CN109903298A - 血管分割图像断裂的修复方法、***和计算机存储介质 - Google Patents
血管分割图像断裂的修复方法、***和计算机存储介质 Download PDFInfo
- Publication number
- CN109903298A CN109903298A CN201910186257.3A CN201910186257A CN109903298A CN 109903298 A CN109903298 A CN 109903298A CN 201910186257 A CN201910186257 A CN 201910186257A CN 109903298 A CN109903298 A CN 109903298A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- breaking part
- image
- segmentation image
- vessel segmentation
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 162
- 230000011218 segmentation Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 28
- 241001269238 Data Species 0.000 claims description 32
- 230000008439 repair process Effects 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 210000004351 coronary vessel Anatomy 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000001225 therapeutic effect Effects 0.000 description 3
- 208000019553 vascular disease Diseases 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种血管分割图像断裂的修复方法、***和计算机可读存储介质，其中血管分割图像断裂的修复方法包括：获取血管原始图像；利用分割网络对所述血管原始图像进行分割处理以形成血管分割图像；查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标；根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处相对应的部分；利用所述血管原始图像中与所述断裂处相对应的部分对所述血管分割图像中的断裂处进行修复。本发明能够提高冠脉分割的效果。
Description
技术领域
本发明涉及医学成像技术，尤其涉及一种血管分割图像断裂的修复方法、***和计算机存储介质。
背景技术
冠脉重建是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。
目前，在自动化冠脉重建过程中，会以DiceLoss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，利用冠脉分割模型对数据(如CT影像)进行冠脉分割以形成冠脉分割图像。
然而，在此过程中，冠脉分割图像会出现噪声、断裂等异常情况，影响冠脉分割的效果。
发明内容
本发明提供一种血管分割图像断裂的修复方法、***和计算机存储介质，以提高冠脉分割的效果。
本发明一方面提供一种血管分割图像断裂的修复方法，包括：
获取血管原始图像；
利用分割网络对所述血管原始图像进行分割处理以形成血管分割图像；
查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标；
根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处相对应的部分；
利用所述血管原始图像中与所述断裂处相对应的部分对所述血管分割图像中的断裂处进行修复。
本发明另一方面提供一种血管分割图像断裂的修复***，包括：
原始图像获取模块，用于获取血管原始图像；
血管分割图像获取模块，用于利用分割网络对所述血管原始图像进行分割处理以形成血管分割图像；
查找模块，用于查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标；
选取模块，用于根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处相对应的部分；
修复模块，用于利用所述血管原始图像中与所述断裂处相对应的部分对所述血管分割图像中的断裂处进行修复。
本发明再一方面提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求本发明所述的血管分割图像断裂的修复方法。
本发明提供的血管分割图像断裂的修复方法，在利用分割网络对血管原始图像进行分割处理以形成血管分割图像的过程中，血管分割图像中会出现断裂，断裂处包括断裂处两端及位于断裂处两端之间的缺失部分，在查找到血管分割图像中的断裂处并获取断裂处两端的坐标后，可根据断裂处两端的坐标在血管原始图像中选取与断裂处相对应的部分，由于血管原始图像中会存在与断裂处两端及位于断裂处两端之间的缺失部分相对应的部分，因此可根据该对应部分对血管分割图像中的断裂处进行修复。由此，能够使分割图呈现出更为完整的血管，提升冠脉分割的效果，使医生能够更为全面的分析患者的病情，从而利于提高血管疾病的治疗效果。
附图说明
图1为本发明实施例提供的一种血管分割图像断裂的修复方法的流程图；
图2为本发明实施例提供的另一种血管分割图像断裂的修复方法的流程图；
图3为本发明实施例提供的再一种血管分割图像断裂的修复方法的流程图；
图4A-图4C为本发明实施例提供的一种血管分割图像断裂的修复方法的实施效果示意图；
图5为本发明实施例提供的一种血管分割图像断裂的修复***的结构示意图。
附图标记：
101：原始图像获取模块； 102：分割图像获取模块；
103：查找模块； 104：选取模块；
105：修复模块； 106：相似性判断模块；
107：比对模块； 108：中心线提取模块；
109：端点提取模块； 201：断裂处两端；
301：两端数据； 302：待判断数据。
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。
实施例一
请参考图1，本发明实施例提供一种血管分割图像断裂的修复方法，包括如下步骤：
步骤S101，获取血管原始图像；
可通过计算机断层扫描(CT，Computed Tomography)设备对血管进行断层扫描，以形成血管原始图像。
步骤S201，利用分割网络对血管原始图像进行分割处理以形成血管分割图像；
通过分割网络可以对血管原始图像中的血管区域和非血管区域进行标注，以形成血管分割图像，然而在此过程中，血管分割图像中会出现断裂，即断裂处包括断裂处两端201及位于断裂处两端201之间的缺失部分。
步骤S301，查找血管分割图像中的断裂处，并获取断裂处两端201的坐标；
由此，为接下来对于断裂处的处理做准备。
请参考图2，优选的，步骤S301具体包括：
步骤S3011，提取血管分割图像的中心线；
由于血管分割图像的断裂处的中心线也会出现断裂，因此在提取中心线的过程中，断裂处两端201将分别形成各自的中心线。
步骤S3012，提取中心线的端点；
在提取中心线端点的过程中，在断裂处两端201的中心线上均会提取到端点。
步骤S3013，根据中心线的端点查找血管分割图像中的断裂处，并获取断裂处两端201的坐标。
由于断裂处两端201的中心线上均会提取到端点，因此根据中心线的端点能够更为容易和准确的查找到断裂处。
步骤S401，根据断裂处两端201的坐标在血管原始图像中选取与断裂处相对应的部分；
由于血管原始图像中会存在与断裂处两端201及位于断裂处两端201之间的缺失部分相对应的部分，因此根据血管分割图像中断裂处两端201的坐标便可以准确的在血管原始图像中选取与该断裂处相对应的部分。
步骤S501，利用血管原始图像中与断裂处相对应的部分对血管分割图像中的断裂处进行修复。
可通过将血管原始图像中选取的部分与血管分割图像进行合并，从而对血管分割图像中的断裂处进行修复。由此，能够使分割图呈现出更为完整的血管，使医生能够更为全面的分析患者的病情，从而利于提高血管疾病的治疗效果。
实施例二
请参考图3，在实施例一的基础上，步骤S401具体包括：
根据断裂处两端201的坐标，在血管原始图像中选取与断裂处两端201相对应的部分作为两端数据301，并在血管原始图像中选取与断裂处两端201之间缺失部分相对应的部分作为待判断数据302。
在步骤S401之后还包括步骤S402,步骤S402包括：
利用相似网络对待判断数据302和两端数据301进行相似性判断并输出相似性判断预测数据。
在相似性判断过程中，可将待判断数据302分别与两端数据301进行比较，以判断待判断数据302分别与两端数据301的相似性。其中，在对相似网络进行训练时，可向训练设备输入多个血管原始图像案例以供相似网络进行相似性训练，同时向训练设备输入相似性判断的标注数据，并将相似网络进行相似性训练所得到相似性判断的预测数据与相似性判断的标注数据进行比对，从而能够得到损失函数，并通过多次相似性训练使损失函数收敛，以使相似性网络得到完善。
相对应的，在步骤S402之后，步骤S501具体包括：
若相似性判断预测数据显示待判断数据302和两端数据301相似，则将待判断数据302与血管分割图像合并，以对血管分割图像中的断裂处进行修复。
由于同一血管上的相邻部分相似度较高，因此若相似性判断预测数据显示待判断数据302和两端数据301相似，则说明待判断数据302与两端数据301属于同一血管上的相邻部分，从而可以认为该待判断数据302即为血管分割图像断裂处的缺失部分。之后可将待判断数据302与血管分割图像合并，从而完成对血管分割图像中的断裂处的修复。由此，提高了修复的准确性。
请参考图4A-图4C，在一具体的修复过程中，首先查找血管分割图像中的断裂处，并获取断裂处两端201的坐标(如图4A所示)；之后根据断裂处两端201的坐标，在血管原始图像中选取与断裂处两端201相对应的部分作为两端数据301，并在血管原始图像中选取与断裂处两端201之间缺失部分相对应的部分作为待判断数据302，之后利用相似网络对待判断数据302和两端数据301进行相似性判断并输出相似性判断预测数据(如图4B所示)；最后，若相似性判断预测数据显示待判断数据302和两端数据301相似，则将待判断数据302与血管分割图像合并，以对血管分割图像中的断裂处进行修复(如图4C所示)。
实施例三
在实施例二的基础上，在步骤S402之后还包括步骤S601，步骤S601包括：
将相似性判断预测数据与利用待判断数据302和两端数据301对应的标注数据进行相似性判断的相似性判断标注数据进行比对。
通过相似性判断预测数据与利用待判断数据302和两端数据301对应的标注数据进行相似性判断的相似性判断标注数据进行比对，能够得到损失函数，因此能将该损失函数与相似网络此前训练中所得的损失函数一起作为相似网络训练的依据，从而利于相似网络的完善。
请参考图5，本发明实施例提供一种血管分割图像断裂的修复***，包括：原始图像获取模块101，用于获取血管原始图像；分割图像获取模块102，用于利用分割网络对血管原始图像进行分割处理以形成血管分割图像；查找模块103，用于查找血管分割图像中的断裂处，并获取断裂处两端201的坐标；选取模块104，用于根据断裂处两端201的坐标在血管原始图像中选取与断裂处相对应的部分；修复模块105，用于利用血管原始图像中与断裂处相对应的部分对血管分割图像中的断裂处进行修复。
在血管分割图像获取模块102利用分割网络对血管原始图像进行分割处理以形成血管分割图像的过程中，血管分割图像中会出现断裂，断裂处包括断裂处两端201及位于断裂处两端201之间的缺失部分，在通过查找模块103查找到血管分割图像中的断裂处并获取断裂处两端201的坐标后，可通过选取模块104根据断裂处两端201的坐标在血管原始图像中选取与断裂处相对应的部分，由于血管原始图像中会存在与断裂处两端201及位于断裂处两端201之间的缺失部分相对应的部分，因此可通过修复模块105根据该对应部分对血管分割图像中的断裂处进行修复。由此，能够使分割图呈现出更为完整的血管，使医生能够更为全面的分析患者的病情，从而利于提高血管疾病的治疗效果。
本实施例中，优选的，血管分割图像断裂的修复***还包括相似性判断模块106；选取模块104用于根据断裂处两端201的坐标，在血管原始图像中选取与断裂处两端201相对应的部分作为两端数据301，并在血管原始图像中选取与断裂处两端201之间缺失部分相对应的部分作为待判断数据302；相似性判断模块106用于利用相似网络对待判断数据302和两端数据301进行相似性判断并输出相似性判断预测数据；修复模块105用于在相似性判断预测数据显示待判断数据302和两端数据301相似的状态下将待判断数据302与血管分割图像合并，以对血管分割图像中的断裂处进行修复。
相似网络可将待判断数据302分别与两端数据301进行比较，以判断待判断数据302分别与两端数据301的相似性。其中，在对相似网络进行训练时，可向训练设备输入多个血管原始图像案例以供相似网络进行相似性训练，同时向训练设备输入相似性判断的标注数据，并将相似网络进行相似性训练所得到的相似性判断的预测数据与相似性判断的标注数据进行比对，从而能够得到损失函数，并通过多次相似性训练使损失函数收敛，以使相似性网络得到完善。
由于同一血管上的相邻部分相似度较高，因此若相似性判断预测数据显示待判断数据302和两端数据301相似，则说明待判断数据302与两端数据301属于同一血管上的相邻部分，从而可以认为该待判断数据302即为血管分割图像断裂处的缺失部分，之后可通过修复模块105将待判断数据302与血管分割图像合并，从而完成对血管分割图像中的断裂处的修复。由此提高了修复的准确性。
本实施例中，优选的，血管分割图像断裂的修复***还包括比对模块107，比对模块107用于将相似性判断预测数据与利用待判断数据302和两端数据301对应的标注数据进行相似性判断的相似性判断标注数据进行比对。
通过比对模块107将相似性判断预测数据与利用待判断数据302和两端数据301对应的标注数据进行相似性判断的相似性判断标注数据进行比对，能够得到损失函数，因此能将该损失函数与相似网络此前训练中所得的损失函数一起作为相似网络训练的依据，从而利于相似网络的完善。
本实施例中，优选的，还包括中心线提取模块108和端点提取模块109，中心线提取模块108用于提取血管分割图像的中心线，端点提取模块109用于提取中心线的端点，查找模块103用于根据中心线的端点查找血管分割图像中的断裂处，并获取断裂处两端201的坐标。
由于血管分割图像的断裂处的中心线也会出现断裂，因此在中心线提取模块108提取血管分割图像中心线的过程中，血管分割图像中的断裂处两端将分别形成各自的中心线。之后在端点提取模块109提取中心线端点的过程中，在断裂处两端201的中心线上均会提取到端点。由于断裂处两端的中心线上均会提取到端点，因此查找模块103根据中心线的端点能够更为容易和准确的查找到断裂处。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求本发明所述的血管分割图像断裂的修复方法。
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 (11)
1.一种血管分割图像断裂的修复方法，其特征在于，包括：
获取血管原始图像；
利用分割网络对所述血管原始图像进行分割处理以形成血管分割图像；
查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标；
根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处相对应的部分；
利用所述血管原始图像中与所述断裂处相对应的部分对所述血管分割图像中的断裂处进行修复。
2.根据权利要求1所述的血管分割图像断裂的修复方法，其特征在于，根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处相对应的部分，包括：
根据所述断裂处两端的坐标，在所述血管原始图像中选取与所述断裂处两端相对应的部分作为两端数据，并在所述血管原始图像中选取与所述断裂处两端之间缺失部分相对应的部分作为待判断数据。
3.根据权利要求2所述的血管分割图像断裂的修复方法，其特征在于，在根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处两端相对应的部分作为两端数据，并在所述血管原始图像中选取与所述断裂处两端之间的缺失部分相对应的部分作为待判断数据之后，还包括：
利用相似网络对所述待判断数据和两端数据进行相似性判断并输出相似性判断预测数据。
4.根据权利要求3所述的血管分割图像断裂的修复方法，其特征在于，利用所述血管原始图像中与所述断裂处相对应的部分对所述血管分割图像中的断裂处进行修复，包括：
若相似性判断预测数据显示所述待判断数据和两端数据相似，则将所述待判断数据与所述血管分割图像合并，以对所述血管分割图像中的断裂处进行修复。
5.根据权利要求4所述的血管分割图像断裂的修复方法，其特征在于，在利用相似网络对所述待判断数据和两端数据进行相似性判断并输出相似性判断预测数据之后，还包括：
将所述相似性判断预测数据与利用所述待判断数据和两端数据对应的标注数据进行相似性判断的相似性判断标注数据进行比对。
6.根据权利要求1所述的血管分割图像断裂的修复方法，其特征在于，查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标，包括：
提取所述血管分割图像的中心线；
提取所述中心线的端点；
根据所述中心线的端点查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标。
7.一种血管分割图像断裂的修复***，其特征在于，包括：
原始图像获取模块，用于获取血管原始图像；
血管分割图像获取模块，用于利用分割网络对所述血管原始图像进行分割处理以形成血管分割图像；
查找模块，用于查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标；
选取模块，用于根据所述断裂处两端的坐标在所述血管原始图像中选取与所述断裂处相对应的部分；
修复模块，用于利用所述血管原始图像中与所述断裂处相对应的部分对所述血管分割图像中的断裂处进行修复。
8.根据权利要求7所述的血管分割图像断裂的修复***，其特征在于，还包括相似性判断模块；
所述选取模块用于根据所述断裂处两端的坐标，在所述血管原始图像中选取与所述断裂处两端相对应的部分作为两端数据，并在所述血管原始图像中选取与所述断裂处两端之间缺失部分相对应的部分作为待判断数据；
所述相似性判断模块用于利用相似网络对所述待判断数据和两端数据进行相似性判断并输出相似性判断预测数据；
修复模块用于在所述相似性判断预测数据显示所述待判断数据和两端数据相似的状态下将所述待判断数据与所述血管分割图像合并，以对所述血管分割图像中的断裂处进行修复。
9.根据权利要求8所述的血管分割图像断裂的修复***，还包括比对模块，所述比对模块用于将所述相似性判断预测数据与利用所述待判断数据和两端数据对应的标注数据进行相似性判断的相似性判断标注数据进行比对。
10.根据权利要求7所述的血管分割图像断裂的修复***，其特征在于，还包括中心线提取模块和端点提取模块，所述中心线提取模块用于提取所述血管分割图像的中心线，所述端点提取模块用于提取所述中心线的端点，所述查找模块用于根据所述中心线的端点查找所述血管分割图像中的断裂处，并获取所述断裂处两端的坐标。
11.一种计算机可读存储介质，其特征在于，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1-6任一项所述的血管分割图像断裂的修复方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910186257.3A CN109903298B (zh) | 2019-03-12 | 2019-03-12 | 血管分割图像断裂的修复方法、***和计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910186257.3A CN109903298B (zh) | 2019-03-12 | 2019-03-12 | 血管分割图像断裂的修复方法、***和计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109903298A true CN109903298A (zh) | 2019-06-18 |
| CN109903298B CN109903298B (zh) | 2021-03-02 |
Family
ID=66947080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910186257.3A Active CN109903298B (zh) | 2019-03-12 | 2019-03-12 | 血管分割图像断裂的修复方法、***和计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109903298B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298846A (zh) * | 2019-06-27 | 2019-10-01 | 数坤（北京）网络科技有限公司 | 基于多分类的冠脉分割方法、装置及存储设备 |
| CN111383191A (zh) * | 2019-12-11 | 2020-07-07 | 北京深睿博联科技有限责任公司 | 用于血管断裂修复的图像处理方法及装置 |
| CN111539917A (zh) * | 2020-04-09 | 2020-08-14 | 北京深睿博联科技有限责任公司 | 一种基于粗细粒度融合的血管分割方法、***、终端及存储介质 |
| CN112241955A (zh) * | 2020-10-27 | 2021-01-19 | 平安科技（深圳）有限公司 | 三维图像的碎骨分割方法、装置、计算机设备及存储介质 |
| CN113593678A (zh) * | 2021-08-03 | 2021-11-02 | 北京安德医智科技有限公司 | 基于血管影像补全的脑卒中分型方法及装置 |
| CN113822897A (zh) * | 2021-11-22 | 2021-12-21 | 武汉楚精灵医疗科技有限公司 | 血管分割方法、终端及计算机可读存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103310415A (zh) * | 2013-03-15 | 2013-09-18 | 清华大学 | 基于人脸的图像缺损补绘方法及*** |
| CN104408453A (zh) * | 2014-09-29 | 2015-03-11 | 北京理工大学 | 基于多特征聚类的近红外皮下静脉分割方法 |
| CN107067398A (zh) * | 2017-04-28 | 2017-08-18 | 青岛海信医疗设备股份有限公司 | 用于三维医学模型中缺失血管的补全方法及装置 |
| CN108095871A (zh) * | 2011-04-29 | 2018-06-01 | 艾维斯科神经血管有限合伙公司 | 血管内修复体及输送装置 |
| US20180199997A1 (en) * | 2017-01-19 | 2018-07-19 | Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência | Method and apparatus for segmentation of blood vessels |
| CN108335277A (zh) * | 2018-03-05 | 2018-07-27 | 北京中科嘉宁科技有限公司 | 一种基于双Graham扫描法的图像凹陷修补方法 |
| CN108376048A (zh) * | 2018-03-05 | 2018-08-07 | 四川和生视界医药技术开发有限公司 | 视网膜血管的修复方法及修复装置 |
| WO2018237011A1 (en) * | 2017-06-20 | 2018-12-27 | University Of Louisville Research Foundation, Inc. | SEGMENTATION OF RETINIAN BLOOD VESSELS IN OPTICAL COHERENCE TOMOGRAPHY ANGIOGRAPHY IMAGES |
| CN109377458A (zh) * | 2018-09-30 | 2019-02-22 | 数坤（北京）网络科技有限公司 | 一种冠脉分割断裂的修复方法及装置 |
| CN109448006A (zh) * | 2018-11-01 | 2019-03-08 | 江西理工大学 | 一种注意力机制u型密集连接视网膜血管分割方法 |
-
2019
- 2019-03-12 CN CN201910186257.3A patent/CN109903298B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108095871A (zh) * | 2011-04-29 | 2018-06-01 | 艾维斯科神经血管有限合伙公司 | 血管内修复体及输送装置 |
| CN103310415A (zh) * | 2013-03-15 | 2013-09-18 | 清华大学 | 基于人脸的图像缺损补绘方法及*** |
| CN104408453A (zh) * | 2014-09-29 | 2015-03-11 | 北京理工大学 | 基于多特征聚类的近红外皮下静脉分割方法 |
| US20180199997A1 (en) * | 2017-01-19 | 2018-07-19 | Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência | Method and apparatus for segmentation of blood vessels |
| CN107067398A (zh) * | 2017-04-28 | 2017-08-18 | 青岛海信医疗设备股份有限公司 | 用于三维医学模型中缺失血管的补全方法及装置 |
| WO2018237011A1 (en) * | 2017-06-20 | 2018-12-27 | University Of Louisville Research Foundation, Inc. | SEGMENTATION OF RETINIAN BLOOD VESSELS IN OPTICAL COHERENCE TOMOGRAPHY ANGIOGRAPHY IMAGES |
| CN108335277A (zh) * | 2018-03-05 | 2018-07-27 | 北京中科嘉宁科技有限公司 | 一种基于双Graham扫描法的图像凹陷修补方法 |
| CN108376048A (zh) * | 2018-03-05 | 2018-08-07 | 四川和生视界医药技术开发有限公司 | 视网膜血管的修复方法及修复装置 |
| CN109377458A (zh) * | 2018-09-30 | 2019-02-22 | 数坤（北京）网络科技有限公司 | 一种冠脉分割断裂的修复方法及装置 |
| CN109448006A (zh) * | 2018-11-01 | 2019-03-08 | 江西理工大学 | 一种注意力机制u型密集连接视网膜血管分割方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298846A (zh) * | 2019-06-27 | 2019-10-01 | 数坤（北京）网络科技有限公司 | 基于多分类的冠脉分割方法、装置及存储设备 |
| CN111383191A (zh) * | 2019-12-11 | 2020-07-07 | 北京深睿博联科技有限责任公司 | 用于血管断裂修复的图像处理方法及装置 |
| CN111383191B (zh) * | 2019-12-11 | 2024-03-08 | 北京深睿博联科技有限责任公司 | 用于血管断裂修复的图像处理方法及装置 |
| CN111539917A (zh) * | 2020-04-09 | 2020-08-14 | 北京深睿博联科技有限责任公司 | 一种基于粗细粒度融合的血管分割方法、***、终端及存储介质 |
| CN111539917B (zh) * | 2020-04-09 | 2023-08-25 | 北京深睿博联科技有限责任公司 | 一种基于粗细粒度融合的血管分割方法、***、终端及存储介质 |
| CN112241955A (zh) * | 2020-10-27 | 2021-01-19 | 平安科技（深圳）有限公司 | 三维图像的碎骨分割方法、装置、计算机设备及存储介质 |
| CN112241955B (zh) * | 2020-10-27 | 2023-08-25 | 平安科技（深圳）有限公司 | 三维图像的碎骨分割方法、装置、计算机设备及存储介质 |
| CN113593678A (zh) * | 2021-08-03 | 2021-11-02 | 北京安德医智科技有限公司 | 基于血管影像补全的脑卒中分型方法及装置 |
| CN113822897A (zh) * | 2021-11-22 | 2021-12-21 | 武汉楚精灵医疗科技有限公司 | 血管分割方法、终端及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109903298B (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109903298A (zh) | 血管分割图像断裂的修复方法、***和计算机存储介质 | |
| Wang et al. | Using deep convolutional neural networks for multi-classification of thyroid tumor by histopathology: a large-scale pilot study | |
| Zeng et al. | Identification of glomerular lesions and intrinsic glomerular cell types in kidney diseases via deep learning | |
| Decenciere et al. | TeleOphta: Machine learning and image processing methods for teleophthalmology | |
| Mu et al. | Progressive global perception and local polishing network for lung infection segmentation of COVID-19 CT images | |
| Sadek et al. | Automatic discrimination of color retinal images using the bag of words approach | |
| CN109919937A (zh) | 血管分割图像断裂的修复方法、***和计算机存储介质 | |
| CN109691985A (zh) | 一种基于dti技术及svm的颞叶癫痫辅助诊断方法 | |
| Huang et al. | A structure-related fine-grained deep learning system with diversity data for universal glaucoma visual field grading | |
| Hu et al. | Automated interpretation of subcellular patterns from immunofluorescence microscopy | |
| WO2023168728A1 (zh) | 基于多模态影像组学的癫痫药物治疗结局预测方法和装置 | |
| Kotanidis et al. | Selfies in cardiovascular medicine: welcome to a new era of medical diagnostics | |
| Liu et al. | Anatomical-landmark-based deep learning for Alzheimer’s disease diagnosis with structural magnetic resonance imaging | |
| Yang et al. | Benchmarking the cow with the topcow challenge: Topology-aware anatomical segmentation of the circle of willis for cta and mra | |
| Tang et al. | Work like a doctor: Unifying scan localizer and dynamic generator for automated computed tomography report generation | |
| Scicolone et al. | Radiomics and artificial intelligence: General notions and applications in the carotid vulnerable plaque | |
| CN116310114A (zh) | 一种多任务标签模型的冠脉点云数据处理优化方法 | |
| Na et al. | Automated brain tumor segmentation from multimodal MRI data based on Tamura texture feature and an ensemble SVM classifier | |
| Ashtari-Majlan et al. | Deep learning and computer vision for glaucoma detection: A review | |
| Kaur et al. | A survey on medical image segmentation | |
| Verma et al. | Machine and Deep Learning Approaches For Brain Tumor Identification: Technologies, Applications, and Future Directions | |
| Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. | |
| Skandha et al. | Magnetic resonance based Wilson’s disease tissue characterization in an artificial intelligence framework using transfer learning | |
| Abdullah et al. | Segmentation and classification of heart angiographic images using machine learning techniques | |
| Speier et al. | Image-based patch selection for deep learning to improve automated Gleason grading in histopathological slides |
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 |
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. |
|
| CP01 | Change in the name or title of a patent holder |