的生成方法和计算机可读存储介质 | |
CN110751187A (zh) | 异常区域图像生成网络的训练方法和相关产品 | |
CN114004793A (zh) | 血流特性获取方法、装置、电子设备及存储介质 | |
CN117036530B (zh) | 基于跨模态数据的冠状动脉血流储备分数预测方法及装置 | |
CN114170440A (zh) | 图像特征点的确定方法、装置、计算机设备和存储介质 | |
CN116681716B (zh) | 颅内血管感兴趣区域分割方法、装置、设备和存储介质 | |
CN111161240B (zh) | 血管分类方法、装置、计算机设备和可读存储介质 | |
CN116205917B (zh) | 获取冠脉血流储备的方法、装置、计算机设备和存储介质 | |
CN117830513A (zh) | 颅内感兴趣区域的血管三维模型生成方法、装置和设备 | |
CN115829979A (zh) | 破口检测方法、装置、设备、存储介质和程序产品 | |
CN116128895A (zh) | 医学图像分割方法、装置和计算机可读存储介质 | |
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 | |
CN117078711A (zh) | 医学图像分割方法、系统、电子设备和存储介质 | |
CN115546089A (zh) | 医学图像分割方法、病理图像处理方法、装置、设备 | |
CN116649995B (zh) | 基于颅内医学影像的血流动力学参数获取方法和装置 |
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 |