CN112561884A - 肺气管和血管的分段命名*** - Google Patents
肺气管和血管的分段命名*** Download PDFInfo
- Publication number
- CN112561884A CN112561884A CN202011497610.9A CN202011497610A CN112561884A CN 112561884 A CN112561884 A CN 112561884A CN 202011497610 A CN202011497610 A CN 202011497610A CN 112561884 A CN112561884 A CN 112561884A
- Authority
- CN
- China
- Prior art keywords
- trachea
- lung
- bronchus
- naming
- branch
- 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.)
- Pending
Links
- 210000003437 trachea Anatomy 0.000 title claims abstract description 103
- 230000002685 pulmonary effect Effects 0.000 title claims description 13
- 210000004204 blood vessel Anatomy 0.000 title abstract description 39
- 210000004072 lung Anatomy 0.000 claims abstract description 113
- 210000000621 bronchi Anatomy 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 210000000056 organ Anatomy 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 28
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 235000004338 Syringa vulgaris Nutrition 0.000 description 1
- 244000297179 Syringa vulgaris Species 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供一种肺气管和血管的分段命名***,该分段命名***包括:建立模块,用于提取肺的气管中心线,并根据所述气管中心线建立气管树结构;分叶模块,用于对所述气管树结构中的每个分支的气管进行肺叶类型划分;分段模块,用于采用与所述气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。从而能够通过有效建立的人体管状器官的空间拓扑结构,自动对肺部气管进行分段命名,提高分段命名效率,并降低出错率。
Description
技术领域
本发明涉及医学影像处理领域,更具体地,涉及一种肺气管和血管的分段命名***。
背景技术
肺癌是对人类生命和健康威胁最大的肿瘤,无论是肺癌早期筛查还是肿瘤切除手术的术前规划,肺部结节和肺部组织的三维重建和可视化都是重要方法。肿瘤在肺段中的定位,对医生准确评估病灶病变情况和精准的术前规划都有很大帮助。但是,现有技术中,主流软件如Mimics等并没有此类功能。而针对肺部组织的三维重建和可视化主要集中在气管和血管的分割和重建上,气管和血管解剖分段命名多数是由人工完成,其存在着效率低、易出错的缺陷。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的肺气管和血管的分段命名***。
根据本发明实施例的第一方面,提供一种肺气管和血管的分段命名方法,该方法包括:提取肺的气管中心线,并根据气管中心线建立气管树结构;对气管树结构中的每个分支的气管进行肺叶类型划分;采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
根据本发明实施例第二方面,提供了一种肺气管和血管的分段命名***,该***包括:建立模块,用于提取肺的气管中心线,并根据气管中心线建立气管树结构;分叶模块,用于对气管树结构中的每个分支的气管进行肺叶类型划分;分段模块,用于采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
根据本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的肺气管和血管的分段命名方法。
根据本发明实施例的第四方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的肺气管和血管的分段命名方法。
本发明实施例提供的肺气管和血管的分段命名***,通过提取肺的气管中心线,建立气管树结构,并采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果,从而能够通过有效建立的人体管状器官的空间拓扑结构,自动对肺部气管进行分段命名,提高分段命名效率,并降低出错率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的肺气管和血管的分段命名方法的流程示意图;
图2为本发明另一实施例提供的肺气管和血管的分段命名方法的流程示意图;
图3为本发明实施例提供的左肺分段命名示意图;
图4为本发明实施例提供的右肺分段命名示意图;
图5为本发明实施例提供的肺气管和血管的分段命名***的结构示意图;
图6为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提供一种肺气管和血管的分段命名方法,参见图1,该方法包括但不限于如下步骤:
步骤101、提取肺的气管中心线,并根据气管中心线建立气管树结构。
具体地,本步骤可进一步包括提取肺的气管中心线的步骤,以及根据气管中心线建立气管树结构的步骤。
其中,针对提取肺的气管中心线的步骤,作为一种可选实施例,该步骤可进一步包括:根据气管的3D图像提取气管中心线,并定义气管中心线的三维坐标;其中,定义X轴为平行于人体两肩的方向,人体左手所在方向为正方向;定义Y轴为垂直于人体胸部的方向,人体向后的方向为正方向;定义Z轴为平行于人体脚部到头部的方向,人体头部所在方向为正方向。
其中,针对根据气管中心线建立气管树结构的步骤,作为一种可选实施例,该步骤可进一步包括:根据气管中心线的起点、分叉点和末端点建立气管树结构;其中,气管树结构包括多个分支的气管,每支气管由组成气管的分支中心线的所有点、分支上游父分支节点和分支下游子分支节点定义。该步骤基于气管中心线,通过分析中心线各点之间的连接关系建立气管的树状结构,参见图3和4,该结构类似于二叉树,定义的气管树结构包括:根分支节点信息和子分支节点信息。定义分支节点包括:组成分支中线的所有点、分支上游父分支节点和分支下游子分支节点。
并且,建立气管树结构的步骤种,在气管中心线上,定义气管树的起点为主气管Z坐标值最大的一点,定义分叉点为具有3个及以上的邻接点的点,定义中间点为具有2个邻接点的点,定义末端点为只有一个邻接点的点。从气管起点出发,沿中心线不断检查邻接点,如果遇到一个分叉点就得到一个气管分支;如果遇到中间点,则继续检查该点的邻接点;如果遇到末端点,则结束该分支的检查,从而能够保证建立的器官树的结构完整。
步骤102、对气管树结构中的每个分支的气管进行肺叶类型划分。
具体地,作为一种可选实施例,该步骤102可进一步包括:根据气管树结构的不同分支气管的方向、位置和直径的信息,将每个分支的气管划分为左肺上叶气管、左肺下叶气管、右肺上叶气管、右肺中叶气管和右肺下叶气管中的一种。
并且,在本步骤中,沿主气管第一次分叉产生两个分支B1和B2,分别计算两个分支中心线的X坐标平均值XP1和XP2,若XP1<XP2,则B1为右肺气管,B2为左肺气管。对于左肺气管,在气管树第一次分叉的时候,产生两个支分支L1和L2,分别计算两个子分支中心线Z坐标的平均值ZL1和ZL2,若ZL1<ZL2,则L1为左肺上叶气管,L2为左肺下叶气管。对于右肺气管,在气管树第一次分叉的时候,产生两个支分支R1和R2,分别计算两个子分支中心线Z坐标的平均值ZR1和ZR2,若ZR1<ZR2,则R1为右肺肺上叶气管。对于气管分支R2,其分叉时产生两个分支R3和R4,分别计算R3和R4的中心线Y坐标平均值YR3和YR4,若YR3<YR4,则R3为右肺中叶气管,R4为右肺下叶气管。
步骤103、采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
具体地,作为一种可选实施例,该步骤103可进一步包括:
步骤1031、采用样本数据分别为每一种肺叶类型训练相对应的第一分类器,其中,肺叶类型包括左肺上叶、左肺下叶、右肺上叶、右肺中叶和右肺下叶。
具体地,所采用的分类器的类型可以为支持向量机、决策树或者随机森林。定义肺叶的根部分支中心线终点为该肺叶的局部坐标原点P0,根部分支的方向为D0,每一个分支的坐标定义为该分支中心线坐标的平均值P,则每一分支的相对坐标为Pr,对应的球坐标为M。分类器所需要的特征有:分支的局部球坐标M1,分支的方向D1,分支方向D1和根部分支方向D0的外积A1,分支父节点的局部球坐标M2,分支父节点分支方向D2,父节点分支与根部分支方向D0的外积A2,分支直径N。将上述特征组合为一个长度为19的数组,作为该分支的特征数组。训练过程中,需训练5个分类器,分别对5个肺叶内的气管分支进行分类。训练的输入数据为气管分支的特征数组,输出结果为该分支所属肺段的标签。训练所需的3D气管图像的数量为100,对应到不同肺段气管分支的数量级为5000。训练过程中,80套数据用作训练,20套数据用作验证。
步骤1032、提取气管的分支特征,将分支特征输入至与气管的肺叶类型相对应的第一分类器,获得分类器输出的肺段命名结果。
具体地,提取气管分支特征,利用训练完成的左肺上叶、左肺下叶、右肺上叶、右肺中叶和右肺下叶等5个分类器,分别对5个肺叶内的每一个气管分支进行分类。气管按照肺段解剖结构,一共分为18段,具体为:左上叶尖后段(LB1/2)、左上叶前段(LB3)、左上叶上舌段(LB4)和左上叶下舌段(LB5)、左下叶背段(LB6)、左下叶前基底段(LB8)、左下叶外基底段(LB9)、左下叶后基底段(LB10)、右上叶尖段(RB1)、右上叶后段(RB2)、右下叶前段(RB3)、右中叶外侧段(RB4)、右中叶内侧段(RB5)、右下叶背段(RB6)、右下叶内基底段(RB7)、右下叶前基底段(RB8)、右下叶外基底段(RB9)、右下叶后基底段。即肺段命名结果包括上述18种。
基于上述实施例的内容,作为一种可选实施例,该方法还包括如下步骤:
步骤104、提取肺的血管中心线,并根据血管中心线建立血管树结构。其中,上述提取肺的血管中心线的方法以及建立血管树结构的方法可参见步骤101,血管的方法与气管的相似,只需将气管相应的替换为血管。
步骤105、根据气管的肺段命名结果,采用第二分类器对血管树结构中的每个分支的血管进行肺段分类,获得每支血管的肺段命名结果。
具体地,本发明实施例对步骤104与步骤101、102和103的执行顺序不做限定。根据步骤103中气管肺段命名的结果,利用K最邻近分类器(即第二分类器)对同一套三维影像的血管树进行分类。该第二分类器输入特征为气管树或血管树中心线上点的坐标,输出结果为该点的肺段标签。第二分类器使用的训练数据为气管分支中心线的坐标点和标签值,输出结果为血管树上所有点的肺段标签。根据第二分类器的分类结果,统计每一个血管分支上中心线上点的分类标签,取数量最多的一个标签值作为该血管分支的肺段标签。
为了对上述实施例提供的方法进行说明,图2为本发明另一实施例提供的肺气管和血管的分段命名方法的流程示意图,参见图2,该方法包括如下步骤:步骤S1,提取气管中心线。步骤S2,建立气管树结构。步骤S3,气管肺叶划分。步骤S4,气管肺段分类。步骤S5,按照步骤S1中方法,提取肺血管中心线。步骤S6,按照步骤S2中方法,建立血管树结构,其中,肺血管中心线起点定义为肺外血管Y坐标最小的末端点。步骤S7,根据S4中气管肺段命名的结果,利用K最邻近分类器对同一套三维影像的血管树进行分类。
综上所述,本发明实施例提供的肺气管和血管的分段命名方法,通过提取肺的气管中心线,建立气管树结构,并采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果,从而能够通过有效建立的人体管状器官的空间拓扑结构,自动对肺部气管进行分段命名,提高分段效率,降低出错率。
基于上述实施例的内容,本发明实施例提供了一种肺气管和血管的分段命名***,该肺气管和血管的分段命名***用于执行上述方法实施例中的肺气管和血管的分段命名方法。参见图5,该***包括:建立模块201,用于提取肺的气管中心线,并根据气管中心线建立气管树结构;分叶模块202,用于对气管树结构中的每个分支的气管进行肺叶类型划分;分段模块203,用于采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
本发明实施例提供了一种电子设备,如图6所示,该设备包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503上并可在处理器501上运行的计算机程序,以执行上述各实施例提供的肺气管和血管的分段命名方法,例如包括:提取肺的气管中心线,并根据气管中心线建立气管树结构;对气管树结构中的每个分支的气管进行肺叶类型划分;采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
此外,上述的存储器503中的逻辑指令可以通过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。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的肺气管和血管的分段命名方法,例如包括:提取肺的气管中心线,并根据气管中心线建立气管树结构;对气管树结构中的每个分支的气管进行肺叶类型划分;采用与气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
以上所描述的电子设备等实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (1)
1.一种肺气管和血管的分段命名***,其特征在于,包括:
建立模块,用于提取肺的气管中心线,并根据所述气管中心线建立气管树结构;
分叶模块,用于对所述气管树结构中的每个分支的气管进行肺叶类型划分;
分段模块,用于采用与所述气管的肺叶类型相对应的第一分类器对每支气管的肺段进行分类,获得每支气管的肺段命名结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011497610.9A CN112561884A (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名*** |
PCT/CN2020/139998 WO2021169549A1 (zh) | 2020-02-24 | 2020-12-28 | 肺气管和血管的分段命名*** |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010111563.3A CN111311583B (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名方法 |
CN202011497610.9A CN112561884A (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名*** |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010111563.3A Division CN111311583B (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561884A true CN112561884A (zh) | 2021-03-26 |
Family
ID=71147685
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011497610.9A Pending CN112561884A (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名*** |
CN202010111563.3A Active CN111311583B (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010111563.3A Active CN111311583B (zh) | 2020-02-24 | 2020-02-24 | 肺气管和血管的分段命名方法 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN112561884A (zh) |
WO (2) | WO2021169549A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222006A (zh) * | 2021-05-08 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种亚段支气管分级的方法、装置、设备及存储介质 |
CN114203297A (zh) * | 2021-12-14 | 2022-03-18 | 清华大学 | 用于医学影像的呼吸道疾病随诊辅助方法及装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561884A (zh) * | 2020-02-24 | 2021-03-26 | 广州柏视医疗科技有限公司 | 肺气管和血管的分段命名*** |
CN112070790B (zh) * | 2020-09-11 | 2023-04-07 | 杭州微引科技有限公司 | 一种基于深度学习和图像处理的混合肺部分割*** |
DE102020211945A1 (de) * | 2020-09-23 | 2022-03-24 | Siemens Healthcare Gmbh | Verfahren und Anordnung zur automatischen Lokalisierung von Organsegmenten in einem dreidimensionalen Bild |
CN112308857B (zh) * | 2020-12-25 | 2021-05-11 | 数坤(北京)网络科技有限公司 | 一种血管中心线的确定方法、装置及可读存储介质 |
CN113011509B (zh) * | 2021-03-25 | 2022-02-22 | 推想医疗科技股份有限公司 | 肺部支气管的分类方法、装置、电子设备和存储介质 |
CN113223013B (zh) * | 2021-05-08 | 2022-02-22 | 推想医疗科技股份有限公司 | 一种肺血管分段定位的方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090185731A1 (en) * | 2008-01-23 | 2009-07-23 | Carestream Health, Inc. | Method for lung lesion location identification |
US20170249744A1 (en) * | 2014-12-02 | 2017-08-31 | Shanghai United Imaging Healthcare Co., Ltd. | A Method and System for Image Processing |
CN108389210A (zh) * | 2018-02-28 | 2018-08-10 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
CN109615636A (zh) * | 2017-11-03 | 2019-04-12 | 杭州依图医疗技术有限公司 | Ct影像的肺叶段分割中的血管树构造方法、装置 |
US20190139227A1 (en) * | 2017-06-30 | 2019-05-09 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image segmentation |
US20190180442A1 (en) * | 2017-11-20 | 2019-06-13 | University Of Iowa Research Foundation (Uirf) | Novel Systems and Methods for Airway Tree Segmentation |
US20190220701A1 (en) * | 2018-01-16 | 2019-07-18 | Siemens Healthcare Gmbh | Trained generative network for lung segmentation in medical imaging |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5903664A (en) * | 1996-11-01 | 1999-05-11 | General Electric Company | Fast segmentation of cardiac images |
AU2002331850A1 (en) * | 2001-09-11 | 2003-03-24 | Pulmonx | Methods of endobronchial diagnosis using imaging |
JP2008142481A (ja) * | 2006-12-13 | 2008-06-26 | Med Solution Kk | 肺を肺区域の単位に自動的にセグメンテーションする装置およびプログラム |
CN101425186B (zh) * | 2008-11-17 | 2012-03-28 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其*** |
WO2012106320A1 (en) * | 2011-02-04 | 2012-08-09 | The Penn State Research Foundation | Global and semi-global registration for image-based bronchoscopy guidance |
US9129417B2 (en) * | 2012-02-21 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for coronary artery centerline extraction |
CN102749053A (zh) * | 2012-06-06 | 2012-10-24 | 内蒙古科技大学 | 基于三维可视化和蒙特卡罗方法的体积测量方法 |
CN105139030A (zh) * | 2015-08-18 | 2015-12-09 | 青岛海信医疗设备股份有限公司 | 一种肝脏血管的分类方法 |
KR20170128975A (ko) * | 2016-05-16 | 2017-11-24 | 한국전자통신연구원 | 혈관 분할 장치 및 그것의 혈관 분할 방법 |
CN106097298B (zh) * | 2016-05-27 | 2019-08-20 | 中国人民解放军第三军医大学 | 基于球空间划分的冠状动脉自动分段与解剖学标记方法 |
EP3352135B1 (en) * | 2017-01-19 | 2019-09-11 | INESC TEC - Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência | Method and apparatus for segmentation of blood vessels |
US20190014982A1 (en) * | 2017-07-12 | 2019-01-17 | iHealthScreen Inc. | Automated blood vessel feature detection and quantification for retinal image grading and disease screening |
CN108765363B (zh) * | 2018-03-24 | 2021-06-25 | 语坤(北京)网络科技有限公司 | 一种基于人工智能的冠脉cta自动后处理*** |
CN108717695B (zh) * | 2018-04-25 | 2021-07-13 | 数坤(北京)网络科技股份有限公司 | 心脏冠脉血管自动分段命名方法 |
CN108830155B (zh) * | 2018-05-10 | 2021-10-15 | 北京红云智胜科技有限公司 | 一种基于深度学习的心脏冠状动脉分割及识别的方法 |
CN110176004A (zh) * | 2019-04-24 | 2019-08-27 | 艾瑞迈迪科技石家庄有限公司 | 一种肝脏分段方法和*** |
CN110378923A (zh) * | 2019-07-25 | 2019-10-25 | 杭州健培科技有限公司 | 一种智能肺部气管树分割提取和分级的方法与装置 |
CN110956635B (zh) * | 2019-11-15 | 2023-12-01 | 上海联影智能医疗科技有限公司 | 一种肺段分割方法、装置、设备及存储介质 |
CN112561884A (zh) * | 2020-02-24 | 2021-03-26 | 广州柏视医疗科技有限公司 | 肺气管和血管的分段命名*** |
CN111898672A (zh) * | 2020-07-29 | 2020-11-06 | 苏州影加科技有限公司 | 一种基于最优图论的支气管段解剖结构的自动识别方法 |
-
2020
- 2020-02-24 CN CN202011497610.9A patent/CN112561884A/zh active Pending
- 2020-02-24 CN CN202010111563.3A patent/CN111311583B/zh active Active
- 2020-12-28 WO PCT/CN2020/139998 patent/WO2021169549A1/zh active Application Filing
- 2020-12-28 WO PCT/CN2020/139997 patent/WO2021169548A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090185731A1 (en) * | 2008-01-23 | 2009-07-23 | Carestream Health, Inc. | Method for lung lesion location identification |
US20170249744A1 (en) * | 2014-12-02 | 2017-08-31 | Shanghai United Imaging Healthcare Co., Ltd. | A Method and System for Image Processing |
US20190139227A1 (en) * | 2017-06-30 | 2019-05-09 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for image segmentation |
CN109615636A (zh) * | 2017-11-03 | 2019-04-12 | 杭州依图医疗技术有限公司 | Ct影像的肺叶段分割中的血管树构造方法、装置 |
US20190180442A1 (en) * | 2017-11-20 | 2019-06-13 | University Of Iowa Research Foundation (Uirf) | Novel Systems and Methods for Airway Tree Segmentation |
US20190220701A1 (en) * | 2018-01-16 | 2019-07-18 | Siemens Healthcare Gmbh | Trained generative network for lung segmentation in medical imaging |
CN108389210A (zh) * | 2018-02-28 | 2018-08-10 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
Non-Patent Citations (4)
Title |
---|
EVA M.VAN RIKXOORT等: "Automatic segmentation of pulmonary segments from volumetric chest CT scans", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》, vol. 28, no. 4, 30 April 2009 (2009-04-30), XP011251037 * |
万少朋: "基于CT图像的肝脏分段方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2011, no. 12, 15 December 2011 (2011-12-15), pages 138 - 1622 * |
许友彬: "基于肺部组织分割与检测技术的肺功能计算机辅助诊断***研发", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, vol. 2020, no. 2, 15 February 2020 (2020-02-15), pages 060 - 38 * |
边子健等: "肺部CT图像中的解剖结构分割方法综述", 《中国图象图形学报》, vol. 23, no. 10, 31 October 2018 (2018-10-31), pages 1450 - 1471 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222006A (zh) * | 2021-05-08 | 2021-08-06 | 推想医疗科技股份有限公司 | 一种亚段支气管分级的方法、装置、设备及存储介质 |
CN113222006B (zh) * | 2021-05-08 | 2021-10-08 | 推想医疗科技股份有限公司 | 一种亚段支气管分级的方法、装置、设备及存储介质 |
CN114203297A (zh) * | 2021-12-14 | 2022-03-18 | 清华大学 | 用于医学影像的呼吸道疾病随诊辅助方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111311583B (zh) | 2021-03-12 |
CN111311583A (zh) | 2020-06-19 |
WO2021169549A1 (zh) | 2021-09-02 |
WO2021169548A1 (zh) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311583B (zh) | 肺气管和血管的分段命名方法 | |
CN107563983B (zh) | 图像处理方法以及医学成像设备 | |
CN109035255B (zh) | 一种基于卷积神经网络的ct图像中带夹层主动脉分割方法 | |
US9471989B2 (en) | Vascular anatomy modeling derived from 3-dimensional medical image processing | |
CN109598728A (zh) | 图像分割方法、装置、诊断***及存储介质 | |
Miyawaki et al. | Automatic construction of subject-specific human airway geometry including trifurcations based on a CT-segmented airway skeleton and surface | |
CN110517279A (zh) | 头颈血管中心线提取方法及装置 | |
JP2011098195A (ja) | 構造物検出装置および方法ならびにプログラム | |
CN108428210B (zh) | 血管图像重建方法和重建装置 | |
CN113192069B (zh) | 三维断层扫描图像中树状结构的语义分割方法和装置 | |
CN113011509B (zh) | 肺部支气管的分类方法、装置、电子设备和存储介质 | |
CN113744272A (zh) | 一种基于深度神经网络的脑动脉自动勾画方法 | |
CN114037663A (zh) | 一种血管分割方法、装置及计算机可读介质 | |
CN117373070A (zh) | 血管分段标注的方法及装置、电子设备和存储介质 | |
CN115375719A (zh) | 一种血管图像分割方法及装置 | |
CN114972365A (zh) | 结合先验掩膜的oct图像脉络膜分割模型构建方法及应用 | |
Yureidini et al. | Robust RANSAC-based blood vessel segmentation | |
KR20160053325A (ko) | 장기의 동맥 및 정맥의 구분 방법 | |
CN113902763A (zh) | 基于有向血管树的视网膜血管重构方法 | |
JP7187680B2 (ja) | 線構造抽出装置及び方法、プログラム並びに学習済みモデル | |
CN108108700A (zh) | 一种基于弦轴变换的猪的特征区域识别方法 | |
CN115018825B (zh) | 一种冠脉优势型的分类方法、分类装置及存储介质 | |
CN110688503A (zh) | 一种树形结构图像的对象分离处理方法及装置 | |
CN110428431A (zh) | 一种心脏医学图像的分割方法、装置、设备及存储介质 | |
CN114869464A (zh) | 血管介入手术机器人三维导航方法、装置、设备和介质 |
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 |