CN109448004B - 一种基于中心线的颅内血管图像的截取方法及*** - Google Patents
一种基于中心线的颅内血管图像的截取方法及*** Download PDFInfo
- Publication number
- CN109448004B CN109448004B CN201811261599.9A CN201811261599A CN109448004B CN 109448004 B CN109448004 B CN 109448004B CN 201811261599 A CN201811261599 A CN 201811261599A CN 109448004 B CN109448004 B CN 109448004B
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- intracranial
- image
- target
- section
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30016—Brain
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请实施例公开了一种基于中心线的颅内血管图像的截取方法及***。该方案包括:从待截取的颅内血管图像上,选取目标血管段的起点和终点;根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段。该方案实现了对颅内血管图像中的血管段图像局部截取,以便于颅内动脉血管段的实物化、介入手术模拟和相关教学器具制作。
Description
技术领域
本申请涉及医学影像领域,尤其涉及基于中心线的颅内血管图像的截取方法及***。
背景技术
随着现代医学影像设备的不断进步与发展,医学影像技术和计算机图形学的发展给医学带来了巨大的变化,计算机断层成像(CT)、核磁共振(MRI)、超声(US)、正电子发射计算机断层成像(PET)、磁共振血管造影(magnetic resonance angiography,MRA)、数字减影血管造影(Digital Subtraction Angiography,DSA)、CTA等医学影像技术已经广泛应用于临床医疗的诊断。
现有技术中,用三维图像进行诊断。其中,三维图像包括:三维CTA图像、三维MRA图像、三维DSA图像。
DSA的基本原理是将注入造影剂前后拍摄的两帧X线图像经数字化输入图像计算机,通过减影、增强和再成像过程来获得清晰的纯血管影像,同时实时地显现血管影。DSA因其成像特点成为颅内动脉血管畸形和动脉瘤诊断的金标准。
MRA基本原理是基于饱和效应、流入增强效应、流动去相位效应。MRA是将预饱和带置于3D层块的头端以饱和静脉血流,反向流动的动脉血液进入3D层块,因未被饱和从而产生MRA信号。扫描时将一个较厚容积分割成多个薄层激发,减少激发容积厚度以减少流入饱和效应,且能保证扫描容积范围,获得数层相邻层面的薄层图像,使图像清晰,血管的细微结构显示好,空间分辨力提高。MRA因其高质量的成像特点,也逐步用于颅内动脉血管病变的诊断。
CTA是一种利用CT(计算机辅助断层成像)技术进行的血管造影检查,可探及全身的所有动脉及静脉血管,包括心、脑、肺、肾、四肢等的血管。其技术主要通过引入造影剂使血液对X射线的通透性低,使血管在CT片上显示为高密度影,从而将血管与其他组织区分开来。CTA可用于检查大脑的动脉***,明确是否存在脑血管畸形或血管瘤。
但现有技术中,没有基于三维图像的颅内血管图像的局部截取方法。
发明内容
本申请实施例提供一种基于中心线的颅内血管图像的截取方法及***,用以局部截取颅内血管图像中的血管段图像。
本申请提供了一种基于中心线的颅内血管图像的截取方法,包括:
从待截取的颅内血管图像上,选取目标血管段的起点和终点;
根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;
基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段。
进一步地,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从不同模态的待截取的颅内血管图像,分别选取目标血管段的起点和终点。
进一步地,不同模态的待截取的颅内血管图像,包括:
三维DSA图像的颅内动脉血管图像、三维MRA图像的颅内动脉血管图像、三维CTA图像的颅内动脉血管图像。
进一步地,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从待截取的靠近血管表面的颅内血管图像上,任意选取起点和终点,以所述起点和终点选取的血管段为目标血管段,所述起点和终点为目标血管段的起点和终点。
进一步地,基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,包括:
基于截取所述颅内血管图像的目标血管段,利用算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
对应地,本申请提供了一种基于中心线的颅内血管图像的截取***,包括:
选取模块,从待截取的颅内血管图像上,选取目标血管段的起点和终点;
确定模块,根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;
截取模块,基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段。
进一步地,选取模块,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从不同模态的待截取的颅内血管图像,选取目标血管段的起点和终点。
进一步地,不同模态的待截取的颅内血管图像,包括:
三维DSA图像的颅内动脉血管图像、三维MRA图像的颅内动脉血管图像、三维CTA图像的颅内动脉血管图像。
进一步地,选取模块,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从待截取的靠近血管表面的颅内血管图像上,任意选取起点和终点,以所述起点和终点选取的血管段为目标血管段,所述起点和终点为目标血管段的起点和终点。
进一步地,基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,包括:
基于截取所述颅内血管图像的目标血管段,利用算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
本申请实施例采用的上述至少一个技术方案能够达到以下有效效果:该方案实现了对颅内血管图像中的血管段图像局部截取,便于颅内动脉血管段的实物化、介入手术模拟和相关教学器具制作。
附图说明
图1为本申请实施例提供的一种基于中心线的颅内血管图像的截取方法的流程示意图;
图2为本申请实施例提供的一种基于中心线的颅内血管图像的截取前图像;
图3为本申请实施例提供的一种基于中心线的颅内血管图像的截取后图像;
图4为本申请实施例提供的一种基于中心线的颅内血管图像的截取***的流程示意图。
具体实施方式
本申请实施例提供一种基于中心线的颅内血管图像的截取方法及***,用以解决颅内血管图像的血管段图像的局部截取问题。
参见图1,本申请提供了一种基于中心线的颅内血管图像的截取方法,包括:
S101:从待截取的颅内血管图像上,选取目标血管段的起点和终点;
S103:根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;
S105:基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段。
本申请实施例通过从待截取的颅内血管图像上,选取目标血管段的起点和终点;根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段,从而实现了对颅内血管图像中的血管段图像局部截取,便于颅内动脉血管段的实物化、介入手术模拟和相关教学器具制作。
本申请实施例中的颅内血管图像可以是三维的颅内动脉血管图像,具体可根据实际情况而定,不构成本申请的限定。
本申请实施例中,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从不同模态的待截取的颅内血管图像,选取目标血管段的起点和终点。
上述的不同模态指的是原始数据,只要原始数据是三维数据就可以分割出颅内血管图像。上述的目标血管段是以起点和终点定义的血管段。其中,起点、终点的选取是在颅内血管图像上任意选取的两个点。
本申请实施例中,上述所说的不同模态的待截取的颅内血管图像,包括:三维DSA图像的颅内动脉血管图像、三维MRA图像的颅内动脉血管图像、三维CTA图像的颅内动脉血管图像。
本申请实施例中,从待截取的颅内血管图像是从三维图像中切割出来的图像,其中,三维图像,例如可以是三维CTA图像也可以是三维MRA图像还可以是三维DSA图像,当然还可以是其他的三维图像,具体可以根据实际情况而定,不构成本申请的限定。
不同模态的待截取的颅内血管图像得到的方式,具体为:对于DSA数据,采用区域生长的方法分割出颅内动脉血管图像;对于MRA数据,则采用区间二值分割方法得到颅内动脉血管图像;而针对CTA数据,则融合血管增强滤波器、区间二值分割方法和区域生长方法实现颅内动脉血管图像的分割。
本申请实施例中,得到了不同模态的颅内血管图像后,从待截取的颅内血管图像上,选取目标血管段的起点和终点,具体操作包括:
从待截取的靠近血管表面的颅内血管图像上,任意选取起点和终点,以所述起点和终点选取的血管段为目标血管段,所述起点和终点为目标血管段的起点和终点。
上述起点和终点的选择也可以是不限于靠近血管表面的颅内血管图像,当然也可以是血管内部,具体根据实际情况而定,不构成本申请的限定。
本申请实施例中,参见图2是截取前的颅内动脉血管图像,基于图2中的目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段,参见图3是截取后的颅内动脉血管段图像。
本申请提供的一种方式,得到了不同模态的颅内血管图像后,从待截取的颅内血管图像上,选取目标血管段的起点和终点,接下来需要确定目标血管段的中心线,根据目标血管段的中心线和半径进行截取颅内血管图像,具体为:根据所述目标血管段的起点和所述终点,计算目标血管段内最大内接球的球心,将所有起点和终点间的球心连接起来,再结合起点和终点,从而确定目标血管段的中心线。在截取血管段时,从起点到终点沿着目标血管段的中心线,以一定截取半径,逐点计算动脉血管图像中离中心线的距离,距离在截取半径以内的动脉血管图像数据被保留,其他动脉血管图像数据则清零,这样一来,就实现了目标血管段图像数据的截取。例如:可以是截取某一段主干血管段图像,也可以是截取某一分支血管段图像。中心线其实就是在骨架线的基础上去掉一些细微的不需要的分叉骨架线后的骨架线。
上述目标血管段的半径确定根据具体需要而定,例如:半径是3毫米,截取到所需要的血管图像,就可以;例如:半径是3毫米,不能保证截取到所需要的血管,也可以是4毫米。因此,半径的选择根据具体情况而定,不构成本申请的限定。
本申请实施例中,基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,包括:
基于截取所述颅内血管图像的目标血管段,利用算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
在生成截取血管段表面时,利用面绘制算法方法,以三角面片方式重建动脉血管表面,然后利用窗口化的平滑函数对重建后的血管表面进行平滑。
上述面绘制算法例如可以是MarchingCubes算法。医学图像三维重建的方法主要有两大类:一类是三维面绘制,另一类是三维体绘制。面绘制是三维重建中的一种,是目前医学图像三维重建的主流算法。MC算法实际上是一个分而治之的方法,因为其将等值面的抽取分布于每一个体素(voxel)中进行。对于每个被处理的体素,以三角面片来逼近其内部的等值面。每个体素是一个小立方体(cube),在构造三角面片的处理过程中对每个体素都"扫描"一遍,就好像是一个处理器在这些体素上移动一样。在等值面抽取的过程中将一系列二维切片数据看做是一个三维的数据场,从中将具有某种阈值的物质抽取出来,以某种拓扑形式连接成三角面片,所以MC算法也被称为"等值面提取"(Isosurface Extraction)算法。在医学应用上,采用MC算法可以重建人体外部轮廓、内部组织器官,使医生能够直接在三维图像上观察感兴趣的器官与周围组织的空间关系。
下面结合一个完整的实施例进行举例说明。
步骤一:从三维数据中,分割出颅内血管图像,作为待截取的颅内血管图像,基于待截取的颅内血管图像上,任意选取在血管段的图像上选取两个点,分别为起点和终点,起点和终点之间的血管段为目标血管段,其中,三维数据可以是MRA图像,也可以是DSA图像,还可以是CTA图像。
步骤二:基于目标血管段的起点和终点,确定目标血管段内最大的内接球,计算所述最大内接球的球心。
步骤三:根据所述起点、所述终点、所述最大内接球的球心确定为目标血管段的中心线。
步骤四:确定沿着中心线截取目标血管段的半径。
步骤五:基于所述目标血管段的中心线和半径沿着中心线进行截取,截取出来的血管段就是目标血管段。
步骤六:基于截取所述颅内血管图像的目标血管段,利用面绘制算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
对应地,参见图4,本申请提供了一种基于中心线的颅内血管图像的截取***,包括:
选取模块401,用于从待截取的颅内血管图像上,选取目标血管段的起点和终点;
确定模块403,用于根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;
截取模块405,用于基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段。
本申请实施例中,选取模块401,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从不同模态的待截取的颅内血管图像,分别选取目标血管段的起点和终点。
本申请实施例中,不同模态的待截取的颅内血管图像,包括:
三维DSA图像的颅内动脉血管图像、三维MRA图像的颅内动脉血管图像、三维CTA图像的颅内动脉血管图像。
本申请实施例中,选取模块401,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从待截取的靠近血管表面的颅内血管图像上,任意选取起点和终点,以所述起点和终点选取的血管段为目标血管段,所述起点和终点为目标血管段的起点和终点。
本申请实施例中,基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,包括:
基于截取所述颅内血管图像的目标血管段,利用算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
本申请实施例采用的上述至少一个技术方案能够达到以下有效效果:该方案通过从待截取的颅内血管图像上,选取目标血管段的起点和终点;根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段。该方案实现了对颅内血管图像中的血管段图像局部截取。然后,通过基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,便于颅内动脉血管段的实物化、介入手术模拟和相关教学器具制作。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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,都属于本申请保护的范围。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备和介质类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可,这里就不再一一赘述。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤或模块可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请的实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信编号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请中一个或多个的实施例可提供为方法、***或计算机程序产品。因此,本申请的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的形式。而且,本申请的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请的实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请的实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请的实施例可以有各种更改和变化。凡在本申请的实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利范围之中。
Claims (10)
1.一种基于中心线的颅内血管图像的截取方法,其特征在于,包括:
从待截取的颅内血管图像上,选取目标血管段的起点和终点,其中,所述起点和终点可以任意选取;
根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;
基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段,其中,所述截取所述颅内血管图像的目标血管段是从所述起点到所述终点沿着所述目标血管段的中心线,以一定截取半径,逐点计算所述目标血管段图像距离所述中心线的距离,距离在所述截取半径以内的动脉血管图像数据被保留,其他动脉血管图像数据则清零,实现截取所述颅内血管图像的目标血管段。
2.如权利要求1所述的方法,其特征在于,所述从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从不同模态的待截取的颅内血管图像,分别选取目标血管段的起点和终点。
3.如权利要求2所述的方法,其特征在于,所述不同模态的待截取的颅内血管图像,包括:
三维DSA图像的颅内动脉血管图像、三维MRA图像的颅内动脉血管图像、三维CTA图像的颅内动脉血管图像。
4.如权利要求1所述的方法,其特征在于,所述从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从待截取的靠近血管表面的颅内血管图像上,任意选取起点和终点,以所述起点和终点选取的血管段为目标血管段,所述起点和终点为目标血管段的起点和终点。
5.如权利要求1所述的方法,其特征在于,基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,包括:
基于截取所述颅内血管图像的目标血管段,利用算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
6.一种基于中心线的颅内血管图像的截取***,其特征在于,包括:
选取模块,从待截取的颅内血管图像上,选取目标血管段的起点和终点,其中,所述起点和终点可以任意选取;
确定模块,根据所述目标血管段的起点和终点,计算目标血管段内最大内接球的球心,连接所述起点、所述终点、所述球心确定目标血管段的中心线和半径;
截取模块,基于所述目标血管段的中心线和半径,截取所述颅内血管图像的目标血管段,其中,所述截取所述颅内血管图像的目标血管段是从所述起点到所述终点沿着所述目标血管段的中心线,以一定截取半径,逐点计算所述目标血管段图像距离所述中心线的距离,距离在所述截取半径以内的动脉血管图像数据被保留,其他动脉血管图像数据则清零,实现截取所述颅内血管图像的目标血管段。
7.如权利要求6所述的***,其特征在于,所述选取模块,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从不同模态的待截取的颅内血管图像,分别选取目标血管段的起点和终点。
8.如权利要求7所述的***,其特征在于,所述不同模态的待截取的颅内血管图像,包括:
三维DSA图像的颅内动脉血管图像、三维MRA图像的颅内动脉血管图像、三维CTA图像的颅内动脉血管图像。
9.如权利要求6所述的***,其特征在于,所述选取模块,从待截取的颅内血管图像上,选取目标血管段的起点和终点,包括:
从待截取的靠近血管表面的颅内血管图像上,任意选取起点和终点,以所述起点和终点选取的血管段为目标血管段,所述起点和终点为目标血管段的起点和终点。
10.如权利要求6所述的***,其特征在于,基于截取所述颅内血管图像的目标血管段,生成目标血管段表面,包括:
基于截取所述颅内血管图像的目标血管段,利用算法重建目标血管段表面,再利用窗口化的平滑函数对重建后的目标血管段表面进行平滑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261599.9A CN109448004B (zh) | 2018-10-26 | 2018-10-26 | 一种基于中心线的颅内血管图像的截取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261599.9A CN109448004B (zh) | 2018-10-26 | 2018-10-26 | 一种基于中心线的颅内血管图像的截取方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109448004A CN109448004A (zh) | 2019-03-08 |
CN109448004B true CN109448004B (zh) | 2021-04-02 |
Family
ID=65548813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811261599.9A Active CN109448004B (zh) | 2018-10-26 | 2018-10-26 | 一种基于中心线的颅内血管图像的截取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109448004B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110353639B (zh) * | 2019-07-16 | 2022-04-01 | 脑玺(上海)智能科技有限公司 | 一种基于血管增强造影的供血区定量方法及*** |
CN110338830B (zh) * | 2019-07-30 | 2022-12-13 | 赛诺威盛科技(北京)股份有限公司 | 自动提取cta影像中头颈血管中心路径的方法 |
CN110706272B (zh) * | 2019-10-17 | 2022-03-29 | 上海微创卜算子医疗科技有限公司 | 血管中心线的提取方法、装置、电子设备和存储介质 |
CN114334099A (zh) * | 2021-12-27 | 2022-04-12 | 上海联影医疗科技股份有限公司 | 血管显示方法、装置、计算机设备和可读存储介质 |
CN114359208B (zh) * | 2021-12-29 | 2022-11-01 | 推想医疗科技股份有限公司 | 头颈血管分割方法及装置、可读存储介质及电子设备 |
CN116740049B (zh) * | 2023-07-12 | 2024-02-27 | 强联智创(北京)科技有限公司 | 用于盲补连头颈胸血管中心线的方法、设备及存储介质 |
CN117115150B (zh) * | 2023-10-20 | 2024-01-26 | 柏意慧心(杭州)网络科技有限公司 | 用于确定分支血管的方法、计算设备和介质 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3407761B2 (ja) * | 1993-12-24 | 2003-05-19 | 株式会社トプコン | 眼底画像解析処理装置 |
US8077939B2 (en) * | 2006-11-22 | 2011-12-13 | General Electric Company | Methods and systems for enhanced plaque visualization |
CN101393644B (zh) * | 2008-08-15 | 2010-08-04 | 华中科技大学 | 一种肝门静脉血管树建模方法及其*** |
TWI415029B (zh) * | 2009-12-25 | 2013-11-11 | Academia Sinica | 連續結構影像的量化分析自動追蹤演算法 |
CN101923713B (zh) * | 2010-08-04 | 2012-09-05 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
JP2012075702A (ja) * | 2010-10-01 | 2012-04-19 | Fujifilm Corp | 管状構造物内画像再構成装置、管状構造物内画像再構成方法および管状構造物内画像再構成プログラム |
CN102646266A (zh) * | 2012-02-10 | 2012-08-22 | 中国人民解放军总医院 | 一种处理图像的方法 |
CN102693540B (zh) * | 2012-04-24 | 2016-12-14 | 深圳市旭东数字医学影像技术有限公司 | 一种肝脏分段的方法及其*** |
CN102903115B (zh) * | 2012-10-12 | 2016-01-20 | 中国科学院深圳先进技术研究院 | 一种管状物体中心线的提取方法 |
CN103268603B (zh) * | 2013-05-08 | 2015-10-28 | 同济大学 | 基于层级血管树划分的肝脏图像分段方法 |
CN104240215B (zh) * | 2013-06-06 | 2018-05-04 | 上海联影医疗科技有限公司 | 一种医学图像处理方法 |
CN104240220A (zh) * | 2013-06-17 | 2014-12-24 | 北京三星通信技术研究有限公司 | 用于基于图像分割血管的设备和方法 |
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*** |
JP5890055B1 (ja) * | 2015-07-09 | 2016-03-22 | 株式会社アルム | 血管画像処理装置、血管画像処理プログラム、および血管画像処理方法 |
JP2017074320A (ja) * | 2015-10-16 | 2017-04-20 | キヤノンマーケティングジャパン株式会社 | 医用画像処理装置、医用画像処理装置に搭載可能なプログラム、及び医用画像処理方法 |
CN105550985B (zh) * | 2015-12-31 | 2018-11-30 | 上海联影医疗科技有限公司 | 器官腔壁展开方法 |
CN105741251B (zh) * | 2016-03-17 | 2018-09-21 | 中南大学 | 一种肝脏cta序列图像的血管分割方法 |
CN106157320B (zh) * | 2016-07-29 | 2019-02-01 | 上海联影医疗科技有限公司 | 一种图像血管分割方法及装置 |
CN106127819B (zh) * | 2016-06-30 | 2019-10-08 | 上海联影医疗科技有限公司 | 医学图像中提取血管中心线的方法及其装置 |
CN106340021B (zh) * | 2016-08-18 | 2020-11-27 | 上海联影医疗科技股份有限公司 | 血管提取方法 |
WO2018081607A2 (en) * | 2016-10-27 | 2018-05-03 | General Electric Company | Methods of systems of generating virtual multi-dimensional models using image analysis |
CN107067409A (zh) * | 2017-05-09 | 2017-08-18 | 上海联影医疗科技有限公司 | 一种血管分离方法及*** |
CN107451406A (zh) * | 2017-07-28 | 2017-12-08 | 海纳医信(北京)软件科技有限责任公司 | 血管分析方法、装置、存储介质和处理器 |
CN107909585B (zh) * | 2017-11-14 | 2020-02-18 | 华南理工大学 | 一种血管内超声影像的血管中内膜分割方法 |
CN108335284B (zh) * | 2018-01-09 | 2022-06-28 | 北京理工大学 | 一种冠脉血管中心线匹配方法和*** |
CN108133478B (zh) * | 2018-01-11 | 2021-11-23 | 苏州润迈德医疗科技有限公司 | 一种提取冠状动脉血管中心线的方法 |
-
2018
- 2018-10-26 CN CN201811261599.9A patent/CN109448004B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109448004A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109448004B (zh) | 一种基于中心线的颅内血管图像的截取方法及*** | |
US11875503B2 (en) | Method and system for measuring morphological parameters of an intracranial aneurysm image | |
CN109345585B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及*** | |
CN109448003B (zh) | 一种颅内动脉血管图像分割方法及*** | |
CN111081378B (zh) | 一种动脉瘤破裂风险评估方法及*** | |
CN109472780B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及*** | |
CN109389637B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及*** | |
CN109584169A (zh) | 一种基于中心线的颅内血管图像的截取方法及*** | |
CN109472823B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及*** | |
CN109584997B (zh) | 一种颅内动脉瘤图像的形态学参数的测量方法及*** | |
CN108876794A (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
CN111127428A (zh) | 一种基于颅脑影像数据的目标区域的提取方法及*** | |
Oda et al. | Abdominal artery segmentation method from CT volumes using fully convolutional neural network | |
CN109447967B (zh) | 一种颅内动脉瘤图像的分割方法及*** | |
Hepp et al. | Fully automated segmentation and shape analysis of the thoracic aorta in non–contrast-enhanced magnetic resonance images of the German National Cohort Study | |
CN111091563A (zh) | 一种基于颅脑影像数据的目标区域的提取方法及*** | |
CN111223089B (zh) | 一种动脉瘤的检测方法、装置及计算机可读存储介质 | |
CN109377504A (zh) | 一种颅内动脉血管图像分割方法及*** | |
CN111105404B (zh) | 一种基于颅脑影像数据的目标位置的提取方法及*** | |
CN109584261B (zh) | 一种颅内动脉瘤图像的分割方法及*** | |
CN109472803B (zh) | 一种颅内动脉血管分割方法及*** | |
CN112734726B (zh) | 一种血管造影的分型方法、装置以及设备 | |
CN113160165A (zh) | 一种血管分割方法、装置以及设备 | |
Li et al. | Segmentation and reconstruction of cerebral vessels from 3D rotational angiography for AVM embolization planning | |
CN110517244B (zh) | 一种基于dsa图像的定位方法及*** |
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 |