CN105825516A - 一种dicom影像血流分析*** - Google Patents
一种dicom影像血流分析*** Download PDFInfo
- Publication number
- CN105825516A CN105825516A CN201610176939.2A CN201610176939A CN105825516A CN 105825516 A CN105825516 A CN 105825516A CN 201610176939 A CN201610176939 A CN 201610176939A CN 105825516 A CN105825516 A CN 105825516A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- dicom
- image
- file
- module
- 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
- 230000017531 blood circulation Effects 0.000 title claims abstract description 15
- 238000005206 flow analysis Methods 0.000 title claims abstract description 13
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 52
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000000877 morphologic effect Effects 0.000 claims abstract description 11
- 238000009792 diffusion process Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000002583 angiography Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000006740 morphological transformation Effects 0.000 claims description 4
- 241001270131 Agaricus moelleri Species 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000004075 alteration Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000002601 radiography Methods 0.000 abstract description 6
- 239000002872 contrast media Substances 0.000 abstract description 2
- 239000007788 liquid Substances 0.000 abstract 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000007781 pre-processing Methods 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010827 pathological analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种DICOM影像血流分析***,包括:DICOM文件读取播放模块用于打开单个或多个DICOM文件,达到显示连续多帧的图像;形态学变换模块用于对DICOM文件的预处理;血管区域提取模块用于基于DBSCAN聚类算法提取血管造影主体部分,通过多尺度Gabor滤波提取血管造影的精细边缘部分;血管中轴线提取模块用于在提取的血管区域的基础上融合上下文信息进行血管增强,并提取局部极值点作为血管中轴并去除部分伪中轴,进行中轴跟踪形态学方法找出连通成分以此完成中轴提取;计算模块用于分析每一帧的造影液扩展面积,计算出造影液的平均扩散速度和瞬时扩散速度。本发明能够实时分析出血管内部造影剂扩展速度。
Description
技术领域
本发明涉及医疗影像信息学技术领域,特别是涉及一种DICOM影像血流分析***。
背景技术
随着医学影像信息学的快速发展,由于医疗设备生产厂商的不同,造成与各种设备有关的医学图像存储格式和传输方式千差万别,使得医学影像及其相关信息在不同***、不同应用之间的交换受到严重阻碍。为此,以规范医学影像及其相关信息的交换,制定了DICOM标准,专门用于医学图像的存储和传输。目前在医学图像研究领域,不仅涉及处理和研究符合DICOM标准的静态医学图像,而且也开始广泛关注DICOM标准图像的动态研究,主要集中在血管识别等研究方面。
发明内容
本发明所要解决的技术问题是提供一种DICOM影像血流分析***,能够实时分析出血管内部造影剂扩展速度。
本发明解决其技术问题所采用的技术方案是:提供一种DICOM影像血流分析***,包括:DICOM文件读取播放模块,用于打开单个或多个DICOM文件,达到显示连续多帧的图像;形态学变换模块,用于通过对比增强、高斯滤波和/或边缘识别的方式来实现对DICOM文件的预处理;血管区域提取模块,用于基于DBSCAN聚类算法提取血管造影主体部分,通过多尺度Gabor滤波提取血管造影的精细边缘部分;血管中轴线提取模块,用于在提取的血管区域的基础上融合上下文信息进行血管增强,并提取局部极值点作为血管中轴并去除部分伪中轴,进行中轴跟踪形态学方法找出连通成分以此完成中轴提取;计算模块,用于分析每一帧的造影液扩展面积,计算出造影液的平均扩散速度和瞬时扩散速度。
所述DICOM文件读取播放模块包括文件识别子模块,文件头解析子模块,数据集解析子模块、图像数据解析子模块和文件播放子模块,所述文件识别子模块用于获取DICOM文件;所述文件头解析子模块用于指明所封装的数据集及图像像素集中数据元素的结构;所述数据集解析子模块用于根据文件头数据得到DICOM文件的重要参数;所述图像数据解析子模块用于根据图像像素数据的起始位置,将文件指针定位在DICOM文件中图像像素数据的起始处,并映射到内存中,至此完成对DICOM动态文件的解析;所述文件播放子模块用于将动态图像的每一帧转换成位图数据,并明确单帧图像的显示及精确定时完成播放。
所述血管区域提取模块以预处理后的图像中若干灰度最深的点作为起始点,根据灰度较深的点密度作为聚类范围连通及扩展的依据,逐步扩展连通区域的范围,并且使用自适应阈值对其进行分割,从而实现较大血管主体部分的识别;采用高斯模板函数对分析范围内的每一个像素点进行卷积操作,分别需进行横、竖、斜三个方向的Gabor滤波,并在此基础上计算Hessian矩阵的特征值,并通过计算每个点的色差倾角来重构边缘影像,识别出血管造影的精确边缘和尺寸较小的血管。
所述血管中轴线提取模块使用上下文信息的相互影响来增强血管结构,并各向异性扩散模糊噪声;使用多尺度多方向的Gabor滤波器提取极值点,采用非极大值抑制算法来提取局部极值点,得到每一个像素的方向之后,在与血管走向垂直的方向上寻找局部极大值;使用阈值分割将图像的灰度级分为若干部分,认为属于同一个部分的像素是同一个物体的方法来提取真实的血管中轴,并结合多方向Gabor滤波后提供的方向信息连接中轴上断点的,用形态学方法找出连通成分,以此作为最终的中轴。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过DICOM格式图像处理***实现DICOM格式医学图像的静态读取与显示和动态播放,在临床中的应用具有重要意义。支持对DICOM文件进行图像形态学变换,并在此基础上实现造影血管区域和血管中轴线的提取,进而分析血管内造影液自动扩展速度,为病理诊断和治疗效果评价提供直观、全面、准确的图像信息。
附图说明
图1是加载原始影像后的界面图;
图2是对原始影像进行sobel以提取边缘的界面图;
图3是对原始影像进行高斯滤波后,再进行Gabor滤波的界面图。
图4是对原始影像进行Gabor滤波结合DBSCAN聚类识别血管的界面图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种DICOM影像血流分析***,包括:DICOM文件读取播放模块,用于打开单个或多个DICOM文件,达到显示连续多帧的图像;形态学变换模块,用于通过对比增强、高斯滤波和/或边缘识别的方式来实现对DICOM文件的预处理;血管区域提取模块,用于基于DBSCAN聚类算法提取血管造影主体部分,通过多尺度Gabor滤波提取血管造影的精细边缘部分;血管中轴线提取模块,用于在提取的血管区域的基础上融合上下文信息进行血管增强,并提取局部极值点作为血管中轴并去除部分伪中轴,进行中轴跟踪形态学方法找出连通成分以此完成中轴提取;计算模块,用于分析每一帧的造影液扩展面积,计算出造影液的平均扩散速度和瞬时扩散速度。
DICOM文件读取播放模块利用开源免费的ezDicom工具包,ezDicom工具包几乎实现了DICOM标准中所有的功能,可以使用其完整的源代码部署在开发平台进行编译。首先需要把ezDicom工具包构建在用户的操作***下运行;然后在delphi开发环境下建立工程,即可完成相应配置。
本工具的界面主要分为菜单区、控制按钮区和主显示区。其中菜单区包括各种实现操作命令的菜单,控制按钮区是一排用于控制显示的按钮,主显示区则对于单幅或连续多帧的图像文件,支持选择逐帧播放和循环显示的模式。图1是加载原始影像后的界面图。
DICOM动态文件的播放其实是按一定的时间间隔依次在屏幕上显示动态图像中的每一帧的过程。首先需要对动态文件进行解析来获得DICOM文件的基本信息,如:患者信息、影像设备信息和图像像素数据等。通过文件识别模块,文件头解析模块,数据集解析模块和图像数据解析模块四个模块来完成DICOM文件的解析,每一模块分别对应获得不同的DICOM动态文件部分。其中文件识别模块获得DICOM文件后,运用文件头解析模块指明所封装的数据集及图像像素集中数据元素的结构;接着数据集解析模块根据文件头数据得到DICOM文件的一些重要参数;最后图像数据解析模块根据图像像素数据的起始位置,从而文件指针定位在DICOM文件中图像像素数据的起始处,并映射到内存中,至此完成对DICOM动态文件的解析。在解析DICOM文件的基础上,为了正确播放,还必须获得无失真的显示医学图像和保持采集图像信息的频率与播放频率一致。保持采集图像信息的频率与播放频率一致,需要把动态图像的每一帧转换成位图数据,明确单帧图像的显示及精确定时后,就可以实现播放速度与画面上的采样时间一致,做到了正确播放。
对形态学变换模块主要支持完成对比增强、高斯滤波等功能。对一些DICOM图像,由于在获取和传输过程中还会受到各种噪声的干扰,清晰度不佳,可采用高斯滤波进行噪声消除,高斯滤波是一种线性平滑滤波算法,广泛应用于图像处理的减噪过程,它通过高斯函数模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值,从而达到消除噪声,使图像平滑的目的。另一些图像,前景与背景灰度差较小,可采用基于形态学的图像处理技术对图像局部进行对比增强处理。对比增强是根据图像灰度范围与显示设备灰度全量范围的比值进行同比例放大,从而达到拉伸灰度范围,自动增加整个图像的对比度,使图像具有较大的反差,达到保留细节特征的目的。图2是对原始影像进行sobel以提取边缘的界面图。
DICOM图像有时还需要提取不同区域的特征,对连通区域识别再进行标记是基础。连通域识别并标记是一种使用形态学膨胀法提取二值图像中的方法,将图像中符合某种连通规则(4邻域连通和8邻域连通)的像素用相同的标号表示出来。
首先对图像进行二值化处理,在这个基础上标注图像的连通分量,利用标注图像对连通区进行操作,扫描标注图像,对像素值为该区编号的像素进行一次进行计数,并找出最大的连通分量。此外,要计算某一连通分量的质心只需扫描一遍标注图像,找出所有像素值为该区域编号的像素的横纵坐标,然后计算其平均值即可计算最大连通分量的中心。图3是对原始影像进行高斯滤波后,再进行Gabor滤波的界面图。
基于DBSCAN聚类和多尺度Gabor滤波的血管造影区域的提取模块,基于DBSCAN聚类算法提取较大血管的主体部分,先对图像进行高斯滤波等预处理,然后以若干灰度最深的点(应在血管内部)作为起始点,根据灰度较深的点密度作为聚类范围连通及扩展的依据,逐步扩展连通区域的范围,并且使用自适应阈值对其进行分割,从而实现较大血管主体部分的识别。但这种方法虽然对尺寸较大的血管有较好的提取效果,但是对于那些与背景灰度相近的尺寸较小血管的增强效果则不明显。之后,还要使用Gabor滤波探查血管的精细边缘和细小的血管,采用高斯模板函数对分析范围内的每一个像素点进行卷积操作,分别需进行横、竖、斜三个方向的Gabor滤波,并在此基础上计算Hessian矩阵的特征值,并通过计算每个点的色差倾角来重构边缘影像,可以识别出血管的精确边缘和尺寸较小的血管。至此,对两种方法分割的结果进行血管区域的叠加,将DBSCAN聚类的结果与Gabor滤波的结果相结合。将Gabor滤波法得到的精细边缘和小血管附加在使用DBSCAN聚类得到的大血管主体上,得到最终的识别图像。图4是对原始影像进行Gabor滤波结合DBSCAN聚类识别血管的界面图。
血管中轴线提取模块,首先对DICOM图像进行预处理如反锐化滤波在原始图像的基础上加上一定比例的图像高频成分,达到边缘和细节对比度增强的效果,并抑制一致性背景成分,进一步突出血管结构。为了使原始图像的质量更好,接着使用上下文信息的相互影响来增强血管结构,并各向异性扩散模糊噪声。然后使用多尺度多方向的Gabor滤波器提取极值点,采用非极大值抑制算法来提取局部极值点,即用血管的走向来指导中轴线的提取,得到每一个像素的方向之后,在与血管走向垂直的方向上寻找局部极大值。紧接着使用阈值分割即用一个或几个阈值将图像的灰度级分为若干部分,认为属于同一个部分的像素是同一个物体的方法来提取真实的血管中轴。最后中轴跟踪的过程,结合多方向Gabor滤波后提供的方向信息连接中轴上断点的,之后用形态学方法找出连通成分,以此作为最终的中轴。
血管内造影液扩展速度计算模块,展示动态图像的DICOM文件由一系列固定时间间隔的静态影像构成,对于每一幅静态影像都进行上述血管造影区域分析,就可以计算每一幅影像的血管中造影液扩展面积,可以计算出造影液的平均扩散速度和瞬时扩散速度。用血管中造影液扩展面积来代表血流的速度,就可以通过分析影像的手段,自动探查血管内的血流速度。
本发明通过DICOM格式图像处理***实现DICOM格式医学图像的静态读取与显示和动态播放,在临床中的应用具有重要意义。支持对DICOM文件进行图像形态学变换,并在此基础上实现造影血管区域和血管中轴线的提取,进而分析血管内造影液自动扩展速度,为病理诊断和治疗效果评价提供直观、全面、准确的图像信息。
Claims (4)
1.一种DICOM影像血流分析***,其特征在于,包括:DICOM文件读取播放模块,用于打开单个或多个DICOM文件,达到显示连续多帧的图像;形态学变换模块,用于通过对比增强、高斯滤波和/或边缘识别的方式来实现对DICOM文件的预处理;血管区域提取模块,用于基于DBSCAN聚类算法提取血管造影主体部分,通过多尺度Gabor滤波提取血管造影的精细边缘部分;血管中轴线提取模块,用于在提取的血管区域的基础上融合上下文信息进行血管增强,并提取局部极值点作为血管中轴并去除部分伪中轴,进行中轴跟踪形态学方法找出连通成分以此完成中轴提取;计算模块,用于分析每一帧的造影液扩展面积,计算出造影液的平均扩散速度和瞬时扩散速度。
2.根据权利要求1所述的DICOM影像血流分析***,其特征在于,所述DICOM文件读取播放模块包括文件识别子模块,文件头解析子模块,数据集解析子模块、图像数据解析子模块和文件播放子模块,所述文件识别子模块用于获取DICOM文件;所述文件头解析子模块用于指明所封装的数据集及图像像素集中数据元素的结构;所述数据集解析子模块用于根据文件头数据得到DICOM文件的重要参数;所述图像数据解析子模块用于根据图像像素数据的起始位置,将文件指针定位在DICOM文件中图像像素数据的起始处,并映射到内存中,至此完成对DICOM动态文件的解析;所述文件播放子模块用于将动态图像的每一帧转换成位图数据,并明确单帧图像的显示及精确定时完成播放。
3.根据权利要求1所述的DICOM影像血流分析***,其特征在于,所述血管区域提取模块以预处理后的图像中若干灰度最深的点作为起始点,根据灰度较深的点密度作为聚类范围连通及扩展的依据,逐步扩展连通区域的范围,并且使用自适应阈值对其进行分割,从而实现较大血管主体部分的识别;采用高斯模板函数对分析范围内的每一个像素点进行卷积操作,分别需进行横、竖、斜三个方向的Gabor滤波,并在此基础上计算Hessian矩阵的特征值,并通过计算每个点的色差倾角来重构边缘影像,识别出血管造影的精确边缘和尺寸较小的血管。
4.根据权利要求1所述的DICOM影像血流分析***,其特征在于,所述血管中轴线提取模块使用上下文信息的相互影响来增强血管结构,并各向异性扩散模糊噪声;使用多尺度多方向的Gabor滤波器提取极值点,采用非极大值抑制算法来提取局部极值点,得到每一个像素的方向之后,在与血管走向垂直的方向上寻找局部极大值;使用阈值分割将图像的灰度级分为若干部分,认为属于同一个部分的像素是同一个物体的方法来提取真实的血管中轴,并结合多方向Gabor滤波后提供的方向信息连接中轴上断点的,用形态学方法找出连通成分,以此作为最终的中轴。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610176939.2A CN105825516B (zh) | 2016-03-25 | 2016-03-25 | 一种dicom影像血流分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610176939.2A CN105825516B (zh) | 2016-03-25 | 2016-03-25 | 一种dicom影像血流分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105825516A true CN105825516A (zh) | 2016-08-03 |
CN105825516B CN105825516B (zh) | 2018-06-19 |
Family
ID=56525090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610176939.2A Active CN105825516B (zh) | 2016-03-25 | 2016-03-25 | 一种dicom影像血流分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105825516B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875375A (zh) * | 2016-12-28 | 2017-06-20 | 浙江工业大学 | 基于管状特征增强滤波和脊线跟踪的三维血管中轴线提取方法 |
CN107595250A (zh) * | 2017-09-30 | 2018-01-19 | 浙江大学 | 基于运动与图形混合对比度的血流成像方法与*** |
CN107909567A (zh) * | 2017-10-31 | 2018-04-13 | 华南理工大学 | 数字图像的细长型连通区域提取方法 |
CN107970041A (zh) * | 2017-12-29 | 2018-05-01 | 深圳开立生物医疗科技股份有限公司 | 对造影剂的流动方向标识的方法、装置及设备 |
CN108630301A (zh) * | 2018-04-16 | 2018-10-09 | 北京市神经外科研究所 | 一种特征标记方法及装置、计算机存储介质 |
CN109978781A (zh) * | 2019-03-14 | 2019-07-05 | 北京工业大学 | 一种基于极值区域检测的血管内超声图像分割方法 |
CN110232670A (zh) * | 2019-06-19 | 2019-09-13 | 重庆大学 | 一种基于高低频分离的图像视觉效果增强的方法 |
CN110288572A (zh) * | 2019-06-13 | 2019-09-27 | 北京理工大学 | 血管中心线自动提取方法及装置 |
CN110840401A (zh) * | 2019-11-15 | 2020-02-28 | 浪潮电子信息产业股份有限公司 | 一种心率值测定方法、装置、设备及可读存储介质 |
CN111784762A (zh) * | 2020-06-01 | 2020-10-16 | 北京理工大学 | X光造影图像血管中心线提取方法及装置 |
CN112017760A (zh) * | 2019-05-28 | 2020-12-01 | 长庚医学科技股份有限公司 | 循血绿荧光影像分析方法及装置 |
CN112136182A (zh) * | 2017-11-16 | 2020-12-25 | 杨晓东 | 基于Gabor光学相干层析术血流成像的***和方法 |
CN113160120A (zh) * | 2021-02-05 | 2021-07-23 | 十堰市太和医院 | 基于多模态融合与深度学习的肝脏血管分割方法及*** |
CN113420780A (zh) * | 2021-05-24 | 2021-09-21 | 中国科学院地理科学与资源研究所 | 一种遥感时空谱特征融合的养殖池提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346803A (zh) * | 2010-07-28 | 2012-02-08 | 北京集翔多维信息技术有限公司 | 心血管造影图像分析*** |
US20130051640A1 (en) * | 2011-07-25 | 2013-02-28 | Siemens Corporation | Method for vascular flow pattern analysis |
CN104856653B (zh) * | 2015-06-12 | 2017-06-30 | 广州医软智能科技有限公司 | 用于检测血管的装置与方法 |
-
2016
- 2016-03-25 CN CN201610176939.2A patent/CN105825516B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346803A (zh) * | 2010-07-28 | 2012-02-08 | 北京集翔多维信息技术有限公司 | 心血管造影图像分析*** |
US20130051640A1 (en) * | 2011-07-25 | 2013-02-28 | Siemens Corporation | Method for vascular flow pattern analysis |
CN104856653B (zh) * | 2015-06-12 | 2017-06-30 | 广州医软智能科技有限公司 | 用于检测血管的装置与方法 |
Non-Patent Citations (2)
Title |
---|
刘潇潇 等: "基于多尺度Gabor滤波的造影血管", 《中国图象图形学报》 * |
魏军 等: "DICOM图像文件解析及程序设计", 《济南大学学报》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875375A (zh) * | 2016-12-28 | 2017-06-20 | 浙江工业大学 | 基于管状特征增强滤波和脊线跟踪的三维血管中轴线提取方法 |
CN106875375B (zh) * | 2016-12-28 | 2019-07-30 | 浙江工业大学 | 一种基于管状特征跟踪的三维血管中轴线提取方法 |
CN107595250A (zh) * | 2017-09-30 | 2018-01-19 | 浙江大学 | 基于运动与图形混合对比度的血流成像方法与*** |
CN107595250B (zh) * | 2017-09-30 | 2023-03-31 | 浙江大学 | 基于运动与图形混合对比度的血流成像方法与*** |
CN107909567A (zh) * | 2017-10-31 | 2018-04-13 | 华南理工大学 | 数字图像的细长型连通区域提取方法 |
CN107909567B (zh) * | 2017-10-31 | 2022-02-15 | 华南理工大学 | 数字图像的细长型连通区域提取方法 |
CN112136182A (zh) * | 2017-11-16 | 2020-12-25 | 杨晓东 | 基于Gabor光学相干层析术血流成像的***和方法 |
CN107970041A (zh) * | 2017-12-29 | 2018-05-01 | 深圳开立生物医疗科技股份有限公司 | 对造影剂的流动方向标识的方法、装置及设备 |
CN108630301A (zh) * | 2018-04-16 | 2018-10-09 | 北京市神经外科研究所 | 一种特征标记方法及装置、计算机存储介质 |
CN108630301B (zh) * | 2018-04-16 | 2021-07-02 | 北京市神经外科研究所 | 一种特征标记方法及装置、计算机存储介质 |
CN109978781A (zh) * | 2019-03-14 | 2019-07-05 | 北京工业大学 | 一种基于极值区域检测的血管内超声图像分割方法 |
CN112017760A (zh) * | 2019-05-28 | 2020-12-01 | 长庚医学科技股份有限公司 | 循血绿荧光影像分析方法及装置 |
CN110288572A (zh) * | 2019-06-13 | 2019-09-27 | 北京理工大学 | 血管中心线自动提取方法及装置 |
CN110232670A (zh) * | 2019-06-19 | 2019-09-13 | 重庆大学 | 一种基于高低频分离的图像视觉效果增强的方法 |
CN110232670B (zh) * | 2019-06-19 | 2023-05-12 | 重庆大学 | 一种基于高低频分离的图像视觉效果增强的方法 |
CN110840401A (zh) * | 2019-11-15 | 2020-02-28 | 浪潮电子信息产业股份有限公司 | 一种心率值测定方法、装置、设备及可读存储介质 |
CN111784762A (zh) * | 2020-06-01 | 2020-10-16 | 北京理工大学 | X光造影图像血管中心线提取方法及装置 |
CN111784762B (zh) * | 2020-06-01 | 2023-05-30 | 北京理工大学 | X光造影图像血管中心线提取方法及装置 |
CN113160120A (zh) * | 2021-02-05 | 2021-07-23 | 十堰市太和医院 | 基于多模态融合与深度学习的肝脏血管分割方法及*** |
CN113420780A (zh) * | 2021-05-24 | 2021-09-21 | 中国科学院地理科学与资源研究所 | 一种遥感时空谱特征融合的养殖池提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105825516B (zh) | 2018-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825516A (zh) | 一种dicom影像血流分析*** | |
CN105279759B (zh) | 结合上下信息窄带约束的腹腔主动脉瘤外轮廓分割方法 | |
CN105261015B (zh) | 基于Gabor滤波器的眼底图像血管自动分割方法 | |
CN108186051B (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理*** | |
US20110257527A1 (en) | Ultrasound carotid media wall classification and imt measurement in curved vessels using recursive refinement and validation | |
CN106157279A (zh) | 基于形态学分割的眼底图像病变检测方法 | |
CN108378869B (zh) | 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理*** | |
CN107085726A (zh) | 基于多方法去噪和连通区域分析的甲骨拓片单字定位方法 | |
CN102860814B (zh) | 一种oct合成眼底图视盘中心定位方法及设备 | |
CN109363697B (zh) | 一种乳腺影像病灶识别的方法及装置 | |
CN108294728A (zh) | 伤口状态分析方法与*** | |
CN107958453A (zh) | 乳腺图像病变区域的检测方法、装置及计算机存储介质 | |
CN104036521A (zh) | 一种新的视网膜眼底图像分割方法 | |
EP3797693A1 (en) | Information processing device, information processing method, and computer program | |
Osma-Ruiz et al. | Segmentation of the glottal space from laryngeal images using the watershed transform | |
Andrade-Miranda et al. | An automatic method to detect and track the glottal gap from high speed videoendoscopic images | |
CN115546232A (zh) | 一种肝脏超声图像工作区域提取方法、***及电子设备 | |
CN117333529B (zh) | 一种基于模板匹配的血管超声内膜自动化测量方法及*** | |
CN105225234A (zh) | 基于支持向量机mri图像分割的肺部肿瘤识别方法 | |
CN108364289A (zh) | Ivoct图像易损斑块自动检测方法 | |
CN110648333B (zh) | 基于中智学理论的乳腺超声视频图像实时分割*** | |
CN105184799A (zh) | 一种改进的无监督脑部肿瘤mri图像分割方法 | |
US20160260209A1 (en) | Medical image processing apparatus, medical image diagnostic apparatus, medical image processing method, and ultrasonic image processing method | |
CN113793316B (zh) | 一种超声扫查区域提取方法、装置、设备和存储介质 | |
CN113940704A (zh) | 一种基于甲状腺的肌肉和筋膜检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |