CN109410267A - 一种冠脉分割评估方法及*** - Google Patents
一种冠脉分割评估方法及*** Download PDFInfo
- Publication number
- CN109410267A CN109410267A CN201811162031.1A CN201811162031A CN109410267A CN 109410267 A CN109410267 A CN 109410267A CN 201811162031 A CN201811162031 A CN 201811162031A CN 109410267 A CN109410267 A CN 109410267A
- Authority
- CN
- China
- Prior art keywords
- center line
- coronary artery
- noise
- prediction
- line
- 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 148
- 230000011218 segmentation Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 71
- 230000002159 abnormal effect Effects 0.000 claims abstract description 57
- 238000003776 cleavage reaction Methods 0.000 claims 1
- 230000007017 scission Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 12
- 210000001367 artery Anatomy 0.000 description 4
- 208000029078 coronary artery disease Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 238000002583 angiography Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000005311 nuclear magnetism Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种冠脉分割评估方法及***。该评估方法包括：对冠脉预测分割体进行中心线提取，得到预测中心线；利用标记分割体生成标记中心线；比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置；根据所确定的异常位置来确定所述冠脉分割的评估指标。通过该评估方法及***，能够在自动化冠脉重建过程中，反映冠脉预测分割体的噪声、断裂、虚假走势的情况，对冠脉分割时出现的异常作出有效评估。
Description
技术领域
本发明涉及医学成像技术领域，尤其涉及一种冠脉分割评估方法及***。
背景技术
近50年来，全球冠心病的发病率持续上升，冠心病介入治疗、外科手术和药物治疗手段得到飞速发展。医生和患者对冠心病的手术治疗都存在一种依赖和期望，这从全球冠状动脉血管重建的患者人数不断增加就可以看出，这种技术已经获得了广泛的接受和认可。因此，冠状动脉重建已成为目前治疗冠状动脉疾病的最常用和最重要的手段，具有重要的临床价值和实际意义。
然而，在自动化冠脉重建过程中，以DicLoss作为分割神经网络的损失函数，通过样本图像的机器学习、神经网络训练获取冠脉分割模型，对数据(如CT影像)进行冠脉分割。在此过程出现的噪声、断裂等异常情况一致得不到有效的评估，不但增加了冠脉分割时的成本，而且冠脉分割的准确性也得不到保障。如何有效对模型进行评估，反映冠脉分割时可能出现的异常是一个亟待解决的问题。
发明内容
本发明提供一种冠脉分割评估方法及***，能够在自动化冠脉重建过程中，反映冠脉预测分割体的异常情况，对冠脉分割时出现的异常情况作出有效评估，增大冠脉分割的准确性。
本发明一方面提供一种冠脉分割评估方法的实施例，包括：对冠脉预测分割体进行中心线提取，得到预测中心线；利用标记分割体生成标记中心线；比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置；根据所确定的异常位置来确定所述冠脉分割的评估指标。
在本发明的一可实施方式中，所述对冠脉预测分割体进行中心线提取，得到预测中心线，包括：根据所述冠脉分割体选取最大连通体；提取所述最大连通体的中心线，将所提取的所述最大连通体的中心线作为所述预测中心线。
在本发明的一可实施方式中，所述异常位置为断裂位置，根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标。
在本发明的一可实施方式中，所述根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标，包括：确定每一个所述断裂位置到所述预测中心线起点的长度与所述断裂位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度的断裂比值；计算所确定的所有断裂比值的和值；确定所有断裂比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述断裂评估指标。
在本发明的一可实施方式中，所述异常位置为噪声位置，根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标。
在本发明的一可实施方式中，所述根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标，包括：确定每一个所述噪声位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述噪声位置到所述预测中心线起点的长度的噪声差值；确定每一个所述噪声差值与平均噪声率的噪声乘积；其中，所述平均噪声率为噪声的平均长度与所述噪声位置所在噪声中心线长度的比值；确定每一个所述噪声乘积与所述预测中心线长度的噪声比值；计算所确定的所有噪声比值的和值；确定所有噪声比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述噪声评估指标。
在本发明的一可实施方式中，所述异常位置为虚假走势位置，根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标。
在本发明的一可实施方式中，所述根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标，包括：确定每一个所述虚假走势位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述虚假走势位置到所述预测中心线起点的长度的虚假走势差值；确定每一个所述虚假走势差值与所述预测中心线长度的虚假走势比值；计算所确定的所有虚假走势比值的和值；确定所有虚假走势比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述虚假走势评估指标。
本发明另一方面提供一种冠脉分割评估***的实施例，包括：预测中心线单元，用于对冠脉预测分割体进行中心线提取，得到预测中心线；标记中心线单元，用于利用标记分割体生成标记中心线；中心线比较单元，用于比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置；评估单元，用于根据所确定的异常位置来确定所述冠脉分割的评估指标。
在本发明的一可实施方式中，所述预测中心线单元包括：连通体选取子单元，用于根据所述冠脉分割体选取最大连通体；中心线提取子单元，用于提取所述最大连通体的中心线，将所提取的所述最大连通体的中心线作为预测中心线。
在本发明的一可实施方式中，所述异常位置为断裂位置，所述评估单元用于根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标。
在本发明的一可实施方式中，所述评估单元包括：断裂比值计算子单元，用于确定每一个所述断裂位置到所述预测中心线起点的长度与所述断裂位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度的断裂比值；断裂比值求和子单元，用于计算所确定的所有断裂比值的和值；断裂比值评估子单元，用于确定所有断裂比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述断裂评估指标。
在本发明的一可实施方式中，所述异常位置为噪声位置，所述评估单元还用于根据所确定的噪声位置确定所述冠脉分割的噪声评估指标。
在本发明的一可实施方式中，所述评估单元还包括：噪声差值计算子单元，用于确定每一个所述噪声位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述噪声位置到所述预测中心线起点的长度的噪声差值；噪声乘积计算子单元，用于确定每一个所述噪声差值与平均噪声率的噪声乘积；其中，所述平均噪声率为噪声的平均长度与所述噪声位置所在噪声中心线长度的比值；噪声比值计算子单元，用于确定每一个所述噪声乘积与所述预测中心线长度的噪声比值；噪声比值求和子单元，用于计算所确定的所有噪声比值的和值；噪声比值评估子单元，用于确定所有噪声比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述噪声评估指标。
在本发明的一可实施方式中，所述异常位置为虚假走势位置，所述评估单元还用于根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标。
在本发明的一可实施方式中，所述评估单元还包括：虚假走势差值计算子单元，用于确定每一个所述虚假走势位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述虚假走势位置到所述预测中心线起点的长度的虚假走势差值；虚假走势比值计算子单元，用于确定每一个所述虚假走势差值与所述预测中心线长度的虚假走势比值；虚假走势比值求和子单元，用于计算所确定的所有虚假走势比值的和值；虚假走势比值评估子单元，用于确定所有虚假走势比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述虚假走势评估指标。
通过本发明实施例提供的冠脉分割评估方法，对冠脉预测分割体进行中心线提取，得到预测中心线；利用标记分割体生成标记中心线；对所述预测中心线与所述标记中心线进行比对，以确定所述预测中心线中存在的异常位置；根据所确定的异常位置来确定所述冠脉分割的评估指标。利用本发明实施例提供的冠脉分割评估方法及***，能够在自动化冠脉重建过程中，反映冠脉预测分割体的异常情况，对冠脉分割时出现的异常情况作出有效评估，增大冠脉分割的准确性。
需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述，本说明书示例性实施方式的上述以及其他目的、特征和有点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本发明实施例的一种冠脉分割评估方法流程示意图；
图2示出了本发明实施例中对冠脉预测分割体进行中心线提取，得到预测中心线的流程示意图；
图3示出了本发明实施例中断裂评估指标的计算方法流程示意图；
图4示出了本分明实施例中噪声评估指标的计算方法流程示意图；
图5示出了本发明实施中虚假走势评估指标的计算方法流程示意图；
图6示出了本发明实施例的一种冠脉分割评估***结构示意图；
图7示出了本发明实施例中预测中心线单元的结构示意图；
图8示出了本发明实施例中评估单元的结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，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，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动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。
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
图1示出了本发明实施例的一种冠脉分割评估方法示意图。
如图1所示，本发明实施例的冠脉分割评估方法，包括：步骤S101，对冠脉预测分割体进行中心线提取，得到预测中心线；步骤S102，利用标记分割体生成标记中心线；步骤S103，比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置；步骤S104，根据所确定的异常位置来确定所述冠脉分割的评估指标。
在此，步骤S101与步骤S102并不分先后次序，可以先执行步骤S101，也可以先执行步骤S102，亦可同时完成，得到预测中心线和生成标记中心线，它们并不相互影响。
在一具体的可实施方式中，如图2示出了本发明实施例中对冠脉预测分割体进行中心线提取，得到预测中心线的流程示意图。在该实施方式中，对冠脉预测分割体进行中心线提取，得到预测中心线，包括：步骤S1011，根据所述冠脉预测分割体选取最大连通体；步骤S1012，提取所述最大连通体的中心线，将所提取的所述最大连通体的中心线作为预测中心线。
在该可实施方式中，通过神经网络方法，对样本图像进行训练得到一预测模型，再将一系列冠状动脉的CT(电脑断层扫描)影像输入预测模型得到冠脉预测分割体。得到的冠脉预测分割体并非一个，从其中选取最大的一个连通体作为最大连通体，提取最大连通体的中心线，将所提取的最大连通体的中心线作为预测中心线。
预测模型的获取还可以通过对样本图像按照手动设定的规则进行标注得到。输入预测模型的影像也并不局限于CT影像，也可以采用其它的医学影像技术得到的影像，如：血管摄影/动脉摄影/血管造影等采用X光照射方法获取的影像，还有心血管造影、***摄影术、正子发射断层扫描、核磁工程成像、医学超音波检测等技术所得到的影像均可在此作为原始图像。
可以通过对最大连通体进行骨架提取，获取最大联通体的血管架构，据此通过普利姆算法或克鲁斯卡尔算法生成最大生成树或最小生成树，将最大生成树或最小生成树分解就得到最大连通体的分支中心线。
在步骤S102中，利用标记分割体生成标记中心线。这里的标记分割体为完整准确的冠状动脉分割体，是通过神经网络方法预先训练好的。而获取标记分割体的标记中心线的方法可以与提取最大连通体的中心线的方法相同。
通常情况下，在对冠脉进行分割时，有可能会出现断裂、噪声或虚假走势等异常情况。这里，通过将预测中心线与标记中心线进行比对，可以发现预测中心线中存在的断裂、噪声或虚假走势等异常位置，进而根据所确定的异常位置来确定所述冠脉分割的评估指标，反映冠脉预测分割体的异常情况，对冠脉分割时出现的异常作出有效评估。
在一具体的可实施方式中，所述异常位置为断裂位置，根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的断裂位置来确定所述冠脉分割的评估指标。
图3示出了本发明实施例中断裂评估指标的计算方法流程示意图。在该可实施方式中，所述根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标，包括：步骤S1041a，确定每一个所述断裂位置到所述预测中心线起点的长度与所述断裂位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度的断裂比值。步骤S1042a，计算所确定的所有断裂比值的和值。步骤S1043a，确定所有断裂比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述断裂评估指标。
在此，需要指出的是，不管是预测中心线还是标记中心线，中心线起点均指的是主动脉发出冠脉的点，端点指的是冠脉分支的末梢。断裂评估指标可通过下面的公式进行计算：
其中，EMbrake表示断裂评估指标；
length_curr_midline表示预测中心线中存在断裂的断裂位置到预测中心线起点的长度；
length_label_midline表示异常位置在标记中心线中对应的标记分支中心线的端点到标记中心线的起点的长度；在断裂评估指标的计算中，length_label_midline表示断裂位置在标记中心线中对应的标记分支中心线的端点到标记中心线的起点的长度；
midline_num表示标记中心线中包括的标记分支中心线的数量；
i为标记中心线中包括的标记分支中心线的编号；n为自然数，n的值等于midline_num的值。
通过上述公式计算出冠脉分割的断裂评估指标EMbrake，在断裂评估指标EMbrake越大说明利用预测模型对冠脉进行分割时越不容易出现断裂问题。换句话说，就是通过上述公式计算出冠脉分割的断裂评估指标EMbrake越大越好。
在一具体的可实施方式中，所述异常位置为噪声位置，根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标。
图4示出了本分明实施例中噪声评估指标的计算方法流程示意图。在该可实施方式中，根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标，包括：步骤S1041b，确定每一个所述噪声位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述噪声位置到所述预测中心线起点的长度的噪声差值。步骤S1042b，确定每一个所述噪声差值与平均噪声率的噪声乘积，其中，所述平均噪声率为噪声的平均长度与所述噪声位置所在噪声中心线长度的比值。步骤S1043b，确定每一个所述噪声乘积与所述预测中心线长度的噪声比值。步骤S1044b，计算所确定的所有噪声比值的和值。步骤S1045b，确定所有噪声比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述噪声评估指标。
同样需要指出的是，噪声评估指标的计算过程中，不管是预测中心线还是标记中心线，中心线起点均指的是主动脉发出冠脉的点，端点指的是冠脉分支的末梢。噪声评估指标可通过下面的公式进行计算：
其中，EMnoise表示噪声评估指标；
length_label_midline表示异常位置在标记中心线中对应的标记分支中心线的端点到标记中心线的起点的长度；在噪声评估指标的计算中，length_label_midline表示噪声位置在标记中心线中对应的标记分支中心线的端点到标记中心线的起点的长度；
在噪声评估指标的计算中，length_curr_pos表示预测中心线中存在噪声的噪声位置到预测中心线起点的长度；
midline_num表示标记中心线中包括的标记分支中心线的数量；
i为标记中心线中包括的标记分支中心线的编号；n为自然数，n的值等于midline_num的值；
ratio为平均噪声率，表示噪声的平均长度与所述噪声位置所在噪声中心线长度的比值，可通过公式
计算得到；
此处，noise_length表示所述噪声位置所在噪声中心线的长度；
C为常数，表示噪声的平均长度或噪声的可接受长度，并非一个固定不变的数值，具体的可以由医疗部门根据实际情形确定或者是医疗部门根据统计数据得出的经验值。
通过上述公式计算出冠脉分割的噪声评估指标EMnoise，在噪声评估指标EMnoise越小说明利用预测模型对冠脉进行分割时越不容易出现噪声问题。换句话说，就是通过上述公式计算出冠脉分割的断裂评估指标EMnoise越小越好。
在一具体的可实施方式中，所述异常位置为虚假走势位置，根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标。
图5示出了本发明实施中虚假走势评估指标的计算方法流程示意图。在该可实施方式中，根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标，包括：步骤S1041c，确定每一个所述虚假走势位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述虚假走势位置到所述预测中心线起点的长度的虚假走势差值；步骤S1042c，确定每一个所述虚假走势差值与所述预测中心线长度的虚假走势比值。步骤S1043c，计算所确定的所有虚假走势比值的和值。步骤S1044c，确定所有虚假走势比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述虚假走势评估指标。
同样需要指出的是，虚假走势评估指标的计算过程中，不管是预测中心线还是标记中心线，中心线起点均指的是主动脉发出冠脉的点，端点指的是冠脉分支的末梢。虚假走势评估指标可通过下面的公式进行计算：
其中，EMmidline表示噪声评估指标；
length_label_midline表示异常位置在标记中心线中对应的标记分支中心线的端点到标记中心线的起点的长度；在虚假走势评估指标的计算中，length_label_midline表示虚假走势位置在标记中心线中对应的标记分支中心线的端点到标记中心线的起点的长度；
在虚假走势评估指标的计算中，length_curr_pos表示预测中心线中存在虚假走势的虚假走势位置到预测中心线的起点的长度；
midline_num表示标记中心线中包括的标记分支中心线的数量；
i为标记中心线中包括的标记分支中心线的编号；n为自然数，n的值等于midline_num的值。
通过上述公式计算出冠脉分割的虚假走势评估指标EMmidline，在噪声评估指标EMmidline越大说明利用预测模型对冠脉进行分割时越不容易出现噪声问题。换句话说，就是通过上述公式计算出冠脉分割的断裂评估指标EMmidline越大越好。
通过上述过程得出的断裂评估指标、噪声评估指标以及虚假走势评估指标，可以在冠脉分割过程中可以单独进行衡量，也可以加权平均或连乘，以在冠脉分割时可能同时出现多种问题时，反映模型的预测情形，对冠脉分割时出现的异常作出有效评估。
图6示出了本发明实施例的一种冠脉分割评估***结构示意图。
如图6所示，本发明实施例的冠脉分割评估***，包括：预测中心线单元101、标记中心线单元102、中心线比较单元103和评估单元104。
其中，预测中心线单元101，用于对冠脉预测分割体进行中心线提取，得到预测中心线。标记中心线单元102，用于利用标记分割体生成标记中心线。中心线比较单元103，用于比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置。评估单元104，用于根据所确定的异常位置来确定所述冠脉分割的评估指标。
图7示出了本发明实施例中预测中心线单元的结构示意图。在一具体的可实施方式中，预测中心线单元101包括：连通体选取子单元1011和中心线提取子单元1012。其中，连通体选取子单元1011，用于根据所述冠脉分割体选取最大连通体；中心线提取子单元1012，用于提取所述最大连通体的中心线，将所提取所述最大连通体的中心线作为预测中心线。
在对冠脉进行分割时，有可能会出现断裂、噪声或虚假走势等异常情况。这里，通过将预测中心线与标记中心线进行比对，可以发现预测中心线中存在的断裂、噪声或虚假走势等异常位置，进而根据所确定的异常位置来确定所述冠脉分割的评估指标，反映冠脉预测分割体的异常情况，对冠脉分割时出现的异常作出有效评估。
在一具体的可实施方式中，所述异常位置为断裂位置时，所述评估单元用于根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标。所述异常位置为噪声位置时，所述评估单元还用于根据所确定的噪声位置确定所述冠脉分割的噪声评估指标。所述异常位置为虚假走势位置时，所述评估单元还用于根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标。
图8示出了本发明实施例中评估单元的结构示意图。
在一具体的可实施方式中，所述异常位置为断裂位置，所述评估单元104用于根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标。通过发现预测中心线中存在的断裂位置，根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标，反映冠脉预测分割体的断裂情况，对冠脉分割时出现的断裂的情况作出有效评估。
在该可实施方式中，评估单元104包括：断裂比值计算子单元1041a、断裂比值求和子单元1042a和断裂比值评估子单元1043a。
其中，断裂比值计算子单元1041a，用于确定每一个所述断裂位置到所述预测中心线起点的长度与所述断裂位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度的断裂比值。断裂比值求和子单元1042a，用于计算所确定的所有断裂比值的和值。断裂比值评估子单元1043a，用于确定所有断裂比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述断裂评估指标。
在一具体的可实施方式中，所述异常位置为噪声位置，所述评估单元104还用于根据所确定的噪声位置确定所述冠脉分割的噪声评估指标。通过发现预测中心线中存在的噪声位置，根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标，反映冠脉预测分割体的噪声情况，对冠脉分割时出现的噪声的情况作出有效评估。
在该可实施方式中，评估单元104包括：噪声差值计算子单元1041b、噪声乘积计算子单元1042b、噪声比值计算子单元1043b、噪声比值求和子单元1044b和噪声比值评估子单元1045b。
其中，噪声差值计算子单元1041b，用于确定每一个所述噪声位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述噪声位置到所述预测中心线起点的长度的噪声差值；噪声乘积计算子单元1042b，用于确定每一个所述噪声差值与平均噪声率的噪声乘积；其中，所述平均噪声率为噪声的平均长度与所述噪声位置所在噪声中心线长度的比值；噪声比值计算子单元1043b，用于确定每一个所述噪声乘积与所述预测中心线长度的噪声比值；噪声比值求和子单元1044b，用于计算所确定的所有噪声比值的和值；噪声比值评估子单元1045b，用于确定所有噪声比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述噪声评估指标。
在一具体的可实施方式中，所述异常位置为虚假走势位置，所述评估单元104还用于根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标。通过发现预测中心线中存在的虚假走势位置，根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标，反映冠脉预测分割体的虚假走势情况，对冠脉分割时出现的虚假走势的情况作出有效评估。
在该可实施方式中，评估单元104包括：虚假走势差值计算子单元1041c、虚假走势比值计算子单元1042c、虚假走势比值求和子单元4043c和虚假走势比值评估子单元1044c。
其中，虚假走势差值计算子单元1041c，用于确定每一个所述虚假走势位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述虚假走势位置到所述预测中心线起点的长度的虚假走势差值；虚假走势比值计算子单元1042c，用于确定每一个所述虚假走势差值与所述预测中心线长度的虚假走势比值；虚假走势比值求和子单元1043c，用于计算所确定的所有虚假走势比值的和值；虚假走势比值评估子单元1044c，用于确定所有虚假走势比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述虚假走势评估指标。
本发明中的评估单元104并不局限于对冠脉分割时可能出现的断裂、噪声或虚假走势问题进行评估，还可以对其它任何可能涉及的问题进行评估，此时仅需要对评估单元104进行对应的扩展，以获取对应的评估指标。
本发明实施例的一种冠脉分割评估***采用上述冠脉分割评估方法的原理运行，在此不再一一赘述。通过本发明实施例提供的冠脉分割评估方法及***，对冠脉预测分割体进行中心线提取，得到预测中心线；利用标记分割体生成标记中心线；对所述预测中心线与所述标记中心线进行比对，以确定所述预测中心线中存在的异常位置；根据所确定的异常位置来确定所述冠脉分割的评估指标，能够在自动化冠脉重建过程中，反映冠脉预测分割体的噪声、断裂、虚假走势的情况，对冠脉分割时出现的异常作出有效评估。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
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以所述权利要求的保护范围为准。
Claims (10)
1.一种冠脉分割评估方法，其特征在于，包括：
对冠脉预测分割体进行中心线提取，得到预测中心线；
利用标记分割体生成标记中心线；
比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置；
根据所确定的异常位置来确定所述冠脉分割的评估指标。
2.根据权利要求1所述的冠脉分割评估方法，其特征在于，所述对冠脉预测分割体进行中心线提取，得到预测中心线，包括：
根据所述冠脉预测分割体选取最大连通体；
提取所述最大连通体的中心线，将所提取的所述最大连通体的中心线作为预测中心线。
3.根据权利要求1所述的冠脉分割评估方法，其特征在于，所述异常位置为断裂位置；
所述根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标。
4.根据权利要求3所述的冠脉分割评估方法，其特征在于，所述根据所确定的断裂位置来确定所述冠脉分割的断裂评估指标，包括：
确定每一个所述断裂位置到所述预测中心线起点的长度与所述断裂位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度的断裂比值；
计算所确定的所有断裂比值的和值；
确定所有断裂比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述断裂评估指标。
5.根据权利要求1所述的冠脉分割评估方法，其特征在于，所述异常位置为噪声位置；
所述根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标。
6.根据权利要求5所述的冠脉分割评估方法，其特征在于，所述根据所确定的噪声位置来确定所述冠脉分割的噪声评估指标，包括：
确定每一个所述噪声位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述噪声位置到所述预测中心线起点的长度的噪声差值；
确定每一个所述噪声差值与平均噪声率的噪声乘积；其中，所述平均噪声率为噪声的平均长度与所述噪声位置所在噪声中心线长度的比值；
确定每一个所述噪声乘积与所述预测中心线长度的噪声比值；
计算所确定的所有噪声比值的和值；
确定所有噪声比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述噪声评估指标。
7.根据权利要求1所述的冠脉分割评估方法，其特征在于，所述异常位置为虚假走势位置；
所述根据所确定的异常位置来确定所述冠脉分割的评估指标为根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标。
8.根据权利要求7所述的冠脉分割评估方法，其特征在于，所述根据所确定的虚假走势位置来确定所述冠脉分割的虚假走势评估指标，包括：
确定每一个所述虚假走势位置在所述标记中心线中对应的标记分支中心线的端点到所述标记中心线的起点的长度与所述虚假走势位置到所述预测中心线起点的长度的虚假走势差值；
确定每一个所述虚假走势差值与所述预测中心线长度的虚假走势比值；
计算所确定的所有虚假走势比值的和值；
确定所有虚假走势比值的和值与所述标记中心线中包括的标记分支中心线的数量的比值，以得到所述虚假走势评估指标。
9.一种冠脉分割评估***，其特征在于，包括：
预测中心线单元，用于对冠脉预测分割体进行中心线提取，得到预测中心线；
标记中心线单元，用于利用标记分割体生成标记中心线；
中心线比较单元，用于比对所述预测中心线与所述标记中心线，以确定所述预测中心线中存在的异常位置；
评估单元，用于根据所确定的异常位置来确定所述冠脉分割的评估指标。
10.根据权利要求9所述的冠脉分割评估***，其特征在于，所述预测中心线单元包括：
连通体选取子单元，用于根据所述冠脉分割体选取最大连通体；
中心线提取子单元，用于提取所述最大连通体的中心线，将所提取所述最大连通体的中心线作为预测中心线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811162031.1A CN109410267B (zh) | 2018-09-30 | 2018-09-30 | 一种冠脉分割评估方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811162031.1A CN109410267B (zh) | 2018-09-30 | 2018-09-30 | 一种冠脉分割评估方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109410267A true CN109410267A (zh) | 2019-03-01 |
| CN109410267B CN109410267B (zh) | 2020-02-07 |
Family
ID=65466687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811162031.1A Active CN109410267B (zh) | 2018-09-30 | 2018-09-30 | 一种冠脉分割评估方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109410267B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110021016A (zh) * | 2019-04-01 | 2019-07-16 | 数坤（北京）网络科技有限公司 | 一种钙化检测方法 |
| CN111312374A (zh) * | 2020-01-21 | 2020-06-19 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、存储介质及计算机设备 |
| CN113222964A (zh) * | 2021-05-27 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种冠脉中心线提取模型的生成方法及装置 |
| CN110310256B (zh) * | 2019-05-30 | 2021-09-21 | 上海联影智能医疗科技有限公司 | 冠脉狭窄检测方法、装置、计算机设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106108925A (zh) * | 2015-05-04 | 2016-11-16 | 西门子保健有限责任公司 | 用于医学图像数据中全身骨移除和血管可视化的方法和*** |
| CN108198213A (zh) * | 2018-02-01 | 2018-06-22 | 上海联影医疗科技有限公司 | 一种标记管状结构的方法及装置、管状结构的处理终端 |
-
2018
- 2018-09-30 CN CN201811162031.1A patent/CN109410267B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106108925A (zh) * | 2015-05-04 | 2016-11-16 | 西门子保健有限责任公司 | 用于医学图像数据中全身骨移除和血管可视化的方法和*** |
| 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 |
| CN108198213A (zh) * | 2018-02-01 | 2018-06-22 | 上海联影医疗科技有限公司 | 一种标记管状结构的方法及装置、管状结构的处理终端 |
Non-Patent Citations (2)
| Title |
|---|
| MICHIEL SCHAAP: "Standardized evaluation methodology and reference database for evaluating coronary artery centerline extraction algorithms", 《MEDICAL IMAGE ANALYSIS》 * |
| 赵洁: "双源CT冠状动脉三维分割算法的研究", 《生物医学工程研究》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110021016A (zh) * | 2019-04-01 | 2019-07-16 | 数坤（北京）网络科技有限公司 | 一种钙化检测方法 |
| CN110310256B (zh) * | 2019-05-30 | 2021-09-21 | 上海联影智能医疗科技有限公司 | 冠脉狭窄检测方法、装置、计算机设备和存储介质 |
| CN111312374A (zh) * | 2020-01-21 | 2020-06-19 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、存储介质及计算机设备 |
| CN111312374B (zh) * | 2020-01-21 | 2024-03-22 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、存储介质及计算机设备 |
| CN113222964A (zh) * | 2021-05-27 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种冠脉中心线提取模型的生成方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109410267B (zh) | 2020-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10706545B2 (en) | Systems and methods for analysis of anatomical images | |
| CN109410267A (zh) | 一种冠脉分割评估方法及*** | |
| KR102491988B1 (ko) | 정량적 이미징을 이용하기 위한 방법 및 시스템 | |
| CN109069014B (zh) | 用于估计在冠状动脉中的健康管腔直径和狭窄定量的***和方法 | |
| US10349910B2 (en) | Method and apparatus for assessing blood vessel stenosis | |
| US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
| EP3567525A1 (en) | Systems and methods for analysis of anatomical images each captured at a unique orientation | |
| CN110866914A (zh) | 脑动脉瘤血流动力学指标的评估方法、***、设备及介质 | |
| CN106037710A (zh) | 在医学成像中合成数据驱动的血液动力学测定 | |
| US20080071160A1 (en) | Displaying A Tracheobronchial Tree | |
| CN105877767A (zh) | 一种冠脉图像造影方法和装置 | |
| CN108491770A (zh) | 一种基于骨折影像的数据处理方法 | |
| EP4002387A1 (en) | Cad device and method for analysing medical images | |
| Affane et al. | Robust deep 3-D architectures based on vascular patterns for liver vessel segmentation | |
| Pepe et al. | Automated cross-sectional view selection in CT angiography of aortic dissections with uncertainty awareness and retrospective clinical annotations | |
| US20230260133A1 (en) | Methods for acquiring aorta based on deep learning and storage media | |
| Klein et al. | Automatic segmentation of the wire frame of stent grafts from CT data | |
| Kiraly et al. | Analysis of arterial subtrees affected by pulmonary emboli | |
| Aswathy et al. | CAD systems for automatic detection and classification of COVID-19 in nano CT lung image by using machine learning technique | |
| Jabbar et al. | Deep learning based classification of wrist cracks from X-ray imaging | |
| KR20240041355A (ko) | 관상동맥질환 분석 시스템 | |
| Al-Rifaie et al. | Deploying swarm intelligence in medical imaging | |
| Chen et al. | Study on high-precision three-dimensional reconstruction of pulmonary lesions and surrounding blood vessels based on CT images | |
| EP4113434A1 (en) | Generation of plaque information | |
| Huang et al. | A Dual-Functional System for the Classification and Diameter Measurement of Aortic Dissections Using CTA Volumes via Deep Learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee after: Shukun (Beijing) Network Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee before: SHUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee after: Shukun Technology Co.,Ltd. Address before: 100102 No. 501 No. 12, 5th floor, No. 6, Wangjing Dongyuan District 4, Chaoyang District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. |