TWI698225B - 血管狀態評估方法與血管狀態評估裝置 - Google Patents

血管狀態評估方法與血管狀態評估裝置 Download PDF

Info

Publication number
TWI698225B
TWI698225B TW108120013A TW108120013A TWI698225B TW I698225 B TWI698225 B TW I698225B TW 108120013 A TW108120013 A TW 108120013A TW 108120013 A TW108120013 A TW 108120013A TW I698225 B TWI698225 B TW I698225B
Authority
TW
Taiwan
Prior art keywords
blood vessel
target
image
pattern
state
Prior art date
Application number
TW108120013A
Other languages
English (en)
Other versions
TW202045100A (zh
Inventor
謝成典
李愛先
Original Assignee
宏碁股份有限公司
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 宏碁股份有限公司 filed Critical 宏碁股份有限公司
Priority to TW108120013A priority Critical patent/TWI698225B/zh
Priority to US16/726,918 priority patent/US11017534B2/en
Application granted granted Critical
Publication of TWI698225B publication Critical patent/TWI698225B/zh
Publication of TW202045100A publication Critical patent/TW202045100A/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • G06T7/0016Biomedical image inspection using an image reference approach involving temporal comparison
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus 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
    • A61B6/504Apparatus 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30172Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Biomedical Technology (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Vascular Medicine (AREA)
  • Pathology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

一種血管狀態評估方法與血管狀態評估裝置。所述方法包括:獲得對應於目標使用者的至少一血管造影影像;從所述血管造影影像中選擇目標影像;根據所述目標影像中的目標血管圖案的分布狀態判斷所述目標使用者的血管類型;建立對應於所述目標血管圖案的血管拓樸結構,其包含所述目標血管圖案中的血管的寬度之資訊與所述目標血管圖案中的血管分叉點之資訊;以及根據所述血管類型與所述血管拓樸結構自動分析所述目標使用者的血管狀態。

Description

血管狀態評估方法與血管狀態評估裝置
本發明是有關於一種基於影像分析的生理狀態評估技術,且特別是有關於一種血管狀態評估方法與血管狀態評估裝置。
隨著現代人飲食習慣改變,心血管疾病有年輕化的趨勢。心血管阻塞有可能造成心肌梗塞,而急性心肌梗塞則經常造成生命損失,因此保持心血管暢通是刻不容緩的事。一般來說,若發生心血管阻塞,除了吃藥控制病情外,還可透過心臟內科的心導管手術,利用氣球擴張或置放支架,更嚴重的可選擇心臟外科冠狀動脈繞道手術。此外,SYNTAX評分是一種透過血管造影來計算心臟血管的阻塞程度,從而作為放置支架或是進行繞道手術之評估方式。然而,SYNTAX評分機制極為複雜,醫生或檢驗師須自行根據血管造影影像研判血管狀態並執行繁瑣的評分程序。
本發明提供一種血管狀態評估方法與血管狀態評估裝置,可有效提高血管狀態的評估效率。
本發明的實施例提供一種血管狀態評估方法,其包括:獲得對應於目標使用者的至少一血管造影影像;從所述至少一血管造影影像中選擇目標影像;根據所述目標影像中的目標血管圖案的分布狀態判斷所述目標使用者的血管類型;建立對應於所述目標血管圖案的血管拓樸結構,其包含所述目標血管圖案中的血管的寬度之資訊與所述目標血管圖案中的血管分叉點之資訊;以及根據所述血管類型與所述血管拓樸結構自動分析所述目標使用者的血管狀態。
本發明的實施例另提供一種血管狀態評估裝置,其包括儲存裝置與處理器。所述儲存裝置用以儲存對應於目標使用者的至少一血管造影影像。所述處理器耦接至所述儲存裝置並運行影像處理模組。所述處理器用以從所述至少一血管造影影像中選擇目標影像。所述處理器更用以根據所述目標影像中的目標血管圖案的分布狀態判斷所述目標使用者的血管類型。所述處理器更用以建立對應於所述目標血管圖案的血管拓樸結構,其包含所述目標血管圖案中的血管的寬度之資訊與所述目標血管圖案中的血管分叉點之資訊。所述處理器更用以根據所述血管類型與所述血管拓樸結構自動分析所述目標使用者的血管狀態。
基於上述,在獲得對應於目標使用者的至少一血管造影影像後,目標影像可從所述至少一血管造影影像中選擇。根據所述目標影像中的目標血管圖案的分布狀態,目標使用者的血管類型可被判斷。此外,對應於目標血管圖案的血管拓樸結構可被建立,以提供目標血管圖案中的血管的寬度之資訊與目標血管圖案中的血管分叉點之資訊。然後,根據所述血管類型與所述血管拓樸結構,目標使用者的血管狀態可被自動分析。藉此,可有效提高血管狀態的評估效率。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
10:血管狀態評估裝置
101:處理器
102:儲存裝置
103:影像處理模組
21:影片檔
21(0)~21(n)、22、31、41、51~54、71:影像
201:左側優勢
202:右側優勢
401、511:目標血管圖案
410、420:影像區域
521:骨架
531:輪廓
541:血管分叉點
61、62:評分規則
701~705:評分區段
81:評估資訊
S901~S905:步驟
圖1是根據本發明的一實施例所繪示的血管狀態評估裝置的示意圖。
圖2是根據本發明的一實施例所繪示的選擇目標影像與判斷目標使用者的血管類型的示意圖。
圖3是根據本發明的一實施例所繪示的經前處理之目標血管圖案的示意圖。
圖4是根據本發明的一實施例所繪示的劃分多個影像區域的示意圖。
圖5是根據本發明的一實施例所繪示的血管拓樸結構的示意 圖。
圖6是根據本發明的一實施例所繪示的不同評分規則所對應的評分區段的示意圖。
圖7是根據本發明的一實施例所繪示的劃分評分區段的示意圖。
圖8是根據本發明的一實施例所繪示的分析報告的示意圖。
圖9是根據本發明的一實施例所繪示的血管狀態評估方法的流程圖。
圖1是根據本發明的一實施例所繪示的血管狀態評估裝置的示意圖。請參照圖1,在一實施例中,裝置(亦稱為血管狀態評估裝置)10可為任意具影像分析與運算功能的電子裝置或電腦裝置。在另一實施例中,裝置10亦可為心血管狀態的檢驗設備或用於心血管造影的影像擷取設備。裝置10可用以自動分析某一使用者(亦稱為目標使用者)的血管造影影像並自動產生評估資訊以反映目標使用者的血管狀態。在一實施例中,可將顯影劑注入至目標使用者的心臟血管(例如冠狀動脈)並對目標使用者的心臟血管進行攝影,以獲得所述血管造影影像。
裝置10包括處理器101、儲存裝置102及影像處理模組103。處理器101耦接至儲存裝置102與影像處理模組103。處理器101可為中央處理單元(Central Processing Unit,CPU)、圖形處 理器(graphics processing unit,GPU)、或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)、可程式化邏輯裝置(Programmable Logic Device,PLD)或其他類似裝置或這些裝置的組合。處理器101可負責裝置10的整體或部分運作。
儲存裝置102用以儲存影像(即血管造影影像)與其他資料。儲存裝置102可包括揮發式儲存媒體與非揮發式儲存媒體。揮發式儲存媒體可包括隨機存取記憶體(RAM),而非揮發性儲存媒體可包括唯讀記憶體(ROM)、固態硬碟(SSD)或傳統硬碟(HDD)等。
影像處理模組103用以經由對儲存裝置11所儲存的影像執行影像處理,以辨識及/或比對影像中的圖案。影像處理模組103可實作為軟體模組、韌體模組或硬體電路。例如,在一實施例中,影像處理模組103可包括至少一圖形處理器(GPU)或類似的處理晶片,以執行所述影像處理。或者,在一實施例中,影像處理模組103為可載入至儲存裝置102且可由處理器101執行的程式碼。
在一實施例中,影像處理模組103不具有機器學習及/或深度學習等人工智慧架構。在一實施例中,影像處理模組103可具有機器學習及/或深度學習等人工智慧架構並可經由訓練而持續改善其影像處理性能。在一實施例中,裝置10還可包括滑鼠、鍵盤、顯示器、顯示器、麥克風、揚聲器或網路介面卡等輸入/輸出 裝置,且輸入/輸出裝置的類型不限於此。
圖2是根據本發明的一實施例所繪示的選擇目標影像與判斷目標使用者的血管類型的示意圖。請參照圖1與圖2,在一實施例中,儲存裝置102可儲存多個影像21(0)~21(n)。影像21(0)~21(n)可屬於一或多個影片檔21。影像21(0)~21(n)皆為對應於同一目標使用者的血管造影影像。處理器101可從影像21(0)~21(n)中選擇某一影像(亦稱為目標影像)22。
在一實施例中,處理器101可藉由影像處理模組103來分析影像21(0)~21(n)。根據分析結果,處理器101可獲得血管圖案(亦稱為第一血管圖案)在影像21(0)~21(n)中的每一者中的佔比。例如,此佔比可包括影像21(0)~21(n)中的某一影像中血管圖案與背景像素(或整張影像)的比例。處理器101可根據此佔比來選擇影像22。例如,處理器101可選擇影像21(0)~21(n)中血管圖案在影像中占比最高或較高(例如高於一門檻值)的一或多個影像作為影像22。
在選擇影像22後,處理器101可根據影像22中的血管圖案(亦稱為目標血管圖案)的分布狀態判斷目標使用者的血管類型。例如,處理器101可藉由影像處理模組103來分析影像22,以辨識目標使用者的血管類型為左側優勢(left dominance)201或右側優勢(right dominance)202。例如,左側優勢201與右側優勢202可反映兩種不同的右冠狀動脈之類型。此外,在一實施例中,處理器101可藉由影像處理模組103對影像22進行前處理,以獲 得較為清晰的目標血管圖案。藉由前處理而產生的目標血管圖案可用於後續的影像處理與分析。
圖3是根據本發明的一實施例所繪示的經前處理之目標血管圖案的示意圖。請參照圖2與圖3,前處理可包括對影像22執行型態學(morphology)處理、動態門檻值(adaptive threshold)處理及尋找最大連通元件(find largest connected component)處理,以獲得二值化的影像31。例如,在二值化的影像31中,以網底標記之區域內的畫素可對應位元“1”以表示目標血管圖案,而背景(即白色部分)的畫素則可對應位元“0”以與目標血管圖案區隔。
在一實施例中,處理器101可將目標影像分割為多個影像區域。然後,處理器101可根據目標血管圖案在此些影像區域中的分布狀態來判斷目標使用者的血管類型為左側優勢201或右側優勢202。
圖4是根據本發明的一實施例所繪示的劃分多個影像區域的示意圖。請參照圖4,影像41用以代表目標影像(例如圖2的影像22)。影像41可被分割為多個影像區域。例如,此些影像區域可以是以格網狀的形式排列,如圖4所示。然而,在另一實施例中,所分割的影像區域亦可以具有其他形狀及/或以其他形式排列,本發明不加以限制。根據目標血管圖案401在此些影像區域中的分布狀態,目標使用者的血管類型為左側優勢或右側優勢可被決定。
在一實施例中,處理器101可判斷目標血管圖案在目標 影像中的某些影像區域中的佔比是否高於(或低於)一預設值並根據判斷結果決定目標使用者的血管類型。以圖4為例,處理器101可判斷目標血管圖案401在影像41中的右上半部的影像區域(亦稱為第一影像區域)410中的佔比是否小於一第一預設值及/或判斷目標血管圖案401在影像41中的右下半部的影像區域(亦稱為第二影像區域)420中的佔比是否大於一第二預設值。若目標血管圖案401在影像區域410中的佔比小於第一預設值且目標血管圖案401在影像區域420中的佔比不大於第二預設值,則處理器101可判定目標使用者的血管類型為圖2的左側優勢201。或者,若目標血管圖案401在影像區域410中的佔比小於第一預設值且目標血管圖案401在影像區域420中的佔比大於第二預設值,則處理器101可判定目標使用者的血管類型為圖2的右側優勢202。此外,若目標血管圖案401在影像區域410中的佔比不小於第一預設值,則處理器101可判定目標影像不正確並可重新選取其他的影像作為目標影像。
另一方面,根據目標影像,處理器101可建立對應於目標血管圖案的血管拓樸結構。此血管拓樸結構可包含目標血管圖案中的血管的寬度之資訊與目標血管圖案中的血管分叉點之資訊。此外,此血管拓樸結構亦可以包含其他有用的資訊,本發明不加以限制。
圖5是根據本發明的一實施例所繪示的血管拓樸結構的示意圖。請參照圖1與圖5,以影像51來代表目標影像。處理器 101可藉由影像處理模組103來分析影像51中的目標血管圖案511,以獲得影像52~54。影像52可反映目標血管圖案511的骨架521。影像53可反映目標血管圖案511的輪廓531。影像54可反映目標血管圖案511中的至少一血管分叉點541。
在一實施例中,處理器101可根據骨架521與輪廓531之間的間距獲得目標血管圖案511中的至少一血管的寬度。例如,處理器101可比較骨架521與輪廓531以逐一獲得骨架521與輪廓531之間的寬度,進而獲得目標血管圖案511中的至少一血管的寬度。
在一實施例中,處理器101可使用至少一分叉點模型來過濾影像52中的骨架521。例如,此分叉點模型可包括T型分叉點模型、Y型分叉點模型及X型分叉點模型等等,以辨識骨架521中至少一種類型的分叉點。處理器101可根據過濾結果獲得目標血管圖案511中的血管分叉點541。
在獲得目標使用者的血管類型與上述血管拓樸結構後,處理器101可根據此血管類型與此血管拓樸結構自動分析目標使用者的血管狀態。例如,處理器101可根據所決定的血管類型決定一個評分規則。此評分規則可對應圖2的左側優勢201與右側優勢202的其中之一。處理器101可根據此評分規則將血管拓樸結構劃分為多個評分區段。接著,處理器101可根據目標血管圖案在此些評分區段中的阻塞狀態評估目標使用者的血管狀態。
圖6是根據本發明的一實施例所繪示的不同評分規則所 對應的評分區段的示意圖。請參照圖2與圖6,若所決定的血管類型為左側優勢201,則一個評分規則(亦稱為第一評分規則)61可被採用,以對標記為數值1~15的多個評分區段內的血管阻塞狀態進行評分。或者,若所決定的血管類型為右側優勢202,則另一個評分規則(亦稱為第二評分規則)62可被採用,以對標記為數值1~15、16及16a~16c的多個評分區段內的血管阻塞狀態進行評分。
圖7是根據本發明的一實施例所繪示的劃分評分區段的示意圖。請參照圖6與圖7,以右側優勢為例,在判定目標使用者的血管類型為右側優勢後,評分規則62可被採用。根據評分規則62,影像71(即目標影像)中的目標血管影像(或對應於目標血管影像的血管拓樸結構)可被劃分為評分區段701~705。其中,評分區段701對應於評分規則62所指示的區段1,評分區段702對應於評分規則62所指示的區段2,評分區段703對應於評分規則62所指示的區段3,評分區段704對應於評分規則62所指示的區段4,而評分區段705則對應於評分規則62所指示的區段16、16a~16c。然後,評分區段701~705內的血管的阻塞狀態可被分析,以評估目標使用者的血管狀態。此外,若目標影像為目標使用者之心臟的左主幹、左前降支及左迴旋支付近的血管造影影像,則亦可根據評分規則61或62所指示的區段5~15來對目標血管影像(或血管拓樸結構)劃分評分區段。
在一實施例中,處理器101可藉由影像處理模處103來分析某一評分區段內的血管的寬度及/或阻塞程度。根據分析結 果,目標使用者的血管狀態可被決定。例如,處理器101可根據圖5的影像52~54所呈現的血管的寬度之資訊與血管分叉點之資訊以及所劃分的評分區段,來分析某一評分區段內的血管是否出現異常處理器101可分據分析結果產生評估資訊,以反映目標使用者的血管狀態。
圖8是根據本發明的一實施例所繪示的分析報告的示意圖。請參照圖8,評估資訊81可根據目標影像的分析結果而產生,且相關分析之操作細節已詳述於上。評估資訊81可儲存於圖1的儲存裝置102並可藉由輸入/輸出介面輸出(例如呈現於顯示器)。
在本實施例中,評估資訊81可記載評分區段1~15中的血管是否出現異常0~19中的任一種異常。若分析結果反映某一評分區段(例如評分區段1)中的血管出現某一異常(例如異常0),則此評分區段與此異常(例如評分區段1與異常0)之間的交叉欄位可記載為T。或者,若分析結果反映某一評分區段(例如評分區段2)中的血管未出現某一異常(例如異常19),則此評分區段與此異常(例如評分區段2與異常19)之間的交叉欄位可記載為F。藉此,分析報告81可清楚反映目標使用者的血管狀態。
須注意的是,在一實施例中,評估資訊81亦可藉由其他的形式來記載至少一評分區段與至少一異常之間的關聯資訊。此外,在另一實施例中,評估資訊81亦可記載更多可用於描述目標使用者的血管狀態之資訊,例如某一評分區段發生某一異常的機率等等,本發明不加以限制。
圖9是根據本發明的一實施例所繪示的血管狀態評估方法的流程圖。請參照圖9,在步驟S901中,獲得對應於目標使用者的至少一血管造影影像。在步驟S902中,從所述血管造影影像中選擇目標影像。在步驟S903中,根據目標影像中的目標血管圖案的分布狀態判斷目標使用者的血管類型。在步驟S904中,建立對應於目標血管圖案的血管拓樸結構。所述血管拓樸結構包含目標血管圖案中的血管的寬度之資訊與目標血管圖案中的血管分叉點之資訊。在步驟S905中,根據所述血管類型與所述血管拓樸結構自動分析目標使用者的血管狀態。
然而,圖9中各步驟已詳細說明如上,在此便不再贅述。值得注意的是,圖9中各步驟可以實作為多個程式碼或是電路,本發明不加以限制。此外,圖9的方法可以搭配以上範例實施例使用,也可以單獨使用,本發明不加以限制。
綜上所述,在獲得對應於目標使用者的至少一血管造影影像後,目標影像可從所述至少一血管造影影像中選擇。根據所述目標影像中的目標血管圖案的分布狀態,目標使用者的血管類型可被判斷。此外,對應於目標血管圖案的血管拓樸結構可被建立,以提供目標血管圖案中的血管的寬度之資訊與目標血管圖案中的血管分叉點之資訊。然後,根據所述血管類型與所述血管拓樸結構,目標使用者的血管狀態可被自動分析。藉此,可有效提高血管狀態的評估效率。
在一實施例中,所述血管狀態評估方法非屬醫療方法。 例如,在一實施例中,所述血管狀態評估方法可由不具相關醫療背景的一般使用者藉由特定裝置(例如所述血管狀態評估裝置)執行並產生相應的評估資訊。此評估資訊可反映使用者可能的生理狀態供使用者參考。此外,在一實施例中,所述血管狀態評估裝置亦可供具有相關醫療背景的人員(例如醫師或檢測師)使用,以提供輔助的檢驗資訊。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S901~S905:步驟

Claims (10)

  1. 一種血管狀態評估方法,包括:獲得對應於一目標使用者的至少一血管造影影像;從該至少一血管造影影像中選擇一目標影像;根據該目標影像中的一目標血管圖案的一分布狀態判斷該目標使用者的一血管類型;建立對應於該目標血管圖案的一血管拓樸結構,其包含該目標血管圖案中的一血管的寬度之資訊與該目標血管圖案中的一血管分叉點之資訊;以及根據該血管類型與該血管拓樸結構自動分析該目標使用者的一血管狀態,其中包括:根據該血管類型決定一評分規則;根據該評分規則將該血管拓樸結構劃分為多個評分區段;以及根據該目標血管圖案在該多個評分區段中的阻塞狀態評估該目標使用者的該血管狀態。
  2. 如申請專利範圍第1項所述的血管狀態評估方法,其中從該至少一血管造影影像中選擇該目標影像的步驟包括:獲得一第一血管圖案在該至少一血管造影影像中的一第一影像中的一佔比;以及根據該佔比從該至少一血管造影影像中選擇該目標影像。
  3. 如申請專利範圍第1項所述的血管狀態評估方法,其中根據該目標影像中的該目標血管圖案的該分布狀態判斷該目標使用者的該血管類型的步驟包括:將該目標影像分割為多個影像區域;以及根據該目標血管圖案在該多個影像區域中的一分布狀態判斷該目標使用者的該血管類型為一左側優勢(left dominance)或一右側優勢(right dominance)。
  4. 如申請專利範圍第1項所述的血管狀態評估方法,其中建立對應於該目標血管圖案的該血管拓樸結構的步驟包括:獲得該目標血管圖案的一骨架;獲得該目標血管圖案的一輪廓;以及根據該骨架與該輪廓之間的間距獲得該目標血管圖案中的該血管的該寬度。
  5. 如申請專利範圍第4項所述的血管狀態評估方法,其中建立對應於該目標血管圖案的該血管拓樸結構的步驟更包括:使用一分叉點模型來過濾該骨架;以及根據一過濾結果獲得該目標血管圖案中的該血管分叉點。
  6. 一種血管狀態評估裝置,包括:一儲存裝置,用以儲存對應於一目標使用者的至少一血管造影影像;一處理器,耦接至該儲存裝置並運行一影像處理模組,其中該處理器用以從該至少一血管造影影像中選擇一目標影 像,該處理器更用以根據該目標影像中的一目標血管圖案的一分布狀態判斷該目標使用者的一血管類型,該處理器更用以建立對應於該目標血管圖案的一血管拓樸結構,其包含該目標血管圖案中的一血管的寬度之資訊與該目標血管圖案中的一血管分叉點之資訊,並且該處理器更用以根據該血管類型與該血管拓樸結構自動分析該目標使用者的一血管狀態,其中該處理器根據該血管類型與該血管拓樸結構自動分析該目標使用者的該血管狀態的操作更包括:根據該血管類型決定一評分規則;根據該評分規則將該血管拓樸結構劃分為多個評分區段;以及根據該目標血管圖案在該多個評分區段中的阻塞狀態評估該目標使用者的該血管狀態。
  7. 如申請專利範圍第6項所述的血管狀態評估裝置,其中該處理器從該至少一血管造影影像中選擇該目標影像的操作包括:獲得一第一血管圖案在該至少一血管造影影像中的一第一影像中的一佔比;以及根據該佔比從該至少一血管造影影像中選擇該目標影像。
  8. 如申請專利範圍第6項所述的血管狀態評估裝置,其中該處理器根據該目標影像中的該目標血管圖案的該分布狀態判斷該目標使用者的該血管類型的操作包括:將該目標影像分割為多個影像區域;以及根據該目標血管圖案在該多個影像區域中的一分布狀態判斷該目標使用者的該血管類型為一左側優勢或一右側優勢。
  9. 如申請專利範圍第6項所述的血管狀態評估裝置,其中該處理器建立對應於該目標血管圖案的該血管拓樸結構的操作包括:獲得該目標血管圖案的一骨架;獲得該目標血管圖案的一輪廓;以及根據該骨架與該輪廓之間的間距獲得該目標血管圖案中的該血管的該寬度。
  10. 如申請專利範圍第9項所述的血管狀態評估裝置,其中該處理器建立對應於該目標血管圖案的該血管拓樸結構的操作更包括:使用一分叉點模型來過濾該骨架;以及根據一過濾結果獲得該目標血管圖案中的該血管分叉點。
TW108120013A 2019-06-11 2019-06-11 血管狀態評估方法與血管狀態評估裝置 TWI698225B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW108120013A TWI698225B (zh) 2019-06-11 2019-06-11 血管狀態評估方法與血管狀態評估裝置
US16/726,918 US11017534B2 (en) 2019-06-11 2019-12-25 Blood vessel status evaluation method and blood vessel status evaluation device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108120013A TWI698225B (zh) 2019-06-11 2019-06-11 血管狀態評估方法與血管狀態評估裝置

Publications (2)

Publication Number Publication Date
TWI698225B true TWI698225B (zh) 2020-07-11
TW202045100A TW202045100A (zh) 2020-12-16

Family

ID=72602047

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108120013A TWI698225B (zh) 2019-06-11 2019-06-11 血管狀態評估方法與血管狀態評估裝置

Country Status (2)

Country Link
US (1) US11017534B2 (zh)
TW (1) TWI698225B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113040812A (zh) * 2021-02-03 2021-06-29 上海联影医疗科技股份有限公司 医学图像分析方法、装置、计算机设备和存储介质
US11690569B2 (en) 2020-11-30 2023-07-04 Acer Incorporated Blood vessel detecting apparatus and image-based blood vessel detecting method

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11701140B1 (en) 2021-06-01 2023-07-18 Parker Brewster Catheter apparatus for arterial plaque removal
TWI824829B (zh) * 2021-12-20 2023-12-01 仁寶電腦工業股份有限公司 造影影像判定方法及造影影像判定裝置
CN114419047B (zh) * 2022-03-30 2022-07-12 中国科学院自动化研究所 用于确定血管形态特征的方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200401114A (en) * 2002-03-11 2004-01-16 Teratech Corp Ultrasound probe with integrated electronics
TWI250868B (en) * 2004-10-22 2006-03-11 Ching-Sung Weng Method of discriminating carotid artery caliber size by utilizing infrared
CN101374462A (zh) * 2005-12-09 2009-02-25 皇家飞利浦电子股份有限公司 基于模型的流动分析和可视化

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009056147A1 (en) * 2007-10-31 2009-05-07 Aarhus Universitet Method for calculating pressures in a fluid stream through a tube section, especially a blood vessel with atherosclerotic plaque
WO2014168350A1 (ko) * 2013-04-10 2014-10-16 재단법인 아산사회복지재단 폐동맥과 폐정맥을 구분하는 방법 및 이를 이용한 혈관의 정량화 방법
US9974506B2 (en) 2013-11-05 2018-05-22 International Business Machines Corporation Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200401114A (en) * 2002-03-11 2004-01-16 Teratech Corp Ultrasound probe with integrated electronics
TWI250868B (en) * 2004-10-22 2006-03-11 Ching-Sung Weng Method of discriminating carotid artery caliber size by utilizing infrared
CN101374462A (zh) * 2005-12-09 2009-02-25 皇家飞利浦电子股份有限公司 基于模型的流动分析和可视化

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11690569B2 (en) 2020-11-30 2023-07-04 Acer Incorporated Blood vessel detecting apparatus and image-based blood vessel detecting method
CN113040812A (zh) * 2021-02-03 2021-06-29 上海联影医疗科技股份有限公司 医学图像分析方法、装置、计算机设备和存储介质
CN113040812B (zh) * 2021-02-03 2023-08-22 上海联影医疗科技股份有限公司 医学图像分析方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
US11017534B2 (en) 2021-05-25
TW202045100A (zh) 2020-12-16
US20200394800A1 (en) 2020-12-17

Similar Documents

Publication Publication Date Title
TWI698225B (zh) 血管狀態評估方法與血管狀態評估裝置
US11576626B2 (en) Systems and methods for numerically evaluating vasculature
US20200085501A1 (en) Systems and methods for treatment planning based on plaque progression and regression curves
TWI711051B (zh) 血管狀態評估方法與血管狀態評估裝置
Xian et al. Main coronary vessel segmentation using deep learning in smart medical
Van den Oever et al. Application of artificial intelligence in cardiac CT: from basics to clinical practice
KR102217392B1 (ko) 관상동맥 진단영상 학습장치와 방법, 및 상기 학습장치와 방법을 통해 구축된 학습모델을 사용하는 유의한 관상동맥 협착 진단 장치 및 방법
US11727570B2 (en) Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction
TWI824829B (zh) 造影影像判定方法及造影影像判定裝置
Li et al. Automated classification of arterioles and venules for retina fundus images using dual deeply-supervised network
Revathi et al. A deep learning based approach for diagnosing coronary inflammation with multi-scale coronary response dynamic balloon tracking (MSCAR-DBT) based artery segmentation in coronary computed tomography angiography (CCTA)
Sukkaew et al. Automatic tortuosity-based retinopathy of prematurity screening system
CN112307804A (zh) 血管状态评估方法与血管状态评估装置
Van Asperen et al. Automatic artery/vein classification in 2D-DSA images of stroke patients
CN112308813A (zh) 血管状态评估方法与血管状态评估装置
CN115222665B (zh) 一种斑块检测方法、装置、电子设备及可读存储介质
US11508060B2 (en) Computer aided method and electrical device for analyzing fibrosis
Ammann et al. Multilevel comparison of deep learning models for function quantification in cardiovascular magnetic resonance: On the redundancy of architectural variations
JP2012014582A (ja) 遷移先レベル予測方法、装置、及び、プログラム
Kaur et al. Recognition of Hypertension Through Retinal Fundus Images by Segmentation of Blood Vasculature
Mardanshina et al. SEMIAUTOMATIC DETECTION OF STENOSIS AND OCCLUSION OF PULMONARY ARTERIES FOR PATIENTS WITH CHRONIC THROMBOEMBOLIC PULMONARY HYPERTENSION
Gian et al. Deep Learning for The Automatic Diagnosis and Detection of Multiple Retinal Abnormalities
van den Oever Deep learning for cardiac imaging
Jalalahmadi Design of a comprehensive modeling, characterization, rupture risk assessment and visualization pipeline for Abdominal Aortic Aneurysms
Zhang et al. Segmentation for pulmonary artery from mediastinum to lung in CTA datasets