CN112674736A - 一种用于自动评价血管形变的监测显示方法及*** - Google Patents
一种用于自动评价血管形变的监测显示方法及*** Download PDFInfo
- Publication number
- CN112674736A CN112674736A CN202110025833.3A CN202110025833A CN112674736A CN 112674736 A CN112674736 A CN 112674736A CN 202110025833 A CN202110025833 A CN 202110025833A CN 112674736 A CN112674736 A CN 112674736A
- Authority
- CN
- China
- Prior art keywords
- cardiac cycle
- blood vessel
- data
- image
- deformation
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种用于自动评价血管形变的监测显示方法及***,包括获取冠脉血管目标区域血管的影像数据和心动周期数据;通过对目标血管不同时刻的管腔内径进行监控和测量,实时对血管同一位置在不同时刻的管腔形变大小进行监控,可以观测斑块稳定性,同时可以用做心肌桥或其它异常情况的参数计算,能够对特定冠脉血管的整体情况进行预判,从而后续实现冠心病的定量化解剖学评估和功能性评估,准确度更高。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种用于自动评价血管形变的监测显示方法及***。
背景技术
心血管疾病严重威胁人类的健康,尤其是冠心病,其诊断困难;冠心病,是由于供应心肌的冠状动脉血管发生动脉粥样硬化而引起血管狭窄或阻塞,血管的形变信息可以用于评估斑块的稳定性,一般来说,血管某特定位置处的形变越大,斑块越不稳定,容易发生心血管不良事件。
目前为止,现有技术可以利用腔内影像学成像如IVUS/OCT等方式判断斑块稳定性,但无法利用冠脉造影成像评估斑块稳定性。冠脉造影成像是临床上判断冠心病的最常用工具。如果有一种方式可以实现利用冠脉造影成像直接评估斑块稳定性,将会大大节约手术成本,帮助术者更方便的获取有利信息。
获取血管形变信息还可以用于监测心肌桥血管异常程度。心肌桥即冠脉血管走行于心肌内,由于心肌的压缩,导致血管在收缩期和舒张期形态有所变化。目前为止,针对心肌桥血管异常只能通过目测初步判断异常程度。本发明可以实现心肌桥异常监测,准确度更高,具有较高的临床使用价值。
发明内容
针对上述缺陷或不足,本发明的目的在于提供一种用于自动评价血管形变的监测显示方法。
为达到以上目的,本发明的技术方案为:
一种用于自动评价血管形变的监测显示方法,包括以下步骤:
获取冠脉血管目标区域血管的影像数据信息;
获取与影像数据信息相关联的心动周期数据;
至少将一个心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据信息,识别该心动周期内每个部分内的多帧血管轮廓图像;
每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像,并且对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数;
显示至少一个心动周期内所选取的心动周期模型图以及多个分割后的血管轮廓图像,并根据所述心动周期模型图以及多个血管的管腔参数监控血管形变状态。
所述获取与影像数据信息相关联的心动周期数据具体包括:
判断影像数据信息中是否含有心动周期数据信息;
若含有心动周期数据信息,则自动提取该心动周期数据信息;若不含有心动周期数据信息,则通过深度学习的方法获得心动周期数据。
所述通过深度学习的方法获得心动周期数据包括:
建立心动周期数据库;
根据心动周期数据库获得冠脉血管目标区域血管的心动周期数据。
所述建立心动周期数据库,包括:
获取全部影像数据信息;
采集目标区域血管的舒张期数据和收缩期数据,并且对舒张期数据和收缩期数据分别进行标注,识别舒张期和收缩期数据的特征,进行训练,实现心动周期的自动识别,使冠脉血管目标区域血管的影像数据信息与心动周期数据关联。
所述对舒张期数据和收缩期数据分别进行标注出来包括:
通过手动方式将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注;或者,
通过带有心动周期数据的影像数据进行快速标注。
所述至少将一个心动周期内的心动周期数据分割为若干部分包括:
根据预设时间段,将一个心动周期内的心动周期数据平均分割为若干部分,优选地,将心动周期数据分割为三部分,且预设时间段至少包含一个舒张期和一个收缩期。
所述每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像包括:
显示多帧血管轮廓图像,并且在多帧血管轮廓图像中,根据血管轮廓图像的清晰度,选取清晰度靠前的若干副血管轮廓图像作为关键帧血管轮廓图像。
所述对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数包括:
对关键帧血管轮廓图像进行图像处理,得到心动周期模型图,并且显示;
根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。
获取冠脉血管目标区域血管的影像数据后,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行观测对比。
选取1-N个心动周期,将所选取的心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像,所述N为不小于3的整数,优选的,所述N等于3。
一种用于自动评价血管形变的监测显示***,包括:影像获取模块、心动周期数据获取模块、识别模块、处理模块、显示模块、以及监控模块,其中;
所述影像获取模块,用于获取冠脉血管目标区域血管的影像数据;
所述心动周期数据获取模块,用于获取与影像数据信息相关联的心动周期数据;
所述识别模块,用于至少将一个心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据信息,识别该心动周期内每个部分内的多帧血管轮廓图像;
所述处理模块,用于每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像,并且对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数;
所述显示模块,用于显示至少一个心动周期内所选取的心动周期模型图以及多个分割后的血管轮廓图像;
所述监控模块,用于根据所述心动周期模型图以及多个血管的管腔参数监控血管形变状态。
所述心动周期数据获取模块包括:
心动周期数据判断模块,其用于判断影像数据信息中是否含有心动周期数据信息;若含有心动周期数据信息,则自动提取该心动周期数据信息;若不含有心动周期数据信息,则通过深度学习的方法获得心动周期数据。
所述心动周期数据获取模块还包括:心动周期数据库建立模块和数据获取模块,其中;
所述心动周期数据库建立模块,用于建立心动周期数据库;所述数据获取模块,用于根据心动周期数据库获得冠脉血管目标区域血管的心动周期数据。
所述心动周期数据库建立模块具体用于:
获取全部影像数据信息;
采集目标区域血管的舒张期数据和收缩期数据,并且对舒张期数据和收缩期数据分别进行标注,识别舒张期和收缩期数据的特征,进行训练,实现心动周期的自动识别,使冠脉血管目标区域血管的影像数据信息与心动周期数据关联。
所述对舒张期数据和收缩期数据分别进行标注包括:
通过手动方式进行将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注;或者,
通过带有心动周期数据的影像数据进行快速标注。
所述处理模块用于,根据预设时间段,将一个心动周期内的心动周期数据分割为若干部分;优选地,将心动周期数据分割为三部分,且预设时间段至少包含一个舒张期和一个收缩期。
所述识别模块,用于在多帧血管轮廓图像中,根据血管轮廓图像的清晰度,选取清晰度靠前的若干副血管轮廓图像作为关键帧血管轮廓图像。
所述处理模块具体用于,对关键帧血管轮廓图像进行图像处理,得到心动周期模型图;
根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。
获取冠脉血管目标区域血管的影像数据后,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行观测对比。
选取1-N个心动周期,将所选取的心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像,优选的,所述N为不小于3的整数,优选的,所述N等于3。
所述显示模块还包括多个显示子模块,分别用于显示多帧血管轮廓图像和心动周期模型图。
与现有技术比较,本发明的有益效果为:
本发明提供了一种用于自动评价血管形变的监测显示方法及***,通过对目标血管不同时刻的管腔内径进行监控和测量,实时对血管同一位置在不同时刻的管腔形变大小进行监控,观测斑块稳定性,同时可以用做心肌桥或其它异常情况的参数计算,能够对特定冠脉血管的整体情况进行预判,实现心肌桥血管异常的定量化解剖学评估和功能性评估,准确度更高,具有较高的临床使用价值。
附图说明
图1是本发明用于自动评价血管形变的监测显示方法实施例流程图一;
图2是本发明用于自动评价血管形变的监测显示方法实施例流程图二;
图3是本发明用于自动评价血管形变的监测四个区域显示图;
图4是本发明用于自动评价血管形变的监测第五区域显示图;
图5是本发明用于自动评价血管形变的监测显示***的框图;
图6是本发明用于自动评价血管形变的监测显示***心动周期数据获取模块的框图。
具体实施方式
下面将结合附图对本发明做详细描述,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。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,都属于本发明的保护范围。
对于心脏疾病,冠脉血管管腔的大小除了受到斑块本身的影响,还受到心脏收缩、舒张情况的影响。在存在心肌桥血管异常和斑块较软、斑块应力较大的情况下,相应位置的血管管腔的形变受心脏收缩/舒张情况影响较大,监测不同时刻的血管管腔的大小,能够对斑块实时监测,反映出斑块稳定性,同时可以用做心肌桥血管异常的参数计算。
如图1所示,本发明提供了一种用于自动评价血管形变的监测显示方法,包括以下步骤:
S1、获取冠脉血管目标区域血管的影像数据信息;
本实施例中,冠脉影像数据信息可以通过CT、OCT、IVUS或X射线等检测手段获取。并且根据冠脉影像信息,可以得到所需冠脉的几何特征数据,根据所述几何特征数据,生成目标区域血管的空间模型;其中,所述冠脉的几何特征数据可以包括通过冠脉影像信息直接获得的冠脉的原始几何特征数据,还可以包括通过冠脉原始几何特征数据重建冠脉无病变状态,得到冠脉参考管腔的几何特征数据;所述空间模型至少包括目标区域血管的直径;优选地,几何特征数据可以包括以下至少一种:直径、半径、横截面积或者长轴及短轴。具体而言,血管几何结构信息可以只是包括直径,可以只是包括半径,也可以只是包括横截面积,也可以只是包括长轴及短轴,或者每个二维切面的血管几何结构信息可以包括以上各种情况的组合,比如二维切面的血管几何结构信息可以包括直径和横截面积,或者可以包括直径、长轴及短轴。
其实血管的影像数据信息至少可以包括多帧血管造影图像,每帧血管造影图像都对应一个心动周期的时刻。
S2、获取与影像数据信息相关联的心动周期数据;
所述心动周期数据包括但不局限于所述目标区域血管的心电图、形态、长度、直径、或弯曲角度,还可以根据需求进行获取。
本发明是需要获取与影像数据信息相关联的心动周期数据,即在所述目标区域血管的空间模型结构和本心动周期数据关联起来,例如,能够在心动周期数据的特定时刻,获得目标区域血管的空间模型,进而获得多帧血管轮廓图像;也可以是根据血管轮廓图像,能够关联到心动周期数据的特定时刻,从而得到此时血管处于某个状态中。示例性的,可以将心动周期建立为坐标轴,所述坐标轴的横坐标为时间,纵坐标为心率,当选取横坐标特定时刻时,则能够立即关联出该时刻的多张目标区域血管的轮廓图像,此时的血管轮廓图像可以是特定血管位置的轮廓图像,也可以是感兴趣血管的轮廓图像。
在实际获取中,主要有两个获取方式,优选地,如图2所示,包括步骤S2.1:
S2.1、判断影像数据信息中是否含有心动周期数据信息;
S2.2、若含有心动周期数据信息,则自动提取该心动周期数据信息;若不含有心动周期数据信息,则通过深度学习的方法获得心动周期数据。
所以,第一种与影像数据信息相关联的心动周期数据的获取方式为:如果影像数据信息获取装置具有采集功能,则选择开启门控开关,通过影像数据信息获取装置直接在进行影像数据信息采集时,联动的建立心动周期数据并进行保存,方便进行自动提取,将冠脉影像数据与心动周期数据进行关联。当所述影像数据信息获取装置不具有采集功能时,可以采用第二种方式。
第二种与影像数据信息相关联的心动周期数据的获取方式为:
S2.2.1、建立心动周期数据库;
血管在进行收缩或舒张时,无法直接从影像数据中获取心电信息,例如,看到一幅或者多副影像图像时,无法判断该影像图像中的感兴趣血管处于舒张或者收缩状态,目前只能通过人工方式根据个人经验进行对比分析获得心电信息,该方式效率低,并且对医生的经验要求高,实际中不便操作;又或者通过自带心电图数据的影像进行判断,但多数情况下采集的影像数据未自带心电图,这些情况均不利于医生对病人的并且进行了解和观察。因此,本发明目标在于心动周期数据与影像数据的关联,使得心动周期与影像数据产生关联,进行同时显示,使得医生能够获得任意心动周期内特征时刻的目标血管区域的影像图像;或者选定影像图像后,能够立刻获得此时感兴趣血管处于心动周期的哪个时刻。
建立心动周期数据库具体为:
获取全部影像数据信息;
采集目标区域血管的舒张期数据和收缩期数据,并且对舒张期数据和收缩期数据分别进行标注,识别舒张期和收缩期数据的特征,进行训练,实现心动周期的自动识别,使冠脉血管目标区域血管的影像数据信息与心动周期数据关联。此时,所述对舒张期数据和收缩期数据分别进行标注包括:通过手动方式将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注。
示例性的,所述将舒张期数据和收缩期数据分别标记出来有两种方式:
第一种为人工标注,有经验的人工标注,通过手动方式将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注,即对每一帧冠脉影像数据定义一个标签。
第二种是利用自身携带心电图的信息快速标注,该方法需要心电信息,然后对每一帧冠脉影像数据进行快速标注。
对于标注后的冠脉影像数据搭建网络模型,通过深度学习,训练神经网络,使得神经网络能够对冠脉影像数据具有快速识别的功能。例如,利用AI技术进行自动检测到收缩末期跟舒张末期,具体的方法就是通过深度学习,加上标注好的数据,标注就是把每一帧图像给个标签。比如这一帧是收缩末,这一帧是舒张末,这一帧是其它帧,然后训练卷积神经网络。如果还有心电图数据,可以优先采用心电图数据来确定收缩期跟舒张期,不需要去运行AI模型。
得到全部的带有标注的影像数据信息后,则可以建立一个心动周期数据库。
优选地,还可以建立至少一个心动周期数的心动坐标图,并通过显示区域进行显示;其中,所述坐标轴的横坐标为时间,纵坐标为心率,并在特定区域进行显示,所述的心动坐标图时刻能够进行多种方式划分或选取,选取多个特定时刻,则能够得到多帧血管轮廓图像。最终将血管几何结构信息和生命特征信息建立了关联关系即可。
优选地,本发明中还包括:根据冠脉影像数据,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行重点观测对比。
S2.2.2、根据心动周期数据库获得冠脉血管目标区域血管的心动周期数据。
建立完成心动周期数据库后,则能够根据所选定的心动周期数的特定时刻提取出所对应的血管的影像数据信息。
S3、至少将一个心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据信息,识别该心动周期内每个部分内的多帧血管轮廓图像;
获取每一个心动周期内的心动周期数据,然后根据预设时间段分为若干部分,示例性的,本实施例中,以分为四个部分为例进行说明。如图2所示,将心动周期内的心动周期数据分割为四部分;
其中,所述划分的方式可以根据需要进行设置,并不局限于本实施例中的方式,可以是在一个心动周期的形象数据内,影像数据较为清晰且利于分析的各个影像数据所对应的各个时刻点,也可以是根据监测的时间间隔,优选的,也可以是根据目标血管区域的位置进行划分。本发明中以预设的时间为例进行说明,优选的,本发明的预设时间段设置为至少一个舒张期和一个收缩期。
以时间段为例,所述至少将一个心动周期内的心动周期数据分割为若干部分包括:根据预设时间段,将一个心动周期内的心动周期数据平均分割为若干部分;然后根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像。
根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像有多种方式,需要将影像数据进行分割,然后对分割后的得到多帧图像,对多帧图像进行图像处理,血管段的管腔的血管轮廓图像,从而得到管腔的管腔参数。
检测并分析感兴趣血管段的影像数据得到管腔参数的具体方法可以有多种,例如,可以参考公开号为CN107133959A的专利中的方法。可以通过算法分割出感兴趣血管段多个剖切角度下纵切面图像的管腔与中膜边界的轮廓,并结合纵切面轮廓分割出每一帧横断面图像中管腔与中膜边界的轮廓,并量化出每一帧中横断面图像中管腔与中膜边界的面积与直径,从而获得对应的管腔参数,即感兴趣血管段的管腔轮廓参数、中膜轮廓参数,轮廓参数可以是轮廓对应的面积、直径等信息。通过中膜轮廓参数来获得参考管腔,能够使得即使在感兴趣血管段中存在某些特征时,例如斑块,使得管腔轮廓被明显向内挤压时,由于中膜轮廓受这些特征的影响较小,因此,通过中膜轮廓参数获得的管腔参数更接近于理想的参考管腔,更加准确,从而使得FFR的计算结果更加准确。管腔参数可以是参考管腔的边界轮廓、面积、直径等。
S4、每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像,并且对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数;
优选地,所述每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像包括:
在多帧血管轮廓图像中,根据血管轮廓图像的清晰度,选取清晰度靠前的若干副血管轮廓图像作为关键帧血管轮廓图像。优选地,每个预设时间段内选取多帧血管轮廓图像中最清晰的画面作为关键帧血管轮廓图像,然后测量每一幅关键帧血管轮廓图像中多个血管的管腔参数,根据所述管腔参数监控血管形变状态。
具体的,该步骤具体包括:
对关键帧血管轮廓图像进行图像处理,得到心动周期模型图,并且显示;
根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。
需要说明的,可以同时对多个感兴趣血管进行监测和显示,并且对同一位置多对应的血管管腔直径进行测量,并且根据同一位置血管管腔在不同时刻的管腔形变大小,判断斑块的大小及稳定性。根据所设置的预设时间段获取影像图像,得到多个血管图像,表示为帧血管图像;对每帧血管图像进行图像处理,得到清楚的灰度图像,并且感兴趣血管具有清楚的轮廓;然后选取每个预设时间段内最清楚的一帧血管轮廓图像作为关键帧血管轮廓图像。
本实施例中,优选地,将心动周期数据分割为三部分,且预设时间段至少包括一个舒张期和一个收缩期,由于舒张期一般比收缩期长一倍,所以舒张期分为二个部分。可以获取同一位置血管管腔在不同时刻的管腔直径的最大值和最小值,该数据能够直观的反应出斑块在血流过程中,受心脏收缩/舒张情况的影响,进而能够更为精准地反映出实际血管情况,为之后的分析运算提供了一个误差较小的中间变量,以使后期的计算值更靠近实际值。
优选地,管腔直径的测量时根据目标区域血管的空间模型,沿目标区域血管的轴向方向,建立目标区域血管的各个位置处的截面模型;标注感兴趣血管近端正常位置和远端正常位置,然后对近端正常位置和远端位的血管进行重建,最后根据截面模型对所需的管腔直径进行计算。需要说明的是,本申请的“近端”为目标区域血管在先被血流流经的一端;“远端”为目标区域血管在后被血流流经的一端。
本发明在进行选取至少一幅血管轮廓图像作为关键帧血管轮廓图像时,可以通过给定的显示区域进行具体处理过程的显示,例如,显示多张帧血管轮廓图像,然后通过人为或自动选取出关键帧血管轮廓图像,调整感兴趣血管的长度、轮廓,最终能够对其中的某一关键帧血管轮廓图像进行特点的放大显示和调整。
S5、显示至少一个心动周期内所选取的心动周期模型图以及多个分割后的血管轮廓图像,并根据所述心动周期模型图以及多个血管的管腔参数监控血管形变状态。
完成一个心动周期的冠脉监测和显示,然后循环的进行上述步骤S2-S5,能够对多个心动周期的血管管腔进行监控和显示,得到血管的变化和参数。
获取血管形变信息还可以用于监测心肌桥血管异常程度。心肌桥即冠脉血管走行于心肌内,由于心肌的压缩,导致血管在收缩期和舒张期形态有所变化。目前为止,针对心肌桥血管异常只能通过目测初步判断异常程度。本发明可以实现心肌桥异常监测,准确度更高,具有较高的临床使用价值。
需要说明的是,本发明中,能够按照需要进行多个显示区域的显示;例如,如图3所示,显示过程可以是同一现实面上分区域显示不同的内容,在不同区域显示不同的内容:
第一显示区域:用于所述特定冠脉血管的整体情况,该数据与其余显示区域的显示数据具有联动效果。并且,该图像是第二显示区域中某一特点选取的关键帧血管轮廓图像的放大图像,比如,图4中则是第二幅图像显示在第一显示区域中。
需要说明的是,冠脉血管的整体情况的图像中感兴趣血管的轮廓、长度可以调整,目的是为了在自动检测不准确的情况下可以进行手动微调。
第二显示区域:用于显示若干个分割的关键帧血管轮廓图像(进一步可以选择不同时刻若干个不同位置的信息)
具体的选择方法可以是自动显示的4张关键帧血管轮廓图像,4张关键帧血管轮廓图像与第三显示区域中心动周期数据所选定的特征时刻相对应关联。
如果自动选择的图像质量不好或边界不清晰的情况下,可以点击all phases进入第五显示区域,如图4所示,可以手动替换为更加清楚的图像。图4所示中右侧的显示区域则包括心动周期数据所选定的特征时刻相对应的多帧血管轮廓图像,然后选出最清楚的至少一幅血管轮廓图像作为关键帧血管轮廓图像。
第三显示区域:显示特定血管位置的心动周期数据,该数据与其余显示区域的显示数据具有联动效果;在心动周期数据上,还标注了多个特定时刻,例如,图中是心动周期数据分割为四部分,并且通过竖线进行标注出。
第四显示区域:显示特定冠脉血管不同位置在不同时刻的最大管腔直径和最小管腔直径;
当获取不同位置的最大管腔直径和最小管腔直径后,能够直接获得最大变化位置,然后可以绘制血管坐标图像,其中,横轴代表血管长度,纵轴代表不同位置的血管直径,两条曲线分别代表不同时刻血管的最大直径和最小直径。并且,用竖线标注并显示出形变最大的位置,即发生斑块破裂风险最大的位置。图2中标注位置变化的血管直径大小差为0.72mm,变化率27%。
图中,第三显示区域:能够得到心动周期数据选定了四个特点时刻,并且在第二显示区域:显示出四幅对应的冠脉血管关键帧图像,并且标注编号,使得进行关联和区分。第四显示区域能够得到感兴趣血管的整体情况,通过与其余显示区域的显示数据具有联动效果,可以动态的获得特定位置血管的管腔参数。
本发明中本实施例不限于一个周期的心动周期,也可以为选取1-N个心动周期,将所选取的心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像,进而能够多个不同时间段对冠脉血管进行监测显示。所述N为不小于3的整数.在本发明的一个优选实施例中,所述N等于3。
如图5所示,本发明还提供了一种用于自动评价血管形变的监测显示***,包括:影像获取模块1、心动周期数据获取模块2、识别模块3、所述处理模块4、显示模块5、以及监控模块6,其中;
所述影像获取模块1,用于获取冠脉血管目标区域血管的影像数据信息;优选地,获取冠脉血管目标区域血管的影像数据信息后,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行观测对比。
在具体实施例中,影像获取模块1为具体的成像设备,所述成像设备可以是多种类型的设备,成像设备可以是血管机,也可以是血管内超声成像设备,或者可以为光学相干断层成像设备,或者可以为电子计算机断层扫描设备(CT)等。
所述心动周期数据获取模块2,用于获取冠脉血管目标区域血管的心动周期数据,所述心动周期数据包括但不限于所述目标区域血管的心电图、形态、长度、直径、或弯曲角度;
所述识别模块3,用于至少将一个心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据信息,识别该心动周期内每个部分内的多帧血管轮廓图像;
所述处理模块4,用于每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像,并且对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数;
所述显示模块5,用于显示至少一个心动周期内所选取的心动周期模型图以及多个分割后的血管轮廓图像;优选地,所述显示模块还包括显示子模块,用于显示多帧血管轮廓图像和心动周期模型图。
所述监控模式6,用于根据心动周期模型图以及多个血管的管腔参数监控血管形变状态。
所述心动周期数据获取模块2包括:心动周期数据判断模块21所述心动周期数据判断模块21,用于判断影像数据信息中是否含有心动周期数据信息;若含有心动周期数据信息,则自动提取该心动周期数据信息;若不含有心动周期数据信息,则通过深度学习的方法获得心动周期数据。
优选地,对于不含有心动周期数据信息则通过深度学习的方法获得,如图6所示,此时,周期数据获取模块2还包括心动周期数据库建立模块22和数据获取模块23:
所述心动周期数据库建立模块22,用于建立心动周期数据库;
具体为获取全部影像数据信息;采集目标区域血管的舒张期数据和收缩期数据,并且对舒张期数据和收缩期数据分别进行标注,识别舒张期和收缩期数据的特征,进行训练,实现心动周期的自动识别,使冠脉血管目标区域血管的影像数据信息与心动周期数据关联。
其中,所述对舒张期数据和收缩期数据分别进行标注包括:
通过手动进行将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注;或者,或者通过带有心动周期数据的影像数据进行快速标注。
所述数据获取模块23,用于根据心动周期数据库获得该特定冠脉血管影像的心动周期数据。
所述识别模块3,用于在多帧血管轮廓图像中,根据血管轮廓图像的清晰度,选取清晰度靠前的若干副血管轮廓图像作为关键帧血管轮廓图像。优选的,每组多帧血管轮廓图像中选取一幅最清晰的血管轮廓图像作为关键帧血管轮廓图像就可以完成本发明的要求。
所述处理模块4,用于根据预设时间段,将一个心动周期内的心动周期数据平均分割为若干部分,优选地,将心动周期数据分割为四部分,且预设时间段至少一个舒张期和一个收缩期。进一步地,所述处理模块4具体用于,对关键帧血管轮廓图像进行图像处理,得到心动周期模型图;根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。本实施例以直径为例进行说明,但是不局限于该直径参数,还包括血管的FFR值、血管面积、体积等参数。
进一步地,所述心动周期数据中包括:根据冠脉影像数据,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行重点观测对比。
优选地,本发明中所述处理模块4用于,根据预设时间段,将一个心动周期内的心动周期数据平均分割为若干部分。
具体地,所述处理模块4具体用于,对关键帧血管轮廓图像进行图像处理,得到心动周期模型图;
根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。
本发明中,所述显示模块5能够同时显示多个区域,每个区域显示不同类型的图像信息。
示例性的,如图4所示,可以显示四个区域,每个区域可以显示不同的内容:
第一显示区域:用于所述特定冠脉血管的整体情况,该数据与其余显示区域的显示数据具有联动效果。并且,该图像是第二显示区域中某一特点选取的关键帧血管轮廓图像的放大图像,比如,图4中则是第二幅图像显示在第一显示区域中。
需要说明的是,冠脉血管的整体情况的图像中感兴趣血管的轮廓、长度可以调整,目的是为了在自动检测不准确的情况下可以进行手动微调。
第二显示区域:用于显示若干个分割的关键帧血管轮廓图像(进一步可以选择不同时刻若干个不同位置的信息)
具体的选择方法可以是自动显示的4张关键帧血管轮廓图像,4张关键帧血管轮廓图像与第三显示区域中,心动周期数据所选定的特征时刻相对应关联。
如果自动选择的图像质量不好或边界不清晰的情况下,可以点击all phases进入第五显示区域,如图4所示,可以手动替换为更加清楚的图像。图4所示中右侧的显示区域则包括心动周期数据所选定的特征时刻相对应的多帧血管轮廓图像,然后选出最清楚的至少一幅血管轮廓图像作为关键帧血管轮廓图像。
第三显示区域:显示特定血管位置的心动周期数据,该数据与其余显示区域的显示数据具有联动效果;在心动周期数据上,还标注了多个特定时刻,例如,图中是心动周期数据分割为四部分,并且通过竖线进行标注出。
第四显示区域:显示特定冠脉血管不同位置在不同时刻的最大管腔直径和最小管腔直径;
当获取不同位置的最大管腔直径和最小管腔直径后,能够直接获得最大变化位置,然后可以绘制血管坐标图像,其中,横轴代表血管长度,纵轴代表不同位置的血管直径,两条曲线分别代表不同时刻血管的最大直径和最小直径。并且,用竖线标注并显示出形变最大的位置,即发生斑块破裂风险最大的位置。
本发明中本实施例不限于与一个周期的心动周期,也可以为选取1-N个心动周期,将所选取的心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像,进而能够在多个不同时间段对冠脉血管进行监测显示.所述N为不小于3的整数.根据本发明地一个实施方式,所述N等于3。
本发明中,所述显示模块5还包括多个显示子模块,分别用于显示多帧血管轮廓图像和心动周期模型图。
根据本发明的一个具体实施方式,所述显示模块5具体包括第一显示子模块和第二显示子模块,所述第一显示子模块用于显示多帧血管轮廓图像,能够方便进行关键帧血管轮廓图像;第二显示子模块可以用于显示心动周期模型图和显示特定冠脉血管不同位置在不同时刻的最大管腔直径和最小管腔直径或者关键帧血管轮廓图像的放大图像,方便进行具体情况的查看。
需要说明的是,显示过程是根据需要进行调整,也可以在第二显示区域显示采集的多帧血管轮廓图像,又或者,在第三显示区域显示感兴趣血管的管腔参数等。选取多帧血管轮廓图像中最清晰的画面作为关键帧血管轮廓图像;测量每一幅关键帧血管轮廓图像中所述多个血管中的最大血管直径和最小血管直径。根据同一位置血管管腔在不同时刻的管腔形变大小,判断斑块的大小及稳定性。
选取多帧血管轮廓图像中最清晰的画面作为关键帧血管轮廓图像;测量每一幅关键帧血管轮廓图像中所述多个血管中的最大血管直径和最小血管直径;根据同一位置血管管腔在不同时刻的管腔形变大小,判断斑块的大小及稳定性。进一步优选地,监控模块具体4根据所述影像数据,生成与每一所述预设时间段相对应的目标区域血管的空间模型,所述空间模型至少包括目标区域血管的直径。
各装置模块的具体实施请参照上述相应方法,在此不再一一赘述。
对于本领域技术人员而言,显然能了解到上述具体事实例只是本发明的优选方案,因此本领域的技术人员对本发明中的某些部分所可能作出的改进、变动,体现的仍是本发明的原理,实现的仍是本发明的目的,均属于本发明所保护的范围。
Claims (21)
1.一种用于自动评价血管形变的监测显示方法,其特征在于,包括以下步骤:
获取冠脉血管目标区域血管的影像数据信息;
获取与影像数据信息相关联的心动周期数据;
至少将一个心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据信息,识别该心动周期内每个部分内的多帧血管轮廓图像;
每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像,并且对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数;
显示至少一个心动周期内所选取的心动周期模型图以及多个分割后的血管轮廓图像,并根据所述心动周期模型图以及多个血管的管腔参数监控血管形变状态。
2.根据权利要求1所述的用于自动评价血管形变的监测显示方法,其特征在于,所述获取与影像数据信息相关联的心动周期数据具体包括:
判断影像数据信息中是否含有心动周期数据信息;
若含有心动周期数据信息,则自动提取该心动周期数据信息;若不含有心动周期数据信息,则通过深度学习的方法获得心动周期数据。
3.根据权利要求2所述的用于自动评价血管形变的监测显示方法,其特征在于,所述通过深度学习的方法获得心动周期数据包括:
建立心动周期数据库;
根据心动周期数据库获得冠脉血管目标区域血管的心动周期数据。
4.根据权利要求3所述的用于自动评价血管形变的监测显示方法,其特征在于,所述建立心动周期数据库,包括:
获取全部影像数据信息;
采集目标区域血管的舒张期数据和收缩期数据,并且对舒张期数据和收缩期数据分别进行标注,识别舒张期和收缩期数据的特征,进行训练,实现心动周期的自动识别,使冠脉血管目标区域血管的影像数据信息与心动周期数据关联。
5.根据权利要求4所述的用于自动评价血管形变的监测显示方法,其特征在于,所述对舒张期数据和收缩期数据分别进行标注包括:
通过手动方式将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注;或者,
通过带有心动周期数据的影像数据进行快速标注。
6.根据权利要求1所述的用于自动评价血管形变的监测显示方法,其特征在于,所述至少将一个心动周期内的心动周期数据分割为若干部分包括:
根据预设时间段,将一个心动周期内的心动周期数据平均分割为若干部分,优选地,将心动周期数据分割为三部分,且预设时间段至少包含一个舒张期和一个收缩期。
7.根据权利要求1所述的用于自动评价血管形变的监测显示方法,其特征在于,所述每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像包括:
显示多帧血管轮廓图像,并且在多帧血管轮廓图像中,根据血管轮廓图像的清晰度,选取清晰度靠前的若干副血管轮廓图像作为关键帧血管轮廓图像。
8.根据权利要求1-7任意一项所述的用于自动评价血管形变的监测显示方法,其特征在于,所述对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数包括:
对关键帧血管轮廓图像进行图像处理,得到心动周期模型图,并且显示;
根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。
9.根据权利要求1-7任意一项所述的用于自动评价血管形变的监测显示方法,其特征在于,获取冠脉血管目标区域血管的影像数据后,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行观测对比。
10.根据权利要求1-7任意一项所述的用于自动评价血管形变的监测显示方法,其特征在于,选取1-N个心动周期,将所选取的心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像,所述N为不小于3的整数,优选的,所述N等于3。
11.一种用于自动评价血管形变的监测显示***,其特征在于,包括:影像获取模块、心动周期数据获取模块、识别模块、处理模块、显示模块、以及监控模块,其中;
所述影像获取模块,用于获取冠脉血管目标区域血管的影像数据;
所述心动周期数据获取模块,用于获取与影像数据信息相关联的心动周期数据;
所述识别模块,用于至少将一个心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据信息,识别该心动周期内每个部分内的多帧血管轮廓图像;
所述处理模块,用于每个部分选取至少一幅血管轮廓图像作为关键帧血管轮廓图像,并且对关键帧血管轮廓图像进行处理,得到心动周期模型图以及多个血管的管腔参数;
所述显示模块,用于显示至少一个心动周期内所选取的心动周期模型图以及多个分割后的血管轮廓图像;
所述监控模块,用于根据所述心动周期模型图以及多个血管的管腔参数监控血管形变状态。
12.根据权利要求11所述的用于自动评价血管形变的监测显示***,其特征在于,所述心动周期数据获取模块包括:
心动周期数据判断模块,其用于判断影像数据信息中是否含有心动周期数据信息;若含有心动周期数据信息,则自动提取该心动周期数据信息;若不含有心动周期数据信息,则通过深度学习的方法获得心动周期数据。
13.根据权利要求12所述的用于自动评价血管形变的监测显示***,其特征在于,所述心动周期数据获取模块还包括:心动周期数据库建立模块和数据获取模块,其中;
所述心动周期数据库建立模块,用于建立心动周期数据库;所述数据获取模块,用于根据心动周期数据库获得冠脉血管目标区域血管的心动周期数据。
14.根据权利要求13所述的用于自动评价血管形变的监测显示***,其特征在于,所述心动周期数据库建立模块具体用于:
获取全部影像数据信息;
采集目标区域血管的舒张期数据和收缩期数据,并且对舒张期数据和收缩期数据分别进行标注,识别舒张期和收缩期数据的特征,进行训练,实现心动周期的自动识别,使冠脉血管目标区域血管的影像数据信息与心动周期数据关联。
15.根据权利要求14所述的用于自动评价血管形变的监测显示***,其特征在于,所述对舒张期数据和收缩期数据分别进行标注包括:
通过手动方式进行将舒张期数据和收缩期数据标注,对每一帧冠脉影像数据进行手动标注;或者,
通过带有心动周期数据的影像数据进行快速标注。
16.根据权利要求11所述的用于自动评价血管形变的监测显示***,其特征在于,所述处理模块用于,根据预设时间段,将一个心动周期内的心动周期数据分割为若干部分;优选地,将心动周期数据分割为三部分,且预设时间段至少包含一个舒张期和一个收缩期。
17.根据权利要求11所述的用于自动评价血管形变的监测显示***,其特征在于,所述识别模块,用于在多帧血管轮廓图像中,根据血管轮廓图像的清晰度,选取清晰度靠前的若干副血管轮廓图像作为关键帧血管轮廓图像。
18.根据权利要求11-17任意一项所述的用于自动评价血管形变的监测显示***,其特征在于,所述处理模块具体用于,对关键帧血管轮廓图像进行图像处理,得到心动周期模型图;
根据心动周期数据图,测量目标区域中,感兴趣血管同一时刻最大血管直径和最小血管直径;和/或感兴趣血管同一位置不同时刻的血管直径。
19.根据权利要求11-17任意一项所述的用于自动评价血管形变的监测显示***,其特征在于,获取冠脉血管目标区域血管的影像数据后,对目标区域血管中感兴趣血管进行标注,以使得对标记后的血管进行观测对比。
20.根据权利要求11-17任意一项所述的用于自动评价血管形变的监测显示***,其特征在于,选取1-N个心动周期,将所选取的心动周期内的心动周期数据分割为若干部分,并且根据所述影像数据,识别该心动周期内每个部分内的多帧血管轮廓图像,所述N为不小于3的整数,优选的,所述N等于3。
21.根据权利要求11所述的用于自动评价血管形变的监测显示***,其特征在于,所述显示模块还包括多个显示子模块,分别用于显示多帧血管轮廓图像和心动周期模型图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110025833.3A CN112674736B (zh) | 2021-01-08 | 2021-01-08 | 一种用于自动评价血管形变的监测显示方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110025833.3A CN112674736B (zh) | 2021-01-08 | 2021-01-08 | 一种用于自动评价血管形变的监测显示方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112674736A true CN112674736A (zh) | 2021-04-20 |
CN112674736B CN112674736B (zh) | 2023-07-25 |
Family
ID=75456541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110025833.3A Active CN112674736B (zh) | 2021-01-08 | 2021-01-08 | 一种用于自动评价血管形变的监测显示方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112674736B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139959A (zh) * | 2021-05-17 | 2021-07-20 | 北京安德医智科技有限公司 | 获得心肌桥图像的方法及装置、电子设备和存储介质 |
CN114052764A (zh) * | 2021-11-02 | 2022-02-18 | 杭州脉流科技有限公司 | 获取血流储备分数的方法、装置、***和计算机存储介质 |
CN114782358A (zh) * | 2022-04-18 | 2022-07-22 | 上海博动医疗科技股份有限公司 | 一种血管形变自动计算的方法、装置及存储介质 |
CN116898472A (zh) * | 2023-09-14 | 2023-10-20 | 柏意慧心(杭州)网络科技有限公司 | 用于确定主动脉血管直径的方法、计算设备和介质 |
CN117197096A (zh) * | 2023-09-13 | 2023-12-08 | 广州麦笛亚医疗器械有限公司 | 一种基于血管图像的血管功能评估方法和*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009106530A (ja) * | 2007-10-30 | 2009-05-21 | Toshiba Corp | 医用画像処理装置、医用画像処理方法、及び医用画像診断装置 |
WO2014192990A1 (ko) * | 2013-05-28 | 2014-12-04 | 연세대학교 산학협력단 | 혈관영상에서의 움직임 추정 방법 및 그 장치 |
US20170017771A1 (en) * | 2015-07-14 | 2017-01-19 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
CN106570313A (zh) * | 2016-10-18 | 2017-04-19 | 上海交通大学 | 获取四维血管变形行为与管壁在体应力的方法及*** |
CN108038848A (zh) * | 2017-12-07 | 2018-05-15 | 上海交通大学 | 基于医学影像序列斑块稳定性指标的快速计算方法及*** |
CN109620199A (zh) * | 2018-11-30 | 2019-04-16 | 博动医学影像科技(上海)有限公司 | 建立血管截面函数、血管压力差和血管应力的方法及装置 |
CN111369519A (zh) * | 2020-03-02 | 2020-07-03 | 博动医学影像科技(上海)有限公司 | 冠状动脉的血流速度的计算方法、装置及电子设备 |
CN111523538A (zh) * | 2020-04-14 | 2020-08-11 | 博动医学影像科技(上海)有限公司 | 一种血管图像的处理方法、***、计算设备及存储介质 |
CN111754506A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、***和计算机存储介质 |
-
2021
- 2021-01-08 CN CN202110025833.3A patent/CN112674736B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009106530A (ja) * | 2007-10-30 | 2009-05-21 | Toshiba Corp | 医用画像処理装置、医用画像処理方法、及び医用画像診断装置 |
WO2014192990A1 (ko) * | 2013-05-28 | 2014-12-04 | 연세대학교 산학협력단 | 혈관영상에서의 움직임 추정 방법 및 그 장치 |
US20170017771A1 (en) * | 2015-07-14 | 2017-01-19 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
CN106570313A (zh) * | 2016-10-18 | 2017-04-19 | 上海交通大学 | 获取四维血管变形行为与管壁在体应力的方法及*** |
CN108038848A (zh) * | 2017-12-07 | 2018-05-15 | 上海交通大学 | 基于医学影像序列斑块稳定性指标的快速计算方法及*** |
CN109620199A (zh) * | 2018-11-30 | 2019-04-16 | 博动医学影像科技(上海)有限公司 | 建立血管截面函数、血管压力差和血管应力的方法及装置 |
CN111369519A (zh) * | 2020-03-02 | 2020-07-03 | 博动医学影像科技(上海)有限公司 | 冠状动脉的血流速度的计算方法、装置及电子设备 |
CN111523538A (zh) * | 2020-04-14 | 2020-08-11 | 博动医学影像科技(上海)有限公司 | 一种血管图像的处理方法、***、计算设备及存储介质 |
CN111754506A (zh) * | 2020-07-01 | 2020-10-09 | 杭州脉流科技有限公司 | 基于腔内影像的冠脉狭窄率计算方法、装置、***和计算机存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113139959A (zh) * | 2021-05-17 | 2021-07-20 | 北京安德医智科技有限公司 | 获得心肌桥图像的方法及装置、电子设备和存储介质 |
CN113139959B (zh) * | 2021-05-17 | 2021-10-01 | 北京安德医智科技有限公司 | 获得心肌桥图像的方法及装置、电子设备和存储介质 |
WO2021259395A3 (zh) * | 2021-05-17 | 2022-03-31 | 北京安德医智科技有限公司 | 获得心肌桥图像的方法及装置、电子设备和存储介质 |
CN114052764A (zh) * | 2021-11-02 | 2022-02-18 | 杭州脉流科技有限公司 | 获取血流储备分数的方法、装置、***和计算机存储介质 |
CN114052764B (zh) * | 2021-11-02 | 2024-07-12 | 杭州脉流科技有限公司 | 获取血流储备分数的方法、装置、***和计算机存储介质 |
CN114782358A (zh) * | 2022-04-18 | 2022-07-22 | 上海博动医疗科技股份有限公司 | 一种血管形变自动计算的方法、装置及存储介质 |
CN117197096A (zh) * | 2023-09-13 | 2023-12-08 | 广州麦笛亚医疗器械有限公司 | 一种基于血管图像的血管功能评估方法和*** |
CN117197096B (zh) * | 2023-09-13 | 2024-02-20 | 广州麦笛亚医疗器械有限公司 | 一种基于血管图像的血管功能评估方法和*** |
CN116898472A (zh) * | 2023-09-14 | 2023-10-20 | 柏意慧心(杭州)网络科技有限公司 | 用于确定主动脉血管直径的方法、计算设备和介质 |
CN116898472B (zh) * | 2023-09-14 | 2023-12-12 | 柏意慧心(杭州)网络科技有限公司 | 用于确定主动脉血管直径的方法、计算设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112674736B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112674736B (zh) | 一种用于自动评价血管形变的监测显示方法及*** | |
CN108038848B (zh) | 基于医学影像序列斑块稳定性指标的快速计算方法及*** | |
CN111134651B (zh) | 基于腔内影像计算血流储备分数的方法、装置、***以及计算机存储介质 | |
EP2442276B1 (en) | Medical image processing apparatus and medical image processing method | |
US20180268941A1 (en) | Vascular flow assessment | |
US8209002B2 (en) | Method and apparatus for quantitative assessment of cardiac electrical events | |
JP4489770B2 (ja) | 動く臓器を描出した画像シリーズ内の最適画像を識別する方法及びシステム | |
CN113557576A (zh) | 在表征生理***时配置和使用神经网络的方法和*** | |
US8388542B2 (en) | System for cardiac pathology detection and characterization | |
US8170312B2 (en) | Respiratory motion compensated cardiac wall motion determination system | |
JP4981938B2 (ja) | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 | |
US20050010098A1 (en) | Method and apparatus for knowledge based diagnostic imaging | |
JP2021525587A (ja) | ステント拡張ディスプレイ、システム及び方法 | |
JP2016521138A (ja) | 冠動脈微小血管疾患を診断するためのシステム及び方法 | |
US20160199017A1 (en) | Information processing device, imaging system, information processing method and program | |
EP3606421A1 (en) | Coronary artery disease metric based on estimation of myocardial microvascular resistance from ecg signal | |
CN114782358A (zh) | 一种血管形变自动计算的方法、装置及存储介质 | |
JP2020512885A (ja) | 生理学的機能パラメータを決定する方法及び装置 | |
US20230054891A1 (en) | Systems And Methods Of Identifying Vessel Attributes Using Extravascular Images | |
JP2004283583A (ja) | 画像形成医療検査装置の作動方法 | |
CN111276218A (zh) | 一种精准诊疗***、设备及方法 | |
EP3995081A1 (en) | Diagnosis assisting program | |
JP2022510879A (ja) | 血行力学的シミュレーションのための最も関連のあるx線画像の選択 | |
US20220335612A1 (en) | Automated analysis of image data to determine fractional flow reserve | |
CN111476880A (zh) | 基于深度神经网络的冠脉造影设备及*** |
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 | ||
CB02 | Change of applicant information |
Address after: No. 11982, Qinhui North Road, Shanghai Applicant after: Shanghai Bodong Medical Technology Co.,Ltd. Address before: Room 402, building 2, 481 Guiping Road, Xuhui District, Shanghai 200233 Applicant before: PULSE MEDICAL IMAGING TECHNOLOGY (SHANGHAI) Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |