CN105894445A - 一种冠脉图像处理方法和装置 - Google Patents
一种冠脉图像处理方法和装置 Download PDFInfo
- Publication number
- CN105894445A CN105894445A CN201610201387.6A CN201610201387A CN105894445A CN 105894445 A CN105894445 A CN 105894445A CN 201610201387 A CN201610201387 A CN 201610201387A CN 105894445 A CN105894445 A CN 105894445A
- Authority
- CN
- China
- Prior art keywords
- image
- arteria coronaria
- dsa
- blood vessel
- picture
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 162
- 230000004927 fusion Effects 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 18
- 210000001367 artery Anatomy 0.000 claims description 16
- 210000003462 vein Anatomy 0.000 claims description 16
- 238000002601 radiography Methods 0.000 claims description 14
- 238000002583 angiography Methods 0.000 claims description 12
- 230000002708 enhancing effect Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000002591 computed tomography Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005728 strengthening Methods 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 208000029078 coronary artery disease Diseases 0.000 abstract 1
- 230000001225 therapeutic effect Effects 0.000 description 14
- 210000000709 aorta Anatomy 0.000 description 11
- 238000002586 coronary angiography Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 239000002872 contrast media Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000000193 iodinated contrast media Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 231100000915 pathological change Toxicity 0.000 description 3
- 230000036285 pathological change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010053648 Vascular occlusion Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015624 blood vessel development Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 208000021331 vascular occlusion disease Diseases 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种冠脉图像处理方法和装置,所述方法包括:获取病人的冠脉CTA图像和冠脉DSA图像序列;对得到的冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像;从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线;通过对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA图像的冠脉融合图像。通过本发明可以使医生根据清晰的冠脉图像对病人的冠脉病变进行诊断治疗。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种冠脉图像处理方法和装置。
背景技术
目前,医学影像是指为了医疗或医学研究,对人体或人体某部分,以非侵入方式取得的人体内部组织影像。现有的医学影像主要包括计算机断层摄影血管造影术(Computed TomographicAngiography,CTA)和数字减影血管造影技术(Digital SubtractionAngiography,DSA)等。当医生在给病人的冠状动脉(简称冠脉)病症进行诊断治疗的过程中,会先获取病人的冠脉造影图像,并通过得到的冠脉造影图像来对病人的冠脉病症进行诊断治疗。
现有的冠脉造影图像的造影过程是利用DSA,先将作为造影剂的碘对比剂注入冠脉开口,依靠碘对比剂流经的方向和充盈的冠脉血管,然后借助X线辅助采集病人的冠脉血管中被碘对比剂充盈的冠脉血管的造影图像。
但是医生在通过病人的冠脉造影图像对冠脉病症进行诊断治疗的过程中,由于得到的造影图像中没有显示出碘对比剂未流经和充盈的冠脉血管的造影,所以医生就不能对冠脉血管中未造影血管部分发生的病变进行诊断治疗,使得医生并不能在掌握病人的全部冠脉信息的情况下得到对病人的治疗方案,可能造成得到的治疗方案对病人的治疗效果不好且治疗时间长的缺陷。
发明内容
有鉴于此,本发明实施例的目的在于提供一种冠脉图像处理方法和装置,以使医生可以根据清晰的冠脉图像对病人的冠脉病变进行诊断治疗,增加治疗方案对病人的治疗效果。
第一方面,本发明实施例提供了一种冠脉图像处理方法,包括:
获取病人的冠脉计算机断层摄影血管造影术CTA图像和冠脉数字减影血管造影技术DSA图像序列;
对得到的所述冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的所述三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像;
从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线;
通过对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA图像的冠脉融合图像。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,从得到的所述三维冠脉图像中,获取所述冠脉血管的模拟造影图像,包括:
通过预先设定的投影主角度和投影副角度,对所述三维冠脉图像进行投影,得到多个冠脉投影图像,其中,所述投影主角度是投影光源在所述冠脉血管CTA图像中心线方向上旋转的角度,所述投影副角度是投影光源在垂直于所述冠脉血管CTA图像中心线方向上旋转的角度;
将得到的多个所述冠脉投影图像展示给医生;
将所述医生从多个所述冠脉投影图像中选出的图像作为所述冠脉血管的模拟造影图像。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线,包括:
从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像;
对确定的所述冠脉DSA图像进行增强,得到冠脉DSA增强图像;
从得到的所述冠脉DSA增强图像中确定出冠脉血管DSA图像中心线。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,对确定的所述冠脉DSA图像进行增强,得到冠脉DSA增强图像,包括:
在预设的多个血管半径下,通过以下公式得到所述冠脉DSA图像在所述多个血管半径中的每个血管半径对应的图像增强参数:
其中,λ、RB和S为预设常数,β和c为加权因子,V(s)表示图像增强参数;
从得到的每个所述血管半径对应的图像增强参数中选择最大的图像增强参数对所述冠脉DSA图像进行增强,得到冠脉DSA增强图像。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,通过对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA图像的冠脉融合图像,包括:
向医生展示所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线;
获取医生在所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线上标识出的配准点;
根据所述医生标识出的配准点,对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA增强图像的冠脉融合图像。
第二方面,本发明实施例提供了一种冠脉图像处理装置,包括:
图像获取模块,用于获取病人的冠脉计算机断层摄影血管造影术CTA图像和冠脉数字减影血管造影技术DSA图像序列;
第一图像处理模块,用于对得到的所述冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的所述三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像;
第二图像处理模块,用于从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线;
图像融合模块,用于通过对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA图像的冠脉融合图像。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述第一图像处理模块,包括:
投影单元,用于通过预先设定的投影主角度和投影副角度,对所述三维冠脉图像进行投影,得到多个冠脉投影图像,其中,所述投影主角度是投影光源在所述冠脉血管CTA图像中心线方向上旋转的角度,所述投影副角度是投影光源在垂直于所述冠脉血管CTA图像中心线方向上旋转的角度;
展示单元,用于将得到的多个所述冠脉投影图像展示给医生;
确定单元,用于将所述医生从多个所述冠脉投影图像中选出的图像作为所述冠脉血管的模拟造影图像。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,所述第二图像处理模块,包括:
相似图像确定单元,用于从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像;
图像增强单元,用于对确定的所述冠脉DSA图像进行增强,得到冠脉DSA增强图像;
提取单元,用于从得到的所述冠脉DSA增强图像中确定出冠脉血管DSA图像中心线。
结合第二方面,本发明实施例提供了第二方面的第三种可能的实施方式,其中,所述图像增强单元,包括:
计算子单元,用于在预设的多个血管半径下,通过以下公式得到所述冠脉DSA图像在所述多个血管半径中的每个血管半径对应的图像增强参数:
其中,λ、RB和S为预设常数,β和c为加权因子,V(s)表示图像增强参数;
增强子单元,用于从得到的每个所述血管半径对应的图像增强参数中选择最大的图像增强参数对所述冠脉DSA图像进行增强,得到冠脉DSA增强图像。
结合第二方面,本发明实施例提供了第二方面的第四种可能的实施方式,其中,所述图像融合模块,包括:
中心线展示单元,向医生展示所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线;
配准点获取单元,用于获取医生在所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线上标识出的配准点;
融合单元,用于根据所述医生标识出的配准点,对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA增强图像的冠脉融合图像。
本发明实施例提供的冠脉图像处理方法和装置,通过将从三维重建后的冠脉CTA图像和冠脉DSA图像序列中分别获取到的冠脉血管CTA图像中心线和冠脉血管DSA图像中心线进行配准,对由冠脉CTA图像中得到的模拟造影图像和由冠脉DSA图像序列中得到的冠脉血管DSA图像进行图像融合,得到模拟造影图像和冠脉DSA图像的冠脉融合图像,与现有技术中只得到冠脉造影图像就返回给医生进行医疗诊断相比,可以使向医生返回的冠脉融合图像不受造影剂的影响,将病人清晰的冠脉融合图像展示给医生,使得医生可以在掌握病人的全部冠脉信息的情况下得到对病人的治疗方案;从而,使得到的治疗方案具有针对性更强、治疗效果更好且治疗时间短的特点。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例1所提供的一种冠脉图像处理方法的流程图;
图2示出了本发明实施例2所提供的一种冠脉图像处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
考虑到相关技术中,医生在通过病人的冠脉造影图像对冠脉病症进行诊断治疗的过程中,由于得到的造影图像中没有显示出碘对比剂未流经和充盈的冠脉血管的造影,所以医生就不能对冠脉血管中未造影血管部分发生的病变进行诊断治疗,使得医生并不能在掌握病人的全部冠脉信息的情况下得到对病人的治疗方案,可能造成得到的治疗方案对病人的治疗效果不好且治疗时间长的缺陷。基于此,本发明实施例提供了一种冠脉图像处理方法和装置,下面通过实施例进行描述。
实施例1
本实施例提供了一种冠脉图像处理方法,本发明实施例的执行主体为包括服务器、CTA机和DSA机的医学影像***,其中,服务器分别与CTA机和DSA机进行数据交互,医生先通过服务器向CTA机和DSA机发出指令,分别得到病人的冠脉CTA图像和冠脉DSA图像序列,然后服务器会从CTA机和DSA机中分别获取病人的冠脉CTA图像和冠脉DSA图像序列,并进行处理,得到冠脉融合图像。
其中,服务器可以使用现有的任何型号的计算终端,这里不再一一赘述。
参见图1,本实施例提出的冠脉图像处理方法,包括以下步骤:
步骤100、获取病人的冠脉CTA图像和冠脉DSA图像序列。
其中,冠脉CTA图像和冠脉DSA图像序列分别是病人在CTA机和DSA机中得到的医学影像。
冠脉DSA图像序列,包括多个冠脉DSA图像。
步骤102、对得到的冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像。
其中,服务器对得到的冠脉CTA图像通过现有的任何三维重建算法,对CT冠脉造影图像进行三维重建,这里不再一一赘述。
医生可以通过三维重建图像清楚的看到每条冠脉血管的走势与状态,从而帮助医生对病人整体的病情有更清楚的了解,医生也能更加清楚的对病变冠脉血管的狭窄程度与狭窄位置进行判断。
具体地,从得到的三维冠脉图像中,提取出冠脉血管CTA图像中心线,具体包括以下步骤(1)至步骤(3):
(1)利用霍夫圆检测算法,从冠脉CTA图像中确定出升主动脉图像的中心;
(2)根据确定的升主动脉图像的中心,从冠脉CTA图像中提取出冠脉血管图像;
(3)从提取出的冠脉血管图像中,确定出冠脉血管CTA图像中心线。
在步骤1中,利用升主动脉圆柱状特性,利用霍夫圆检测算法从病人序列图像初始层逐层对整个图像进行圆形检测,当其中某一个圆心在连续几层上位置变化范围很小的时候,服务器可以确定该圆心即为升主动脉的中心。
步骤2具体包括以下步骤(21)至步骤(23):
(21)根据升主动脉图像的中心,利用区域增长算法提取升主动脉图像;
(22)利用膨胀腐蚀算法对三维冠脉图像中的冠脉血管图像进行增强;
(23)利用升主动脉图像,对增强后的冠脉血管图像进行区域增长,提取出冠脉血管图像。
在步骤(23)中,在增强后的图像中利用已经提取出的升主动脉最外表面上的所有点作为种子点,在增强图像中做区域增长,其中增长长度最长且不同的两条血管即为冠脉血管左右两只。升主动脉最外表面的提取方法为,利用形态学算法对升主动脉进行腐蚀操作,然后利用原升主动脉图像减去腐蚀后的升主动脉图像即可得出。
针对血管闭塞严重的血管,因为闭塞部分血管显影不明显,可能无法自动提取出,这里需要医生针对闭塞严重血管进行手动提取。手动提取过程可以利用血管CT值局部相似性,以多个种子点在小范围内对血管进行提取从而保证血管的连续性。
步骤3具体包括以下步骤(31)至步骤(33):
(31)对冠脉血管图像进行二值化操作,得到冠脉血管的二值图像;
(32)对冠脉血管的二值图像进行三维细化操作,提取血管的粗略中心线;
(33)对冠脉血管的粗略中心线进行连通域检测,确定出冠脉血管的端点;
(34)计算升主动脉图像的中心到冠脉血管的端点的最短路径,以得到的最短路径作为冠脉血管CTA图像中心线。
在步骤33中,连通域检测结果表示每一点在1个像素的三维邻域内相邻点的个数。当结果为1时,该像素点即为冠脉血管的端点。统计连通域检测所有结果为1且属于冠脉血管上的点即为每条冠脉血管分支的端点。
在步骤34中,根据欧式距离变换对提取出的冠脉血管的二值图像进行距离变换,在距离场中分别计算升主动脉几何中点到冠脉血管末梢点的最短路径。每个末梢点与升主动脉的几何中心所构成的最短路径记为该条血管所对应的中心线。
步骤104、从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线。
步骤106、通过对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA图像的冠脉融合图像。
综上所述,本实施例提供的冠脉图像处理方法,通过将从三维重建后的冠脉CTA图像和冠脉DSA图像序列中分别获取到的冠脉血管CTA图像中心线和冠脉血管DSA图像中心线进行配准,对由冠脉CTA图像中得到的模拟造影图像和由冠脉DSA图像序列中得到的冠脉血管DSA图像进行图像融合,得到模拟造影图像和冠脉DSA图像的冠脉融合图像,与现有技术中只得到冠脉造影图像就返回给医生进行医疗诊断相比,可以使向医生返回的冠脉融合图像不受造影剂的影响,将病人清晰的冠脉融合图像展示给医生,使得医生可以在掌握病人的全部冠脉信息的情况下得到对病人的治疗方案;从而,使得到的治疗方案具有针对性更强、治疗效果更好且治疗时间短的特点。
相关技术中,在进行图像融合时,会选择两张待融合图像进行融合,但如果选择的两张待融合图像的图像相似度不高,那么会导致融合后的图像的清晰度不高;所以,为了更好的得到模拟投影图像,在以上实例中,从得到的三维冠脉图像中,获取冠脉血管的模拟造影图像,包括以下步骤(1)至步骤(3):
(1)通过预先设定的投影主角度和投影副角度,对三维冠脉图像进行投影,得到多个冠脉投影图像,其中,投影主角度是投影光源在冠脉血管CTA图像中心线方向上旋转的角度,投影副角度是投影光源在垂直于冠脉血管CTA图像中心线方向上旋转的角度;
(2)将得到的多个冠脉投影图像展示给医生;
(3)将医生从多个冠脉投影图像中选出的图像作为冠脉血管的模拟造影图像。
在步骤1中,投影主角度旋转矩阵如下:
投影副角度旋转矩阵如下:
进一步地,为了保证两张待融合图像的相似度,在本实例中,从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线,包括以下步骤(1)至步骤(3):
(1)从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像;
(2)对确定的冠脉DSA图像进行增强,得到冠脉DSA增强图像;
(3)从得到的冠脉DSA增强图像中确定出冠脉血管DSA图像中心线。
其中,从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像具体包括如下步骤(11)至(12):
(11)逐一计算冠脉DSA图像序列中的各冠脉DSA图像与模拟造影图像的相似度;
(12)根据得到的相似度,确定相似度最大的冠脉DSA图像作为与模拟造影图像最相似的冠脉DSA图像。
在步骤11中,可以通过全局检测算法、局部检测算法或者计算冠脉DSA图像序列中的各冠脉DSA图像与模拟造影图像的汉明距离,来确定冠脉DSA图像序列中的各冠脉DSA图像与模拟造影图像的相似度。
在步骤2中,为了使融合之后的图像更清晰,对确定的冠脉DSA图像进行增强,得到冠脉DSA增强图像,包括以下步骤(21)至步骤(22):
(21)在预设的多个血管半径下,通过以下公式得到冠脉DSA图像在多个血管半径中的每个血管半径对应的图像增强参数:
其中,λ、RB和S为预设常数,β和c为加权因子,V(s)表示图像增强参数;
(22)从得到的每个血管半径对应的图像增强参数中选择最大的图像增强参数对冠脉DSA图像进行增强,得到冠脉DSA增强图像。
综上所述,通过计算得到的图像增强参数对冠脉DSA图像进行增强,得到冠脉DSA增强图像,然后将得到的冠脉DSA增强图像与模拟造影图像进行图像融合,从而使融合后的图像更清晰。
具体地,从得到的冠脉DSA增强图像中提取出冠脉血管DSA图像中心线包括以下步骤(31)至步骤(32):
(31)通过梯度分水岭算法,提取得到的冠脉DSA增强图像中的冠脉血管;
(32)通过二维细化算法,从提取出的冠脉血管中确定出冠脉血管DSA图像中心线。
综上所述,通过将对三维冠脉图像进行投影得到多个冠脉投影图像展示给医生,并将医生从多个冠脉投影图像中选出的图像作为冠脉血管的模拟造影图像,并从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像,从而可以在后续的图像融合步骤中,将两张相似度高的待融合图像进行图像融合,保证了融合后的图像的清晰度。
相关技术中,服务器只能根据自身设定的规则进行图像融合,图像融合的准确性偏低,容易造成融合后得到的融合图像清晰度较差,所以,为了进一步提高融合后的融合图像的清晰度,在本实例中,通过对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA图像的冠脉融合图像,包括以下步骤(1)至步骤(3):
(1)向医生展示冠脉血管DSA图像中心线和冠脉血管CTA图像中心线;
(2)获取医生在冠脉血管DSA图像中心线和冠脉血管CTA图像中心线上标识出的配准点;
(3)根据医生标识出的配准点,对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA增强图像的冠脉融合图像。
在步骤2中,医生会在冠脉血管DSA图像中心线上标识出第一配准点,在冠脉血管CTA图像中心线上标识出第二配准点,然后会建立第一配准点和第二配准点的对应关系,并将标识出配准点的冠脉血管DSA图像中心线和冠脉血管CTA图像中心线以及第一配准点和第二配准点的对应关系返回给服务器,使得服务器根据标识出配准点的冠脉血管DSA图像中心线和冠脉血管CTA图像中心线以及第一配准点和第二配准点的对应关系,对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA增强图像的冠脉融合图像。
综上所述,通过医生在冠脉血管DSA图像中心线和冠脉血管CTA图像中心线上分别标识出的配准点,对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA增强图像的冠脉融合图像,可以得到优秀的配准结果,从而保证融合后得到的冠脉融合图像的清晰度较高,满足医生诊断治疗的需求。
实施例2
参见图2,本实施例提供一种冠脉图像处理装置,用于执行上述的冠脉图像处理方法,该装置具体包括:
图像获取模块200,用于获取病人的冠脉CTA图像和冠脉DSA图像序列;
第一图像处理模块202,用于对得到的冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像;
第二图像处理模块204,用于从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线;
图像融合模块206,用于通过对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA图像的冠脉融合图像。
相关技术中,在进行图像融合时,会选择两张待融合图像进行融合,但如果选择的两张待融合图像的图像相似度不高,那么会导致融合后的图像的清晰度不高;所以,为了更好的得到模拟投影图像,第一图像处理模块202,包括:
投影单元,用于通过预先设定的投影主角度和投影副角度,对三维冠脉图像进行投影,得到多个冠脉投影图像,其中,投影主角度是投影光源在冠脉血管CTA图像中心线方向上旋转的角度,投影副角度是投影光源在垂直于冠脉血管CTA图像中心线方向上旋转的角度;
展示单元,用于将得到的多个冠脉投影图像展示给医生;
确定单元,用于将医生从多个冠脉投影图像中选出的图像作为冠脉血管的模拟造影图像。
进一步地,为了保证两张待融合图像的相似度,在本实例中,第二图像处理模块204,包括:
相似图像确定单元,用于从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像;
图像增强单元,用于对确定的冠脉DSA图像进行增强,得到冠脉DSA增强图像;
提取单元,用于从得到的冠脉DSA增强图像中确定出冠脉血管DSA图像中心线。
综上所述,通过将对三维冠脉图像进行投影得到多个冠脉投影图像展示给医生,并将医生从多个冠脉投影图像中选出的图像作为冠脉血管的模拟造影图像,并从获取到的冠脉DSA图像序列中,确定出与模拟造影图像最相似的冠脉DSA图像,从而可以在后续的图像融合步骤中,将两张相似度高的待融合图像进行图像融合,保证了融合后的图像的清晰度。
为了使融合之后的图像更清晰,图像增强单元,包括:
计算子单元,用于在预设的多个血管半径下,通过以下公式得到冠脉DSA图像在多个血管半径中的每个血管半径对应的图像增强参数:
其中,λ、RB和S为预设常数,β和c为加权因子,V(s)表示图像增强参数;
增强子单元,用于从得到的每个血管半径对应的图像增强参数中选择最大的图像增强参数对冠脉DSA图像进行增强,得到冠脉DSA增强图像。
综上所述,通过计算得到的图像增强参数对冠脉DSA图像进行增强,得到冠脉DSA增强图像,然后将得到的冠脉DSA增强图像与模拟造影图像进行图像融合,从而使融合后的图像更清晰。
相关技术中,服务器只能根据自身设定的规则进行图像融合,图像融合的准确性偏低,容易造成融合后得到的融合图像清晰度较差,所以,为了进一步提高融合后的融合图像的清晰度,图像融合模块,包括:
中心线展示单元,向医生展示冠脉血管DSA图像中心线和冠脉血管CTA图像中心线;
配准点获取单元,用于获取医生在冠脉血管DSA图像中心线和冠脉血管CTA图像中心线上标识出的配准点;
融合单元,用于根据医生标识出的配准点,对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA增强图像的冠脉融合图像。
综上所述,通过医生在冠脉血管DSA图像中心线和冠脉血管CTA图像中心线上分别标识出的配准点,对冠脉血管DSA图像中心线和冠脉血管CTA图像中心线进行配准,得到模拟造影图像和冠脉DSA增强图像的冠脉融合图像,可以得到优秀的配准结果,从而保证融合后得到的冠脉融合图像的清晰度较高,满足医生诊断治疗的需求。
综上所述,本实施例提供的冠脉图像处理装置,通过将从三维重建后的冠脉CTA图像和冠脉DSA图像序列中分别获取到的冠脉血管CTA图像中心线和冠脉血管DSA图像中心线进行配准,对由冠脉CTA图像中得到的模拟造影图像和由冠脉DSA图像序列中得到的冠脉血管DSA图像进行图像融合,得到模拟造影图像和冠脉DSA图像的冠脉融合图像,与现有技术中只得到冠脉造影图像就返回给医生进行医疗诊断相比,可以使向医生返回的冠脉融合图像不受造影剂的影响,将病人清晰的冠脉融合图像展示给医生,使得医生可以在掌握病人的全部冠脉信息的情况下得到对病人的治疗方案;从而,使得到的治疗方案具有针对性更强、治疗效果更好且治疗时间短的特点。
本发明实施例所提供的进行冠脉图像处理方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种冠脉图像处理方法,其特征在于,包括:
获取病人的冠脉计算机断层摄影血管造影术CTA图像和冠脉数字减影血管造影技术DSA图像序列;
对得到的所述冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的所述三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像;
从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线;
通过对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA图像的冠脉融合图像。
2.根据权利要求1所述的方法,其特征在于,从得到的所述三维冠脉图像中,获取所述冠脉血管的模拟造影图像,包括:
通过预先设定的投影主角度和投影副角度,对所述三维冠脉图像进行投影,得到多个冠脉投影图像,其中,所述投影主角度是投影光源在所述冠脉血管CTA图像中心线方向上旋转的角度,所述投影副角度是投影光源在垂直于所述冠脉血管CTA图像中心线方向上旋转的角度;
将得到的多个所述冠脉投影图像展示给医生;
将所述医生从多个所述冠脉投影图像中选出的图像作为所述冠脉血管的模拟造影图像。
3.根据权利要求1所述的方法,其特征在于,从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线,包括:
从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像;
对确定的所述冠脉DSA图像进行增强,得到冠脉DSA增强图像;
从得到的所述冠脉DSA增强图像中确定出冠脉血管DSA图像中心线。
4.根据权利要求3所述的方法,其特征在于,对确定的所述冠脉DSA图像进行增强,得到冠脉DSA增强图像,包括:
在预设的多个血管半径下,通过以下公式得到所述冠脉DSA图像在所述多个血管半径中的每个血管半径对应的图像增强参数:
其中,λ、RB和S为预设常数,β和c为加权因子,V(s)表示图像增强参数;
从得到的每个所述血管半径对应的图像增强参数中选择最大的图像增强参数对所述冠脉DSA图像进行增强,得到冠脉DSA增强图像。
5.根据权利要求3所述的方法,其特征在于,通过对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA图像的冠脉融合图像,包括:
向医生展示所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线;
获取医生在所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线上标识出的配准点;
根据所述医生标识出的配准点,对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA增强图像的冠脉融合图像。
6.一种冠脉图像处理装置,其特征在于,包括:
图像获取模块,用于获取病人的冠脉计算机断层摄影血管造影术CTA图像和冠脉数字减影血管造影技术DSA图像序列;
第一图像处理模块,用于对得到的所述冠脉CTA图像进行三维重建,得到三维冠脉图像,并从得到的所述三维冠脉图像中,获取冠脉血管CTA图像中心线和冠脉血管的模拟造影图像;
第二图像处理模块,用于从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像和冠脉血管DSA图像中心线;
图像融合模块,用于通过对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA图像的冠脉融合图像。
7.根据权利要求6所述的装置,其特征在于,所述第一图像处理模块,包括:
投影单元,用于通过预先设定的投影主角度和投影副角度,对所述三维冠脉图像进行投影,得到多个冠脉投影图像,其中,所述投影主角度是投影光源在所述冠脉血管CTA图像中心线方向上旋转的角度,所述投影副角度是投影光源在垂直于所述冠脉血管CTA图像中心线方向上旋转的角度;
展示单元,用于将得到的多个所述冠脉投影图像展示给医生;
确定单元,用于将所述医生从多个所述冠脉投影图像中选出的图像作为所述冠脉血管的模拟造影图像。
8.根据权利要求6所述的装置,其特征在于,所述第二图像处理模块,包括:
相似图像确定单元,用于从获取到的所述冠脉DSA图像序列中,确定出与所述模拟造影图像最相似的冠脉DSA图像;
图像增强单元,用于对确定的所述冠脉DSA图像进行增强,得到冠脉DSA增强图像;
提取单元,用于从得到的所述冠脉DSA增强图像中确定出冠脉血管DSA图像中心线。
9.根据权利要求8所述的装置,其特征在于,所述图像增强单元,包括:
计算子单元,用于在预设的多个血管半径下,通过以下公式得到所述冠脉DSA图像在所述多个血管半径中的每个血管半径对应的图像增强参数:
其中,λ、RB和S为预设常数,β和c为加权因子,V(s)表示图像增强参数;
增强子单元,用于从得到的每个所述血管半径对应的图像增强参数中选择最大的图像增强参数对所述冠脉DSA图像进行增强,得到冠脉DSA增强图像。
10.根据权利要求8所述的装置,其特征在于,所述图像融合模块,包括:
中心线展示单元,向医生展示所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线;
配准点获取单元,用于获取医生在所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线上标识出的配准点;
融合单元,用于根据所述医生标识出的配准点,对所述冠脉血管DSA图像中心线和所述冠脉血管CTA图像中心线进行配准,得到所述模拟造影图像和所述冠脉DSA增强图像的冠脉融合图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610201387.6A CN105894445B (zh) | 2016-03-31 | 2016-03-31 | 一种冠脉图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610201387.6A CN105894445B (zh) | 2016-03-31 | 2016-03-31 | 一种冠脉图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105894445A true CN105894445A (zh) | 2016-08-24 |
CN105894445B CN105894445B (zh) | 2019-06-11 |
Family
ID=57012247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610201387.6A Active CN105894445B (zh) | 2016-03-31 | 2016-03-31 | 一种冠脉图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105894445B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242075A (zh) * | 2018-01-05 | 2018-07-03 | 苏州润迈德医疗科技有限公司 | 一种基于x射线冠脉造影图像的多角度血管重建方法 |
WO2019019053A1 (zh) * | 2017-07-26 | 2019-01-31 | 深圳先进技术研究院 | 在cta图像中提取心血管方法、装置、设备及存储介质 |
CN112648935A (zh) * | 2020-12-14 | 2021-04-13 | 杭州思锐迪科技有限公司 | 一种图像处理方法、装置和三维扫描*** |
CN112690814A (zh) * | 2020-11-06 | 2021-04-23 | 杭州阿特瑞科技有限公司 | 一种低误差的冠状动脉血流储备分数测量方法 |
CN113240684A (zh) * | 2019-07-05 | 2021-08-10 | 心医国际数字医疗***(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN113298745A (zh) * | 2020-06-30 | 2021-08-24 | 首都医科大学附属北京友谊医院 | Cta三维重建镜像数据图像投影方法、图像处理方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3030332A1 (de) * | 1980-08-11 | 1982-02-25 | Siemens AG, 1000 Berlin und 8000 München | Roentgenuntersuchungsgeraet mit einer fernsteuerbaren primaerstrahlenblende |
CN1919157A (zh) * | 2006-09-15 | 2007-02-28 | 李晓峰 | 可描述牙齿咬合关系的精细个性化头颅模型的制造方法 |
CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
CN101543427A (zh) * | 2008-03-26 | 2009-09-30 | 陈兆秋 | 多模式医学图像融合***固定通用床板 |
CN102202576A (zh) * | 2008-10-10 | 2011-09-28 | 皇家飞利浦电子股份有限公司 | 用于为了在微创的x射线引导的介入中减少x射线剂量而产生覆盖经分割的目标结构或病变的减小视场的、具有自动快门适应的血管造影图像采集***和方法 |
CN103914814A (zh) * | 2012-12-28 | 2014-07-09 | 北京思创贯宇科技开发有限公司 | 一种ct冠脉图像与xa造影图像的图像融合方法及*** |
CN103942772A (zh) * | 2014-05-15 | 2014-07-23 | 北京思创贯宇科技开发有限公司 | 一种多模态多维度的血管融合方法及*** |
CN104825177A (zh) * | 2014-02-11 | 2015-08-12 | 西门子(中国)有限公司 | 修正脑血容积的方法及装置、血管照影设备 |
-
2016
- 2016-03-31 CN CN201610201387.6A patent/CN105894445B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3030332A1 (de) * | 1980-08-11 | 1982-02-25 | Siemens AG, 1000 Berlin und 8000 München | Roentgenuntersuchungsgeraet mit einer fernsteuerbaren primaerstrahlenblende |
CN1919157A (zh) * | 2006-09-15 | 2007-02-28 | 李晓峰 | 可描述牙齿咬合关系的精细个性化头颅模型的制造方法 |
CN101543427A (zh) * | 2008-03-26 | 2009-09-30 | 陈兆秋 | 多模式医学图像融合***固定通用床板 |
CN101301207A (zh) * | 2008-05-28 | 2008-11-12 | 华中科技大学 | 动态模型指导下的血管造影三维重建方法 |
CN102202576A (zh) * | 2008-10-10 | 2011-09-28 | 皇家飞利浦电子股份有限公司 | 用于为了在微创的x射线引导的介入中减少x射线剂量而产生覆盖经分割的目标结构或病变的减小视场的、具有自动快门适应的血管造影图像采集***和方法 |
CN103914814A (zh) * | 2012-12-28 | 2014-07-09 | 北京思创贯宇科技开发有限公司 | 一种ct冠脉图像与xa造影图像的图像融合方法及*** |
CN104825177A (zh) * | 2014-02-11 | 2015-08-12 | 西门子(中国)有限公司 | 修正脑血容积的方法及装置、血管照影设备 |
CN103942772A (zh) * | 2014-05-15 | 2014-07-23 | 北京思创贯宇科技开发有限公司 | 一种多模态多维度的血管融合方法及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019019053A1 (zh) * | 2017-07-26 | 2019-01-31 | 深圳先进技术研究院 | 在cta图像中提取心血管方法、装置、设备及存储介质 |
CN108242075A (zh) * | 2018-01-05 | 2018-07-03 | 苏州润迈德医疗科技有限公司 | 一种基于x射线冠脉造影图像的多角度血管重建方法 |
CN113240684A (zh) * | 2019-07-05 | 2021-08-10 | 心医国际数字医疗***(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN113240684B (zh) * | 2019-07-05 | 2024-05-17 | 心医国际数字医疗***(大连)有限公司 | 对提取出含冠脉中心线的掩膜数据转换为中心线点集方法 |
CN113298745A (zh) * | 2020-06-30 | 2021-08-24 | 首都医科大学附属北京友谊医院 | Cta三维重建镜像数据图像投影方法、图像处理方法及装置 |
CN113298745B (zh) * | 2020-06-30 | 2024-03-19 | 首都医科大学附属北京友谊医院 | Cta三维重建镜像数据图像投影方法、图像处理方法及装置 |
CN112690814A (zh) * | 2020-11-06 | 2021-04-23 | 杭州阿特瑞科技有限公司 | 一种低误差的冠状动脉血流储备分数测量方法 |
CN112648935A (zh) * | 2020-12-14 | 2021-04-13 | 杭州思锐迪科技有限公司 | 一种图像处理方法、装置和三维扫描*** |
Also Published As
Publication number | Publication date |
---|---|
CN105894445B (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11138733B2 (en) | Vascular characteristic determination with correspondence modeling of a vascular tree | |
US11615894B2 (en) | Diagnostically useful results in real time | |
CN105894445A (zh) | 一种冠脉图像处理方法和装置 | |
US10470730B2 (en) | Creating a vascular tree model | |
Hampe et al. | Machine learning for assessment of coronary artery disease in cardiac CT: a survey | |
US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
JP6542129B2 (ja) | リアルタイムの診断上有用な結果 | |
US9788807B2 (en) | Processing apparatus for processing cardiac data | |
KR101910233B1 (ko) | 맥관구조를 수치 평가하는 시스템들 및 방법들 | |
Movassaghi et al. | A quantitative analysis of 3-D coronary modeling from two or more projection images | |
CN102113016B (zh) | 对数据集进行选择***互式处理的方法 | |
US20150342551A1 (en) | Calculating a fractional flow reserve | |
CN103889328B (zh) | 灌注成像 | |
CN105877767A (zh) | 一种冠脉图像造影方法和装置 | |
KR20150122183A (ko) | 환자-특정 기하학적 모델들을 변경함으로써 치료들을 결정하기 위한 방법 및 시스템 | |
US11931195B2 (en) | Assessment of coronary artery calcification in angiographic images | |
Golla et al. | Convolutional neural network ensemble segmentation with ratio-based sampling for the arteries and veins in abdominal CT scans | |
CN105662451B (zh) | 一种主动脉图像处理方法和装置 | |
Cong et al. | Deep learning-based end-to-end automated stenosis classification and localization on catheter coronary angiography | |
Su et al. | Deep reinforcement learning for cerebral anterior vessel tree extraction from 3D CTA images | |
Li et al. | Segmentation and reconstruction of cerebral vessels from 3D rotational angiography for AVM embolization planning | |
Habert et al. | A novel method for an automatic 3D reconstruction of coronary arteries from angiographic images | |
Ghassel | Artificial Count Enhancement of Lung Scintigraphic Images Using Deep Learning Techniques | |
Su | Development and Assessment of Learning-based Vessel Biomarkers from CTA in Ischemic Stroke | |
Li | Segmentation and symbolic representation of brain vascular network: application to arteriovenous malformations |
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 |