JP2023516013A - 冠状動脈の血流速度の算出方法、装置及び電子デバイス - Google Patents
冠状動脈の血流速度の算出方法、装置及び電子デバイス Download PDFInfo
- Publication number
- JP2023516013A JP2023516013A JP2022551789A JP2022551789A JP2023516013A JP 2023516013 A JP2023516013 A JP 2023516013A JP 2022551789 A JP2022551789 A JP 2022551789A JP 2022551789 A JP2022551789 A JP 2022551789A JP 2023516013 A JP2023516013 A JP 2023516013A
- Authority
- JP
- Japan
- Prior art keywords
- main branch
- coronary artery
- length
- blood flow
- flow velocity
- 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.)
- Granted
Links
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 230
- 230000017531 blood circulation Effects 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 68
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 113
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 238000013135 deep learning Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 80
- 230000015654 memory Effects 0.000 claims description 33
- 230000002792 vascular Effects 0.000 claims description 28
- 230000000284 resting effect Effects 0.000 claims description 17
- 238000002586 coronary angiography Methods 0.000 claims description 14
- 238000003709 image segmentation Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 4
- 230000000544 hyperemic effect Effects 0.000 claims description 4
- 238000002583 angiography Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 210000001367 artery Anatomy 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 206010020565 Hyperaemia Diseases 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 239000002872 contrast media Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000718 qrs complex Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
-
- 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
- A61B6/503—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 the heart
-
- 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
- A61B6/50—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
- A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion CT
-
- 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
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
- A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明のもう1つの目的は、上記冠状動脈の血流速度の算出方法を含んだ冠状動脈の血流予備量の算出方法を提供することにある。
本発明のさらに1つの目的は、上記冠状動脈の血流速度の算出方法を実現する冠状動脈の血流速度の算出装置を提供することにある。
本発明の第一の実施例に係る冠状動脈の血流速度の算出方法は、
前記冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るステップS1と、
前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出するステップ2と、
算出された前記主枝血管の長さの時間の経過に伴う変化に基づいて前記主枝血管の血流速度を得るステップ3と、を含む。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、提示情報を表示することをさらに含む。
U-Netモデルのエンコーダー構造により前記冠状動脈の造影画像の多種の異なる解像度の特徴マップを取得し、さらにはRefineNetモジュールを用いて前記多種の異なる解像度の特徴マップを精製して結合することで、主枝血管の分割画像を得ることを含む。
前記主枝血管の分割画像を抽出し、血管骨格の造影画像を得るステップS21と、
前記血管骨格の造影画像中の血管骨格の長さを算出し、画素を単位とした主枝血管の長さを得て、画像のスケーリング因数と結びつけ、主枝血管の実際の物理的長さを算出するステップS22と、を含む。
時間を横座標とし、前記主枝血管の分割画像中の主枝血管の長さを縦座標として、主枝血管の長さの経時的な変化曲線を得るステップS31と、
前記主枝血管の長さの経時的な変化曲線の所定セグメントを選択して、前記所定セグメントの勾配を算出し、前記主枝血管の血流速度を得るステップS32と、を含む。
前記主枝血管の分割画像のフレーム数を横座標とし、主枝血管の実際長さを縦座標として、主枝血管の長さのフレーム数に伴う変化曲線を得るステップS311と、
フレーム周波数情報に基づいて前記主枝血管の長さのフレーム数に伴う変化曲線中の横座標を時間に変換し、主枝血管の長さの経時的な変化曲線を得るステップS312と、を含む。
前記主枝血管の長さの経時的な変化曲線を平滑処理し、前記主枝血管の長さの経時的な変化曲線の平滑曲線を得ることと、
前記平滑曲線上の主枝血管の長さの最大値を得て、前記平滑曲線上の主枝血管の長さが前記主枝血管の長さの最大値の所定値となるセグメントを所定セグメント領域として取得し、前記平滑曲線上の所定セグメント領域に対応する前記主枝血管の長さの経時的な変化曲線のセグメントを予選セグメントとすることと、
前記予選セグメントに対応する冠状動脈の心電情報に基づき、前記予選セグメントが1つの心拍動周期を含むか否かを判断し、前記予選セグメントが1つの心拍動周期を含まない場合には、前記予選セグメントを前記所定セグメントとすることと、
前記所定セグメントを直線フィッティングし、フィッティングされた直線の勾配を算出し、前記主枝血管の血流速度を得ることと、を含む。
上記いずれか1つの実施例に記載の冠状動脈の血流速度の算出方法により、それぞれ前記主枝血管の安静状態における血流速度及び充血状態における血流速度を算出し、算出された前記主枝血管の安静状態における血流速度及び充血状態における血流速度に基づき、前記冠状動脈の血流予備量を得ることを含む。
前記冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るための冠状動脈造影画像分割モジュールと、
前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出するための長さ算出モジュールと、
算出された前記主枝血管の長さの経時的な変化に基づいて前記主枝血管の血流速度を得るための血流速度算出モジュールと、を含む。
前記冠状動脈造影画像分割モジュールは、前記冠状動脈の造影画像を取得し、ユーザが選択した主枝血管の類型に基づき、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るためのものである。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、前記表示装置はユーザに提示情報を表示するのに用いられる。
前記所定セグメントを直線フィッティングし、フィッティングされた直線の勾配を算出し、前記主枝血管の血流速度を得るためのものである。
1つ又は複数のプロセッサと、
コンピュータ読み取り可能なコードが記憶された1つ又は複数のメモリと、を備え、前記コンピュータ読み取り可能なコードは、前記1つ又は複数のプロセッサにより実行される場合、上記いずれか1つの実施例に記載の冠状動脈の血流速度の算出方法を行う。
本発明の第五の実施例に係るコンピュータ記憶媒体には、コンピュータ読み取り可能なコードが記憶され、前記コンピュータ読み取り可能なコードは、1つ又は複数のプロセッサにより実行される場合、上記いずれか1つの実施例に記載の冠状動脈の血流速度の算出方法を行う。
深層学習によって冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、フレーム毎の画像内の主枝血管の長さを算出し、さらには主枝血管の長さの経時的な変化に基づいて主枝血管の血流速度を得ることで、該算出方法が冠状動脈の血流速度の算出の自動化を実現し、算出された冠状動脈の血流速度がより正確で、該算出方法が簡単である。
上記の説明はただ本発明の技術案の略述だけであり、本発明の技術案をよりはっきり理解させることができ、明細書の内容に基づいて実施できるように、以下、本発明の好ましい実施例によって図面を参照しながら下記のように詳しく説明する。
なお、本発明の各実施例では、プロセッサは、マイクロプロセッサ、デジタル信号プロセッサ、マイクロコントローラ等、及び/又はその如何なる組合せであってもよい。別の態様によれば、前記プロセッサは、シングルコアプロセッサ、マルチコアプロセッサ等、及び/又はその如何なる組合せであってもよい。
ステップS1、前記冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得る。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、提示情報を表示することをさらに含む。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にあるか否かを判断することで、算出された主枝血管の血流速度の正確性を確保することができる。
U-Netモデルのエンコーダー構造により前記冠状動脈の造影画像の多種の異なる解像度の特徴マップを取得し、さらにはRefineNetモジュールを用いて前記多種の異なる解像度の特徴マップを精製して結合することで、主枝血管の分割画像を得ることを含む。
従来のRefineNetモデルとU-Netモデルとの区別は、主に次の2つの面にある。RefineNetモデルのエンコーダーは語義分割分野で広く用いられているResNet構造を使用し、一方、U-Netモデルのエンコーダーは単純に畳み込みを使用して特徴を抽出する。RefineNetモデルはデコーダーにおいて独創的なRefineNetモジュールを使用し、該モジュールは低解像度の特徴マップと高解像度の特徴マップの情報をより良く精製することができる。
好ましくは、前記ステップS2は、具体的には、次のようなステップを含む。
ステップS21:前記主枝血管の分割画像を抽出し、血管骨格の造影画像を得る。
具体的には、図6に示すように、得られた前記主枝血管の分割画像を抽出し、単画素幅の血管骨格の造影画像を得ることができる。
ステップS22:前記血管骨格の造影画像中の血管骨格の長さを算出し、画素を単位とした主枝血管の長さを得て、画像のスケーリング因数と結合することで、主枝血管の実際の物理的長さを算出する。
抽出によって血管骨格の造影画像を得て、血管骨格の造影画像中の血管骨格の長さを算出することで主枝血管の長さを得て、このように、算出によって得られた主枝血管の長さの正確度を高め、さらには算出された冠状動脈の血流速度の正確度を高めた。
好ましくは、前記ステップS3は、具体的には、次のようなステップを含む。
ステップS31:時間を横座標とし、前記主枝血管の分割画像中の主枝血管の長さを縦座標として、主枝血管の長さの経時的な変化曲線を得る。
具体的には、図7に示すように、該主枝血管の長さの経時的な変化曲線は、一般に、平坦-上昇-平坦の「S」字状を呈し、これは冠状動脈造影画像序列の前段に、造影剤がまだ冠状動脈に注入されていないため、主枝血管がX線で見えないからである。この時、算出によって得られた主枝血管の長さは一般に0であり、冠状動脈造影画像序列の後段に、造影剤が冠状動脈において満ちあふれているため、この時、算出によって得られた主枝血管長さは主枝血管の完全な長さであり、もう変化しない。
前記主枝血管の分割画像のフレーム数を横座標とし、主枝血管の実際の長さを縦座標として、主枝血管の長さのフレーム数に伴う変化曲線を得るステップS311と、
フレーム周波数情報に基づき、前記主枝血管の長さのフレーム数に伴う変化曲線中の横座標を時間に変換し、主枝血管の長さの経時的な変化曲線を得るステップS312と、を含む。
ステップS32:前記主枝血管の長さの経時的な変化曲線の所定セグメントを取得し、前記所定セグメントの勾配を算出し、前記主枝血管の血流速度を得る。
ステップS321:前記主枝血管の長さの経時的な変化曲線を平滑処理し、前記主枝血管の長さの経時的な変化曲線の平滑曲線を得る。
具体的には、心臓拍動及び血管分割の誤差等の原因で、主枝血管の長さの経時的な変化曲線には一般に一定のノイズがあるので、主枝血管の長さの経時的な変化曲線を平滑処理することができ、K次ベジェ曲線によって主枝血管の長さの経時的な変化曲線を平滑処理することができる。
好ましくは、前記所定値の最低値は0~20%であってもよく、所定値の最高値は80~90%であってもよい。
具体的には、正常な1つの心拍動周期内の心電図は、図8に示すように、QRS波の波動はその他の波より著しく高く、閾値等の方法によってQRS波のピークを速く検出することができ、隣り合う2つのQRS波の間の時間間隔に基づき、1つの心拍動周期の時間を得ることができる。
具体的には、線形最小二乗法によって所定セグメントを直線フィッティングし、フィッティングされた直線の勾配は主枝血管の血流速度である。
これによって、上記の方法により主枝血管の長さの経時的な変化曲線の所定セグメントを取得し、主枝血管の血流速度をさらに得ることで、算出によって得られた主枝血管の血流速度をより正確にさせる。
具体的には、主枝血管の血流速度が心拍動周期の異なる段階において一般に差異があるため、1つの心拍動周期に対応する主枝血管の長さの経時的な変化曲線のセグメントを所定セグメントとし、算出によって得られた主枝血管の血流速度をより正確にさせる。
上記冠状動脈の血流速度の算出方法を含む冠状動脈の血流予備量の算出方法は、次のようなステップを含む。
該冠状動脈の血流予備量の算出方法は、冠状動脈の血流予備量の算出の自動化を実現し、算出された冠状動脈の血流予備量がより正確になり、該算出方法は比較的簡単である。
その中で、冠状動脈造影画像分割モジュール20は、前記冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るためのものである。
長さ算出モジュール30は、前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出するためのものである。
血流速度算出モジュール40は、算出された前記主枝血管の長さの経時的な変化に基づいて前記主枝血管の血流速度を得るためのものである。
前記冠状動脈造影画像分割モジュール20は、前記冠状動脈の造影画像を取得し、ユーザが選択した主枝血管の類型に基づき、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るためのものである。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得る。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、前記表示装置はユーザに提示情報を表示する。
前記所定セグメントを直線フィッティングし、フィッティングされた直線の勾配を算出し、前記主枝血管の血流速度を得る。
その中で、コンピュータ読み取り可能なコードは、1つ又は複数のプロセッサ1401により実行される場合、次のような処理を行う。
ステップS2:前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出する。
ステップS3:算出された前記主枝血管の長さの経時的な変化に基づいて前記主枝血管の血流速度を得る。
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、提示情報を表示することをさらに含む。
U-Netモデルのエンコーダー構造により前記冠状動脈の造影画像の多種の異なる解像度の特徴マップを取得し、さらにはRefineNetモジュールを用いて前記多種の異なる解像度の特徴マップを精製して結合することで、主枝血管の分割画像を得ることを含む。
前記主枝血管の分割画像を抽出し、血管骨格の造影画像を得るステップS21と、
前記血管骨格の造影画像中の血管骨格の長さを算出し、画素を単位とした主枝血管の長さを得て、画像のスケーリング因数と結びつけ、主枝血管の実際の物理的長さを算出するステップS22と、を含む。
時間を横座標とし、前記主枝血管の分割画像中の主枝血管の長さを縦座標として、主枝血管の長さの経時的な変化曲線を得るステップS31と、
前記主枝血管の長さの経時的な変化曲線の所定セグメントを取得し、前記所定セグメントの勾配を算出し、前記主枝血管の血流速度を得るステップS32と、を含む。
好ましくは、前記ステップS31は、具体的には、
前記主枝血管の分割画像のフレーム数を横座標とし、主枝血管の実際の長さを縦座標として、主枝血管の長さのフレーム数に伴う変化曲線を得るステップS311と、
フレーム周波数情報に基づいて前記主枝血管の長さのフレーム数に伴う変化曲線中の横座標を時間に変換し、主枝血管の長さの経時的な変化曲線を得るステップS312と、を含む。
前記主枝血管の長さの経時的な変化曲線を平滑処理し、前記主枝血管の長さの経時的な変化曲線の平滑曲線を得ることと、
前記平滑曲線上の主枝血管の長さの最大値を得て、前記平滑曲線上の主枝血管の長さが前記主枝血管の長さの最大値の所定値となるセグメントを所定セグメント領域として取得し、前記平滑曲線上の所定セグメント領域に対応する前記主枝血管の長さの経時的な変化曲線のセグメントを予選セグメントとすることと、
前記予選セグメントに対応する冠状動脈の心電情報に基づき、前記予選セグメントが1つの心拍動周期を含むか否かを判断し、前記予選セグメントが1つの心拍動周期を含まない場合に、前記予選セグメントを前記所定セグメントとすることと、
前記所定セグメントを直線フィッティングし、フィッティングされた直線の勾配を算出し、前記主枝血管の血流速度を得ることと、を含む。
上記各インターフェースと装置との間は、バスアーキテクチャを介して相互接続されてもよい。バスアーキテクチャは、任意数量の相互接続されたバスとブリッジを含んてもよい。具体的には、プロセッサ1401に代表される1つ又は複数の中央処理装置(CPU)、及びメモリ1402に代表される1つ又は複数のメモリ1402の各種の回路が接続されている。バスアーキテクチャは、さらに周辺装置、スタビライザやパワー管理回路などのような各種のその他の回路を一緒に接続していてもよい。なお、バスアーキテクチャは、これらのモジュールの間の接続通信の実現に用いられる。バスアーキテクチャは、データバスに加えて、電源バス、制御バス及び状態信号バスも備える。これらのいずれも本分野で公知されているので、ここではそれについて詳しく説明しない。
入力装置1404は、操作員から入力された各種の指令を受信して、プロセッサ1401に送信して実行させることができる。入力装置1404は、キーボード又はポインティングデバイス(例えば、マウス、トラックボール(trackball)、タッチパッドやタッチパネルなどを含んてもよい。
表示装置1406は、プロセッサ1401が指令を実行して得られた結果を表示することができる。
メモリ1402は、オペレーティングシステム14021の動作に必要なプログラムとデータ、及びプロセッサ1401の算出プロセスにおける中間結果等のデータを記憶するためのものである。
ステップS1:前記冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得る。
ステップS2:前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出する。
ステップS3:算出された前記主枝血管の長さの経時的な変化に基づいて前記主枝血管の血流速度を得る。
Claims (23)
- 冠状動脈の血流速度の算出方法において、
前記冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るステップS1と、
前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出するステップS2と、
算出された前記主枝血管の長さの経時的な変化に基づいて前記主枝血管の血流速度を得るステップS3と、
を含むことを特徴とする、冠状動脈の血流速度の算出方法。 - 前記ステップS1は、具体的には、前記冠状動脈の造影画像を取得し、冠状動脈の主枝血管の類型選択を表示し、ユーザが選択した主枝血管の類型に基づき、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得ることを含むことを特徴とする、請求項1に記載の冠状動脈の血流速度の算出方法。
- 前記ステップS1は、ユーザが選択した主枝血管の類型に基づき、前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にあるか否かを判断し、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、提示情報を表示すること、をさらに含むことを特徴とする、請求項2に記載の冠状動脈の血流速度の算出方法。 - 前記深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得ることは、具体的には、
U-Netモデルのエンコーダー構造により、前記冠状動脈の造影画像の多種の異なる解像度の特徴マップを取得し、さらにはRefineNetモジュールを用いて前記多種の異なる解像度の特徴マップを精製して結合することで、主枝血管の分割画像を得ることを含むことを特徴とする、請求項1に記載の冠状動脈の血流速度の算出方法。 - 前記ステップS2は、具体的には、
前記主枝血管の分割画像を抽出し、血管骨格の造影画像を得るステップ21と、
前記血管骨格の造影画像中の血管骨格の長さを算出し、画素を単位とした主枝血管の長さを得て、画像のスケーリング因数と結びつけて、主枝血管の実際の物理的長さを算出するステップS22と、を含むことを特徴とする、請求項1に記載の冠状動脈の血流速度の算出方法。 - 前記ステップS3は、具体的には、
時間を横座標とし、前記主枝血管の分割画像中の主枝血管の長さを縦座標として、主枝血管の長さの経時的な変化曲線を得るステップS31と、
前記主枝血管の長さの経時的な変化曲線の所定セグメントを選択して、前記所定セグメントの勾配を算出し、前記主枝血管の血流速度を得るステップS32と、を含むことを特徴とする、請求項5に記載の冠状動脈の血流速度の算出方法。 - 前記ステップS31は、具体的には、
前記主枝血管の分割画像のフレーム数を横座標とし、主枝血管の実際の長さを縦座標として、主枝血管の長さのフレーム数に伴う変化曲線を得るステップS311と、
フレーム周波数情報に基づき、前記主枝血管の長さのフレーム数に伴う変化曲線中の横座標を時間に変換し、主枝血管の長さの経時的な変化曲線を得るステップS312と、を含むことを特徴とする、請求項6に記載の冠状動脈の血流速度の算出方法。 - 前記ステップS32は、具体的には、
前記主枝血管の長さの経時的な変化曲線を平滑処理し、前記主枝血管の長さの経時的な変化曲線の平滑曲線を得ることと、
前記平滑曲線上の主枝血管の長さの最大値を得て、前記平滑曲線上の主枝血管の長さが前記主枝血管の長さの最大値の所定値となるセグメントを所定セグメント領域として取得し、前記平滑曲線上の所定セグメント領域に対応する前記主枝血管の長さの経時的な変化曲線のセグメントを予選セグメントとすることと、
前記予選セグメントに対応する冠状動脈の心電情報に基づき、前記予選セグメントが1つの心拍動周期を含むか否かを判断し、前記予選セグメントが1つの心拍動周期を含まない場合には、前記予選セグメントを前記所定セグメントとすることと、
前記所定セグメントを直線フィッティングし、フィッティングされた直線の勾配を算出し、前記主枝血管の血流速度を得ることと、を含むことを特徴とする、請求項6に記載の冠状動脈の血流速度の算出方法。 - 前記予選セグメントが1つの心拍動周期を含む場合に、前記予選セグメントの中心を開始点として前記予選セグメントの両端へそれぞれ半分の心拍動周期の長さを延伸して所定セグメントを得ることを含むことを特徴とする請求項8に記載の冠状動脈の血流速度の算出方法。
- 前記主枝血管の長さの経時的な変化曲線及び前記冠状動脈の造影画像並びに前記冠状動脈の造影画像に対応する前記冠状動脈の心電情報を表示し、ユーザが所定セグメントに対応する冠状動脈の造影画像及び前記冠状動脈の心電情報を調べ、所定セグメントの選択を検証し、所定セグメントの選択が不合理である場合に、マニュアルで所定セグメントの選択を調整することを特徴とする、請求項9に記載の冠状動脈の血流速度の算出方法。
- 請求項1~10のいずれか1項に記載の冠状動脈の血流速度の算出方法により、前記主枝血管の安静状態における血流速度及び充血状態における血流速度をそれぞれ算出し、算出された前記主枝血管の安静状態における血流速度及び充血状態における血流速度に基づき、前記冠状動脈の血流予備量を得て、
好ましくは、前記の冠状動脈の血流速度の算出方法により、主枝血管の安静状態と充血状態にある前記冠状動脈の造影画像に基づいて前記主枝血管の安静状態における血流速度及び充血状態における血流速度をそれぞれ算出し、前記主枝血管の安静状態にある冠状動脈の造影画像の採取時間と前記主枝血管の充血状態にある冠状動脈の造影画像の採取時間との間の時間差が第1の時間閾値より大きくないことを特徴とする、冠状動脈の血流予備量の算出方法。 - 冠状動脈の造影画像を取得し、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るための冠状動脈造影画像分割モジュールと、
前記主枝血管の分割画像に基づき、フレーム毎の分割画像内の前記主枝血管の長さを算出するための長さ算出モジュールと、
算出された前記主枝血管の長さの経時的な変化に基づいて前記主枝血管の血流速度を得るための血流速度算出モジュールと、
を備えることを特徴とする、冠状動脈の血流速度の算出装置。 - 前記冠状動脈の血流速度の算出装置は、ユーザに冠状動脈の主枝血管の類型選択を表示するための表示装置をさらに備え、
前記冠状動脈造影画像分割モジュールは、前記冠状動脈の造影画像を取得し、ユーザが選択した主枝血管の類型に基づき、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得るためのものであることを特徴とする、請求項12に記載の冠状動脈の血流速度の算出装置。 - 前記冠状動脈造影画像分割モジュールは、ユーザが選択した主枝血管の類型に基づき、前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にあるか否かを判断し、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にある場合に、深層学習によって前記冠状動脈の造影画像を分割し、主枝血管の分割画像を得て、
前記冠状動脈の造影画像の投影角度が該類型の主枝血管の要求角度範囲内にない場合に、前記表示装置はユーザに提示情報を表示するためのものであることを特徴とする、請求項13に記載の冠状動脈の血流速度の算出装置。 - 前記冠状動脈造影画像分割モジュールは、U-Netモデルのエンコーダー構造により前記冠状動脈の造影画像の多種の異なる解像度の特徴マップを取得し、さらにRefineNetモジュールを用いて前記多種の異なる解像度の特徴マップを精製して結合することで、主枝血管の分割画像を得るためのものであることを特徴とする、請求項12に記載の冠状動脈の血流速度の算出装置。
- 前記長さ算出モジュールは、前記主枝血管の分割画像を抽出し、血管骨格の造影画像を得て、前記血管骨格の造影画像中の血管骨格の長さを算出し、画素を単位とした主枝血管の長さを得て、画像のスケーリング因数と結びつけて、主枝血管の実際の物理的長さを算出するためのものであることを特徴とする、請求項12に記載の冠状動脈の血流速度の算出装置。
- 前記血流速度算出モジュールは、時間を横座標とし、前記主枝血管の分割画像中の主枝血管の長さを縦座標として、主枝血管の長さの経時的な変化曲線を得て、前記主枝血管の長さの経時的な変化曲線の所定セグメントを取得し、前記所定セグメントの勾配を算出し、前記主枝血管の血流速度を得るためのものであることを特徴とする、請求項16に記載の冠状動脈の血流速度の算出装置。
- 前記血流速度算出モジュールは、前記主枝血管の分割画像のフレーム数を横座標とし、主枝血管の実際長さを縦座標として、主枝血管の長さのフレーム数に伴う変化曲線を得て、フレーム周波数情報に基づき、前記主枝血管の長さのフレーム数に伴う変化曲線中の横座標を時間に変換し、主枝血管の長さの経時的な変化曲線を得るためのものであることを特徴とする、請求項17に記載の冠状動脈の血流速度の算出装置。
- 前記血流速度算出モジュールは、前記主枝血管の長さの経時的な変化曲線を平滑処理し、前記主枝血管の長さの経時的な変化曲線の平滑曲線を得て、前記平滑曲線上の主枝血管の長さの最大値を得て、前記平滑曲線上の主枝血管の長さが前記主枝血管の長さの最大値の所定値となるセグメントを所定セグメント領域として取得し、
前記平滑曲線上の所定セグメント領域に対応する前記主枝血管の長さの経時的な変化曲線のセグメントを予選セグメントとし、前記予選セグメントに対応する冠状動脈の心電情報に基づき、前記予選セグメントが1つの心拍動周期を含むか否かを判断し、前記予選セグメントが1つの心拍動周期を含まない場合に、前記予選セグメントを前記所定セグメントとし、
前記所定セグメントを直線フィッティングし、フィッティングされた直線の勾配を算出し、前記主枝血管の血流速度を得るためのものであることを特徴とする、請求項17に記載の冠状動脈の血流速度の算出装置。 - 前記予選セグメントが1つの心拍動周期を含む場合に、前記予選セグメントの中心を開始点として前記予選セグメントの両端へ半分の心拍動周期の長さをそれぞれ延伸して所定セグメントを得ることを特徴とする請求項19に記載の冠状動脈の血流速度の算出装置。
- 前記冠状動脈の血流速度の算出装置は、前記主枝血管の長さの経時的な変化曲線及び前記冠状動脈の造影画像並びに前記冠状動脈の造影画像に対応する前記冠状動脈の心電情報をユーザに表示するための表示装置をさらに備え、ユーザが所定セグメントに対応する冠状動脈の造影画像及び前記冠状動脈の心電情報を調べ、所定セグメントの選択を検証し、所定セグメントの選択が不合理である場合に、マニュアルで所定セグメントの選択を調整することを特徴とする、請求項19に記載の冠状動脈の血流速度の算出装置。
- 1つ又は複数のプロセッサと、
コンピュータ読み取り可能なコードが記憶された1つ又は複数のメモリと、を備え、
前記コンピュータ読み取り可能なコードは、前記1つ又は複数のプロセッサにより実行される場合、請求項1~10に記載の血流速度の算出方法を行うことを特徴とする、冠状動脈の血流速度の算出のための電子デバイス。 - コンピュータ読み取り可能なコードが記憶され、前記コンピュータ読み取り可能なコードは、1つ又は複数のプロセッサにより実行される場合、請求項1~10に記載の血流速度の算出方法を行うことを特徴とする、コンピュータ記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010134217.7 | 2020-03-02 | ||
CN202010134217.7A CN111369519B (zh) | 2020-03-02 | 2020-03-02 | 冠状动脉的血流速度的计算方法、装置及电子设备 |
PCT/CN2021/073277 WO2021175039A1 (zh) | 2020-03-02 | 2021-01-22 | 冠状动脉的血流速度的计算方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023516013A true JP2023516013A (ja) | 2023-04-17 |
JP7445779B2 JP7445779B2 (ja) | 2024-03-07 |
Family
ID=71206516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022551789A Active JP7445779B2 (ja) | 2020-03-02 | 2021-01-22 | 冠状動脈の血流速度の算出方法、装置及び電子デバイス |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230108647A1 (ja) |
EP (1) | EP4104766A4 (ja) |
JP (1) | JP7445779B2 (ja) |
CN (2) | CN113487588B (ja) |
WO (1) | WO2021175039A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7532402B2 (ja) | 2019-04-01 | 2024-08-13 | キャスワークス リミテッド | 血管造影画像選択のための方法および装置 |
WO2021059165A1 (en) | 2019-09-23 | 2021-04-01 | Cathworks Ltd. | Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device |
CN113487588B (zh) * | 2020-03-02 | 2024-03-22 | 上海博动医疗科技股份有限公司 | 冠状动脉的血流速度的计算方法、装置及电子设备 |
CN112309542B (zh) * | 2020-07-27 | 2021-06-15 | 李星阳 | 心脏搭桥模式选择系统 |
CN112674736B (zh) * | 2021-01-08 | 2023-07-25 | 上海博动医疗科技股份有限公司 | 一种用于自动评价血管形变的监测显示方法及系统 |
CN113706559A (zh) * | 2021-09-13 | 2021-11-26 | 复旦大学附属中山医院 | 基于医学图像的血管分段提取方法和装置 |
US11776240B1 (en) * | 2023-01-27 | 2023-10-03 | Fudan University | Squeeze-enhanced axial transformer, its layer and methods thereof |
WO2024177428A1 (ko) * | 2023-02-24 | 2024-08-29 | 주식회사 메디픽셀 | 의료 영상에 기초한 혈류 속도 산출 방법 및 시스템 |
CN116206162B (zh) * | 2023-04-28 | 2023-08-01 | 杭州脉流科技有限公司 | 基于造影影像的冠脉血流储备获取方法、装置及设备 |
CN116205917B (zh) * | 2023-04-28 | 2023-08-11 | 杭州脉流科技有限公司 | 获取冠脉血流储备的方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150148662A1 (en) * | 2013-11-22 | 2015-05-28 | Julie Alex | Technique for Determining Blood Velocity in a Blood Vessel |
US20170258433A1 (en) * | 2016-03-10 | 2017-09-14 | Siemens Healthcare Gmbh | Method and System for Extracting Centerline Representation of Vascular Structures in Medical Images Via Optimal Paths in Computational Flow Fields |
CN109065170A (zh) * | 2018-06-20 | 2018-12-21 | 博动医学影像科技(上海)有限公司 | 获取血管压力差的方法及装置 |
CN109805949A (zh) * | 2019-03-19 | 2019-05-28 | 苏州润迈德医疗科技有限公司 | 基于压力传感器和造影图像计算血流储备分数的方法 |
CN110448319A (zh) * | 2018-05-08 | 2019-11-15 | 博动医学影像科技(上海)有限公司 | 基于造影影像及冠状动脉的血流速度计算方法 |
CN110674824A (zh) * | 2019-09-26 | 2020-01-10 | 五邑大学 | 基于R2U-Net的手指静脉分割方法、装置和存储介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096388B (zh) * | 2014-04-23 | 2019-02-05 | 北京冠生云医疗技术有限公司 | 基于计算流体力学的冠状动脉血流仿真系统和方法 |
CN105326486B (zh) * | 2015-12-08 | 2017-08-25 | 博动医学影像科技(上海)有限公司 | 血管压力差与血流储备分数的计算方法及系统 |
CN105559810B (zh) * | 2015-12-10 | 2017-08-08 | 博动医学影像科技(上海)有限公司 | 血管单位时间血流量与血流速度的计算方法 |
WO2018133118A1 (zh) * | 2017-01-23 | 2018-07-26 | 上海联影医疗科技有限公司 | 血流状态分析系统及方法 |
US11534136B2 (en) * | 2018-02-26 | 2022-12-27 | Siemens Medical Solutions Usa, Inc. | Three-dimensional segmentation from two-dimensional intracardiac echocardiography imaging |
CN110226923B (zh) * | 2018-03-05 | 2021-12-14 | 苏州润迈德医疗科技有限公司 | 一种无需血管扩张剂测量血流储备分数的方法 |
CN109754402B (zh) * | 2018-03-15 | 2021-11-19 | 京东方科技集团股份有限公司 | 图像处理方法、图像处理装置以及存储介质 |
CN109509192B (zh) * | 2018-10-18 | 2023-05-30 | 天津大学 | 融合多尺度特征空间与语义空间的语义分割网络 |
CN109686450A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 一种基于超声和ct成像技术的冠脉血流储备分数计算方法 |
CN109907772B (zh) * | 2019-04-15 | 2020-11-10 | 博动医学影像科技(上海)有限公司 | 获取冠脉血流量及血流速度的方法和装置 |
CN110136147A (zh) * | 2019-05-21 | 2019-08-16 | 湖北工业大学 | 一种基于U-Net模型的分割医学图像的方法、装置及存储介质 |
CN110335670A (zh) * | 2019-06-10 | 2019-10-15 | 北京深睿博联科技有限责任公司 | 用于骨骺等级分级的图像数据处理方法及装置 |
CN110350958B (zh) * | 2019-06-13 | 2021-03-16 | 东南大学 | 一种基于神经网络的大规模mimo的csi多倍率压缩反馈方法 |
CN113487588B (zh) * | 2020-03-02 | 2024-03-22 | 上海博动医疗科技股份有限公司 | 冠状动脉的血流速度的计算方法、装置及电子设备 |
-
2020
- 2020-03-02 CN CN202110830640.5A patent/CN113487588B/zh active Active
- 2020-03-02 CN CN202010134217.7A patent/CN111369519B/zh active Active
-
2021
- 2021-01-22 EP EP21765234.6A patent/EP4104766A4/en active Pending
- 2021-01-22 US US17/802,838 patent/US20230108647A1/en active Pending
- 2021-01-22 WO PCT/CN2021/073277 patent/WO2021175039A1/zh unknown
- 2021-01-22 JP JP2022551789A patent/JP7445779B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150148662A1 (en) * | 2013-11-22 | 2015-05-28 | Julie Alex | Technique for Determining Blood Velocity in a Blood Vessel |
US20170258433A1 (en) * | 2016-03-10 | 2017-09-14 | Siemens Healthcare Gmbh | Method and System for Extracting Centerline Representation of Vascular Structures in Medical Images Via Optimal Paths in Computational Flow Fields |
CN110448319A (zh) * | 2018-05-08 | 2019-11-15 | 博动医学影像科技(上海)有限公司 | 基于造影影像及冠状动脉的血流速度计算方法 |
CN109065170A (zh) * | 2018-06-20 | 2018-12-21 | 博动医学影像科技(上海)有限公司 | 获取血管压力差的方法及装置 |
CN109805949A (zh) * | 2019-03-19 | 2019-05-28 | 苏州润迈德医疗科技有限公司 | 基于压力传感器和造影图像计算血流储备分数的方法 |
CN110674824A (zh) * | 2019-09-26 | 2020-01-10 | 五邑大学 | 基于R2U-Net的手指静脉分割方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113487588B (zh) | 2024-03-22 |
CN113487588A (zh) | 2021-10-08 |
US20230108647A1 (en) | 2023-04-06 |
CN111369519A (zh) | 2020-07-03 |
EP4104766A4 (en) | 2023-09-13 |
CN111369519B (zh) | 2021-09-17 |
WO2021175039A1 (zh) | 2021-09-10 |
EP4104766A1 (en) | 2022-12-21 |
JP7445779B2 (ja) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7445779B2 (ja) | 冠状動脈の血流速度の算出方法、装置及び電子デバイス | |
CN108665462B (zh) | 用于医学成像的高度集成的注释和分割系统 | |
WO2020108562A1 (zh) | 一种ct图像内的肿瘤自动分割方法及系统 | |
CN109410216B (zh) | 一种缺血性脑卒中图像区域分割方法及装置 | |
CN111028242A (zh) | 一种肿瘤自动分割系统、方法及电子设备 | |
JP2019504659A (ja) | 自動化された心臓ボリュームセグメンテーション | |
US11605447B2 (en) | Intelligent agents for patient management | |
KR20180118458A (ko) | 영상 분할 방법 및 그 전자 장치 | |
WO2022032824A1 (zh) | 图像分割方法、装置、设备及存储介质 | |
CN112348861B (zh) | 图像处理方法、装置、设备及存储介质 | |
WO2021232867A1 (zh) | 超分辨流场重建方法及其装置 | |
CN112494020B (zh) | 获取感兴趣的主动脉压力曲线的方法及存储介质 | |
WO2024051018A1 (zh) | 一种pet参数图像的增强方法、装置、设备及存储介质 | |
CN113827263A (zh) | 灌注影像处理方法、系统、电子设备及存储介质 | |
CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN109799936B (zh) | 一种图像生成方法、装置、设备及介质 | |
CN113112507A (zh) | 灌注影像分析方法、系统、电子设备及存储介质 | |
Wang et al. | Stroke lesion segmentation model based on convolutional fusion and an improved attention mechanism | |
CN113920132A (zh) | 基于多尺度特征学习网络的冠脉cta分割方法和系统 | |
CN112577976B (zh) | 光栅相衬成像信号提取方法、装置、存储介质及电子设备 | |
WO2022206021A1 (zh) | 图像重建模型生成及图像重建方法、装置、设备和介质 | |
CN113763403B (zh) | 一种冠状动脉血管分割方法及装置 | |
Shu et al. | MRAU-net: Multi-scale residual attention U-shaped network for medical image segmentation | |
EP4207060A1 (en) | Methods and systems for image analysis | |
Tong et al. | STAU-Net: A Spatial Structure Attention Network for 3D Coronary Artery Segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230814 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231205 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240226 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7445779 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |