CN113450322B - 一种冠状动脉的起源异常判断方法和装置 - Google Patents
一种冠状动脉的起源异常判断方法和装置 Download PDFInfo
- Publication number
- CN113450322B CN113450322B CN202110692227.7A CN202110692227A CN113450322B CN 113450322 B CN113450322 B CN 113450322B CN 202110692227 A CN202110692227 A CN 202110692227A CN 113450322 B CN113450322 B CN 113450322B
- Authority
- CN
- China
- Prior art keywords
- coronary
- aorta
- coronary artery
- artery
- sinus
- 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
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 289
- 230000005856 abnormality Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000002586 coronary angiography Methods 0.000 claims abstract description 151
- 210000000709 aorta Anatomy 0.000 claims abstract description 147
- 210000001367 artery Anatomy 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 210000003291 sinus of valsalva Anatomy 0.000 claims description 85
- 210000001147 pulmonary artery Anatomy 0.000 claims description 66
- 230000004044 response Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000002583 angiography Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 210000002376 aorta thoracic Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 208000014387 congenital coronary artery anomaly Diseases 0.000 description 2
- 201000011639 coronary artery anomaly Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000000702 aorta abdominal Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 210000002620 vena cava superior Anatomy 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- 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
- G06T2207/10—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
- G06T2207/30048—Heart; Cardiac
-
- 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)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本公开实施例提供一种冠状动脉的起源异常判断方法和装置，其中方法包括：对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，所述中心线是表征所述冠状动脉的拓扑结构的曲线；基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点；基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况。该方法可以自动地确定所述冠状动脉的起源异常情况，计算时间快，判断清晰方便，用以辅助医生对冠状动脉的诊断。
Description
技术领域
本公开涉及医学图像处理技术领域，特别涉及一种冠状动脉的起源异常判断方法和装置。
背景技术
冠状动脉是为心脏供应血液的动脉，分为左冠状动脉和右冠状动脉，其主干行走于心脏表面，它并不是一支血管，而是像树干一样逐级分出许多分支，包裹整个心脏。冠状动脉解剖异常可以是冠状动脉数目、起源、走行、终止以及结构等与正常的解剖结构不一致，即可认为冠状动脉异常。其中，冠状动脉起源异常可以分为冠状动脉起源于肺动脉、冠状动脉起源于主动脉、窦口起源异常和多窦起源。
近年来，由于无创性检查冠状动脉手段的广泛应用，对于冠状动脉异常检查变得方便和容易。可以借助CT(Computed Tomography，电子计算机断层扫描)或MRI(MagneticResonance Imaging，磁共振成像)等设备进行冠状动脉、主动脉窦等心脏结构的识别，将两者用3D的模式呈现给医生，医生结合自身经验对图像进行判断，这种方式需要医生花费额外的精力进行判断，而且对于年轻的医生往往存在经验不足从而判断不准确等问题。
发明内容
有鉴于此，本公开实施例提供至少一种冠状动脉的起源异常判断方法和装置。
第一方面，提供一种冠状动脉的起源异常判断方法，所述方法包括：
对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，所述中心线是表征所述冠状动脉的拓扑结构的曲线；
基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点；
基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况。
第二方面，提供一种冠状动脉的起源异常判断装置，所述装置包括：
检测模块，用于对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，所述中心线是表征所述冠状动脉的拓扑结构的曲线；
关键点确定模块，用于基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点；
判断模块，用于基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况。
第三方面，提供一种电子设备，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现本公开任一实施例所述的冠状动脉的起源异常判断方法。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的冠状动脉的起源异常判断方法。
本公开实施例的技术方案提供的冠状动脉的起源异常判断方法，通过检测得到的冠状动脉造影图像上主动脉的位置信息和冠状动脉的中心线等动脉位置信息，并根据上述动脉位置信息确定关键点，根据动脉位置信息与关键点的位置关系，可以自动地确定所述冠状动脉的起源异常情况，计算时间快，判断清晰方便，可以辅助医生对冠状动脉的诊断。
附图说明
为了更清楚地说明本公开一个或多个实施例或相关技术中的技术方案，下面将对实施例或相关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公开一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例示出的一种冠状动脉的起源异常判断方法的流程图；
图1A是本公开实施例示出的冠状动脉造影图像中某个横断层的图像；
图1B是本公开实施例示出的冠状动脉造影图像中动脉位置信息的示意图；
图1C是本公开实施例示出的冠状动脉造影图像中升主动脉和肺动脉的示意图；
图1D是本公开实施例示出的三维冠状动脉分割示意图；
图1E本公开实施例示出的冠状动脉造影图像中的主动脉窦的示意图；
图2是本公开实施例示出的一种冠状动脉的起源异常判断装置的框图；
图3是本公开实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
冠状动脉起源异常可以分为冠状动脉起源于肺动脉、冠状动脉起源于主动脉、窦口起源异常和多窦起源。其中，窦口起源异常又可以分为LCX(Left circumflex branch，左回旋支)异常起源于主动脉右窦、LCA(Left coronary artery，左冠状动脉)异常起源于主动脉右窦和RCA(Right coronary artery，右冠状动脉)异常起源于主动脉左窦。
冠状动脉起源于肺动脉是严重的先天性冠状动脉畸形之一，主要以LCA异常起源于肺动脉相对多见，RCA异常起源于肺动脉、LAD(Left anterior descending artery，左前降支)或LCX异常起源肺动脉、冠状动脉异常起源右肺动脉则非常少见。
冠状动脉起源于主动脉指RCA、LCA或LCX任何一支血管起源于主动脉窦以外主动脉的位置，包括高位开口、低位开口以及起源于主动脉窦连接部。其中，最常见的是高位开口。冠状动脉高位开口是指左右冠状动脉的开口于升主动脉的位置明显高于主动脉窦1.0cm。
窦口起源异常主要是指LCA或其他分支开口于主动脉右窦，RCA开口于主动脉左窦。LCX起源于主动脉右窦是一种相对常见的起源异常。
多窦起源是指RCA与圆锥支同时起源于主动脉右窦、或LCX与LAD同时起源于主动脉左窦。
可见，冠状动脉起源异常是复杂的，有鉴于此，本公开实施例提供至少一种冠状动脉的起源异常判断方法，以对冠状动脉的起源进行全面、准确和快速地判断，辅助医生对冠脉的诊断，帮助医生完成冠状动脉CT血管成像诊断报告书。
如图1所示，图1是本公开实施例示出的一种冠状动脉的起源异常判断方法的流程图，该方法可由任何有计算能力的设备执行，比如，可以由终端设备或服务器或其它处理设备执行，包括以下步骤：
在步骤102中，对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息。
本实施例中，冠状动脉造影图像可以是被检体的三维CT心脏造影图像。在对被检体进行心脏CT之前，可以将造影剂注射到被检体，采用扫描设备对被检体的胸部或全身进行扫描，得到被检体胸部的冠状动脉造影图像，在冠状动脉造影图像中可以显示被检体的冠状动脉、主动脉、肺动脉、心房、心室等心脏结构。如图1A所示为冠状动脉造影图像中某个横断层的图像。
其中，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，还可以包括主动脉窦的位置信息、肺动脉的位置信息等。所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，可以是坐标位置信息。所述中心线是表征所述冠状动脉的拓扑结构的曲线。中心线与冠状动脉在空间上的连通性一致。具体的，中心线可以是沿着冠状动脉上任一部分的曲线，例如，可以是沿着冠状动脉的中心的曲线，也可以是沿着冠状动脉外壁的曲线。
本实施例不限制对冠状动脉造影图像的检测方式，例如，可以通过神经网络方式检测，或者也可以通过其他方式检测。
如图1B所示的冠状动脉造影图像中动脉位置信息的示意图，图1B显示的是对冠状动脉造影图像进行检测，确定的动脉位置信息在图1A所示的横断层图像上的位置，其中，标号L所示区域为左窦、标号R所示区域为右窦，标号A所示区域为升主动脉，标号B所示区域为肺动脉，框中的条形区域为冠状动脉。
在步骤104中，基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点。
冠状动脉造影图像中的关键点可以是冠状动脉的起始点，还可以是中心线上的各点。比如，可以根据中心线和主动脉的位置信息，确定中心线与主动脉的根部相衔接的点为冠状动脉的起始点；比如，可以根据中心线，直接确定中心线上每个点为关键点。
本实施例中，在中心线包括左冠状动脉的左中心线和右冠状动脉的右中心线时，基于中心线和主动脉的位置信息，可以确定左中心线与主动脉的根部相衔接的点为左冠状动脉的左起始点，确定右中心线与主动脉的根部相衔接的点为右冠状动脉的右起始点。
关键点还可以由本领域技术人员根据需要自行确定。
在步骤106中，基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况。
根据不同的动脉位置信息与不同的关键点的位置关系，可以确定不同的冠状动脉的起源异常情况。以下示例四种冠状动脉的起源异常情况的判断过程，实际实施中，可以依次执行下述示例的四种判断过程，也可以由本领域技术人员任意选取所需要的一种或几种示例来执行，本实施例不限制具体执行的顺序。
在示例一中，基于动脉位置信息与关键点的位置关系，可以确定所述冠状动脉的起源异常情况是否为多窦起源。其中，所述冠状动脉造影图像中的关键点包括所述中心线上的各点和所述冠状动脉的起始点，包括如下处理：
基于所述主动脉的位置信息与中心线上的各点的位置关系，确定相连域，所述相连域为与主动脉的区域有交叉的中心线上的点组成的连通域。
具体实施中，可以是将中心线上的各点中在主动脉的区域内的点认为是与主动脉的区域有交叉的中心线上的点，将这些点组成的连通域确定为相连域；也可以是将中心线上的各点中点的邻域范围与主动脉的区域有交叉的点认为是与主动脉的区域有交叉的中心线上的点，将这些点组成的连通域确定为相连域。本实施例的邻域范围可以是四邻域、八邻域、二十六邻域等等。
响应于所述相连域的个数大于预设阈值，确定所述冠状动脉的起源异常，且所述起源异常类型为多窦起源。
优选的，预设阈值为2。如果相连域的个数大于预设阈值，说明在主动脉窦起源了多于正常数量的冠状动脉血管分支，确定被检体的冠状动脉的起源异常，且起源异常类型为多窦起源。
或者，响应于相连域的个数等于预设阈值，且相连域包含冠状动脉的起始点，确定冠状动脉的起源数量正常。
如果相连域的个数等于预设阈值，并且冠状动脉的起始点在相连域内，说明冠状动脉的起源数量正常，当然，此时可能存在多窦起源之外其他冠状动脉的起源异常情况。其中，冠状动脉的起始点包括左冠状动脉的左起始点和右冠状动脉的右起始点。
该示例可以自动判断冠状动脉与主动脉的相连情况，以此精确、高效确定冠状动脉的起源异常情况是否为多窦起源。
在示例二中，基于动脉位置信息与关键点的位置关系，可以确定所述冠状动脉的起源异常情况是否为冠状动脉起源于主动脉。其中，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括主动脉窦的位置信息，所述主动脉窦的位置信息用于限定所述冠状动脉造影图像中主动脉窦的区域，包括如下处理：
响应于所述冠状动脉的起始点在主动脉的去窦区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为冠状动脉起源于主动脉。
其中，主动脉的去窦区域为不包含主动脉窦的主动脉区域。主动脉窦包含左窦、右窦、后窦，主动脉主要包括升主动脉，主动脉弓，胸主动脉和腹主动脉这几部分，本示例中的主动脉的去窦区域也可以具体为主动脉中的升主动脉的去窦区域。
冠状动脉的起始点包括左冠状动脉的左起始点和右冠状动脉的右起始点，如果其中任意一个起始点或者两个起始点在主动脉的去窦区域中，或者说左、右起始点的邻域范围与主动脉的去窦区域存在交叉，说明冠状动脉与主动脉的去窦区域相连，确定被检体的冠状动脉的起源异常，且起源异常类型为冠状动脉起源于主动脉。
或者，响应于冠状动脉的起始点不在主动脉的去窦区域中，说明冠状动脉与主动脉的去窦区域不相连，确定冠状动脉不起源于主动脉。当然，此时可能存在冠状动脉起源于主动脉之外其他冠状动脉的起源异常情况。
该示例可以自动判断冠状动脉与主动脉的去窦区域的相连情况，以此精确、高效确定冠状动脉的起源异常情况是否为冠状动脉起源于主动脉。
在示例三中，基于动脉位置信息与关键点的位置关系，可以确定所述冠状动脉的起源异常情况是否为冠状动脉起源于肺动脉。其中，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括肺动脉的位置信息，所述肺动脉的位置信息用于限定所述冠状动脉造影图像中肺动脉的区域，包括如下处理：
响应于所述冠状动脉的起始点在肺动脉的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为冠状动脉起源于肺动脉。
具体实施中，如果左、右起始点中存在在肺动脉的区域内的点或者存在左、右起始点的邻域范围与肺动脉的区域有交叉时，则说明冠状动脉与肺动脉存在相连情况，确定冠状动脉的起源异常，且起源异常类型为冠状动脉起源于肺动脉。
或者，响应于冠状动脉的起始点不在肺动脉的区域中，说明冠状动脉与肺动脉不存在相连情况，确定冠状动脉不起源于肺动脉。当然，此时可能存在冠状动脉起源于肺动脉之外其他冠状动脉的起源异常情况。
该示例可以自动判断冠状动脉与肺动脉的相连情况，以此精确、高效确定冠状动脉的起源异常情况是否为冠状动脉起源于肺动脉。
在示例四中，基于动脉位置信息与关键点的位置关系，可以确定所述冠状动脉的起源异常情况是否为窦口起源异常。其中，所述冠状动脉造影图像中的关键点包括左冠状动脉的左起始点和右冠状动脉的右起始点，所述动脉位置信息还包括左窦位置信息和右窦位置信息，所述左窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中左窦的区域，所述右窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中右窦的区域，所述中心线包括左冠状动脉的左中心线和右冠状动脉的右中心线，包括如下处理：
响应于所述右起始点在左窦的区域中，或者，左起始点在右窦的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为窦口起源异常。
具体实施中，如果右起始点在左窦的区域内或者右起始点的邻域范围与左窦的区域有交叉时，则说明右起始点与左窦相连，确定冠状动脉的起源异常，RCA异常起源于主动脉左窦，即起源异常类型为窦口起源异常。
或者，如果左起始点在右窦的区域内或者左起始点的邻域范围与右窦的区域有交叉时，则说明左起始点与右窦相连，确定冠状动脉的起源异常，LCA异常起源于主动脉右窦，即起源异常类型为窦口起源异常。
又或者，响应于右起始点在右窦的区域中，以及左起始点在左窦的区域中，则冠状动脉窦口起源正常。当然，此时可能存在冠状动脉窦口起源异常之外其他冠状动脉的起源异常情况。
该示例可以自动判断冠状动脉左、右起始点与左、右窦的相连情况，以此精确、高效确定冠状动脉的起源异常情况是否为窦口起源异常。
本公开实施例的技术方案提供的冠状动脉的起源异常判断方法，通过检测得到的冠状动脉造影图像上主动脉的位置信息和冠状动脉的中心线等动脉位置信息，并根据上述动脉位置信息确定关键点，根据动脉位置信息与关键点的位置关系，可以自动地确定所述冠状动脉的起源异常情况，计算时间快，判断清晰方便；并且，可以根据需要确定冠状动脉起源于肺动脉、冠状动脉起源于主动脉、窦口起源异常和多窦起源这四种冠状动脉的起源异常情况，类型全面，可以辅助医生对冠状动脉的诊断。
在一种实施方式中，可以通过神经网络，对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息。以下对于上述实施例中，所用到不同动脉位置信息通过神经网络进行检测来获取的方式进行说明，需要说明的是，本实施例不限制各示例的执行顺序，可以由本领域技术人员任意选取所需要的一种或几种示例来执行。
本实施例中，对于心脏中不同关键组织的动脉位置信息，可以选用不同的神经网络进行识别，冠状动脉造影图像可以是经过采样和预处理后的图像，以便于神经网络处理。
在一示例中，对于主动脉的位置信息，可以通过主动脉识别网络，对冠状动脉造影图像中的主动脉进行识别处理，得到标记所述主动脉的位置信息的冠状动脉造影图像。
例如，预先训练好主动脉识别网络，将冠状动脉造影图像输入主动脉识别网络，可以输出冠状动脉造影图像中的主动脉的位置信息，或者输出标记了主动脉的位置信息的冠状动脉造影图像。
实际实施中，主动脉的位置信息也可以具体为主动脉中的升主动脉的位置信息，可以使用升主动脉识别网络对冠状动脉造影图像进行识别处理，以进行更精确的判断。升主动脉发自左心室，位于肺动脉干与上腔静脉之间，向右前上方至右侧第2胸肋关节后方移行为主动脉弓，一般在升主动脉根部发出左、右冠状动脉。如图1C所示为冠状动脉造影图像中某个横断层的图像，其中，标号A所示区域为升主动脉。
在一示例中，对于冠状动脉的中心线，可以先通过冠状动脉检测网络，对冠状动脉造影图像中的冠状动脉进行识别处理，获取所述冠状动脉造影图像中的冠状动脉位置信息。然后，基于所述冠状动脉位置信息，确定冠状动脉的中心线。
例如，预先训练好冠状动脉检测网络，将冠状动脉造影图像输入冠状动脉检测网络，可以输出冠状动脉造影图像中的冠状动脉位置信息，或者输出标记了冠状动脉位置信息的冠状动脉造影图像。冠状动脉是为心脏供应血液的动脉，分为左冠状动脉和右冠状动脉，其主干行走于心脏表面，它并不是一支血管，而是像树干一样逐级分出许多分支，包饶整个心脏。如图1D所示为三维冠状动脉分割示意图，标记C为左冠状动脉、D为右冠状动脉。
中心线是表征冠状动脉拓扑结构的曲线，中心线与冠状动脉在空间上的连通性一致。具体的，中心线可以是沿着冠状动脉上任一部分的曲线，例如，可以是沿着冠状动脉的中心的曲线，也可以是沿着冠状动脉外壁的曲线。
本示例中，可以是对冠状动脉位置信息所确定的冠状动脉造影图像中冠状动脉进行图像处理，来提取左冠状动脉的左中心线和右冠状动脉的右中心线。例如，可以通过细化、平滑等图像处理算法进行多次迭代去除图像中的毛刺得到冠状动脉的中心线。又例如，可以通过GPU(graphics processing unit，图形处理器)设备进行快速细化和平滑等图像处理算法，来加快图像处理的速度。
在一示例中，对于主动脉窦的位置信息，可以通过第一主动脉窦识别网络，对冠状动脉造影图像中的主动脉窦进行识别处理，得到标记所述主动脉窦的位置信息的冠状动脉造影图像。
例如，预先训练好第一主动脉窦识别网络，将冠状动脉造影图像输入第一主动脉窦识别网络，可以输出冠状动脉造影图像中的主动脉窦的位置信息，或者输出标记了主动脉窦的位置信息的冠状动脉造影图像。
主动脉窦是主动脉瓣相对的动脉壁向外膨出，瓣膜与主动脉壁之间的内腔。主动脉窦可分为左窦、右窦和后窦。冠状动脉一般开口于主动脉窦。主动脉窦的上界为弧形。一般情况下，左、右冠状动脉分别开口于左窦和右窦内，绝大多数开口于窦的中1/3。主动脉窦的位置信息可以包括左窦、右窦的位置信息，还可以包括后窦的位置信息。如图1E所示为冠状动脉造影图像中的主动脉窦示意图，其中，标号L所示区域为左窦、标号R所示区域为右窦、标号N所示区域为后窦。
在另一示例中，对于主动脉的区域信息，也可以通过第二主动脉窦识别网络，对标记了主动脉的位置信息的冠状动脉造影图像中的主动脉窦进行识别处理，得到标记所述主动脉窦的位置信息的冠状动脉造影图像，所述主动脉窦的位置信息包括左窦位置信息和右窦位置信息。
例如，可以预先训练好第二主动脉窦识别网络，将上述的主动脉识别网络输出的标记了主动脉的位置信息的冠状动脉造影图像输入第二主动脉窦识别网络，得到冠状动脉造影图像中的主动脉窦的位置信息，或者输出标记了主动脉窦的位置信息的冠状动脉造影图像。
在一示例中，通过肺动脉识别网络，对冠状动脉造影图像中的肺动脉进行识别处理，得到标记所述肺动脉的位置信息的冠状动脉造影图像。
例如，预先训练好肺动脉识别网络，将冠状动脉造影图像输入肺动脉识别网络，可以输出冠状动脉造影图像中的肺动脉的位置信息，或者输出标记了肺动脉的位置信息的冠状动脉造影图像。
肺动脉是由右心室肺动脉圆锥发出后至主动脉弓下方，它是运输静脉血至肺的一条粗而短的主干。如图1B所示为冠状动脉造影图像中某个横断层的图像，其中，标号B所示区域为肺动脉。
本实施例中通过神经网络，对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，可以高效、准确得到判断冠状动脉的起源异常所需要的信息；通过上述动脉位置信息确定关键点，根据动脉位置信息与关键点的位置关系，可以自动地确定所述冠状动脉的起源异常情况，计算时间更快，判断清晰方便；并且，可以根据需要确定冠状动脉起源于肺动脉、冠状动脉起源于主动脉、窦口起源异常和多窦起源这四种冠状动脉的起源异常情况，类型全面，可以辅助医生对冠状动脉的诊断。
下面分别说明上述神经网络的训练方法，本实施例不限制上述每个神经网络具体的网络结构，比如，可以使用Unet网络结构，也可以使用VNet网络结构或者3D-Unet网络结构。
预先训练主动脉识别网络的方法：
利用主动脉识别网络对冠状动脉造影样本图像中的主动脉进行识别处理，获取冠状动脉造影样本图像中的主动脉的位置信息。其中，冠状动脉造影样本图像是已标注主动脉的位置信息的冠状动脉造影图像。
根据获取的冠状动脉造影样本图像中的主动脉的位置信息与冠状动脉造影样本图像中标注的主动脉的位置信息的差别，确定网络损失。
根据网络损失优化调整主动脉识别网络的网络参数。
预先训练冠状动脉检测网络的方法：
利用冠状动脉检测网络对冠状动脉造影样本图像中的冠状动脉进行识别处理，获取冠状动脉造影样本图像中的冠状动脉的位置信息。其中，冠状动脉造影样本图像是已标注冠状动脉的位置信息的冠状动脉造影图像。
根据获取的冠状动脉造影样本图像中的冠状动脉的位置信息与冠状动脉造影样本图像中标注的冠状动脉的位置信息的差别，确定网络损失。
根据网络损失优化调整冠状动脉检测网络的网络参数。
预先训练第一主动脉窦识别网络的方法：
利用第一主动脉窦识别网络对冠状动脉造影样本图像中的主动脉窦进行识别处理，获取冠状动脉造影样本图像中的主动脉窦的位置信息。其中，冠状动脉造影样本图像是已标注主动脉窦的位置信息的冠状动脉造影图像，主动脉窦的位置信息包括左窦位置信息和右窦位置信息。
根据获取的冠状动脉造影样本图像中的主动脉窦的位置信息与冠状动脉造影样本图像中标注的主动脉窦的位置信息的差别，确定网络损失。
根据网络损失优化调整第一主动脉窦识别网络的网络参数。
预先训练第二主动脉窦识别网络的方法：
利用第二主动脉窦识别网络对冠状动脉造影样本图像中的主动脉窦进行识别处理，获取冠状动脉造影样本图像中的主动脉窦的位置信息。其中，冠状动脉造影样本图像是已标注主动脉窦和主动脉的位置信息的冠状动脉造影图像，主动脉窦的位置信息包括左窦位置信息和右窦位置信息。
根据获取的冠状动脉造影样本图像中的主动脉窦的位置信息与冠状动脉造影样本图像中标注的主动脉窦的位置信息的差别，确定网络损失。
根据网络损失优化调整第二主动脉窦识别网络的网络参数。
预先训练肺动脉识别网络的方法：
利用肺动脉识别网络对冠状动脉造影样本图像中的肺动脉进行识别处理，获取冠状动脉造影样本图像中的肺动脉的位置信息。其中，冠状动脉造影样本图像是已标注肺动脉的位置信息的冠状动脉造影图像。
根据获取的冠状动脉造影样本图像中的肺动脉的位置信息与冠状动脉造影样本图像中标注的肺动脉的位置信息的差别，确定网络损失。
根据网络损失优化调整肺动脉识别网络的网络参数。
实际实施中，上述神经网络在根据网络损失调整网络参数时，可以通过反向传播调整神经网络的网络参数。当达到网络迭代结束条件时，结束网络训练，其中，该结束条件可以是迭代达到一定的次数，或者损失值小于一定阈值。
本公开任一实施例中的所计算得到的有关信息，比如，动脉位置信息中的冠状动脉、主动脉(或升主动脉)、肺动脉和主动脉窦的位置信息，中心线，以及关键点中左、右冠状动脉的起始点等等均可以通过UI(User Interface，用户界面)显示和编辑，通过2D、3D图像、曲线、图表等方式显示，其中的点和线可以手动编辑矫正，对于冠状动脉、主动脉(或升主动脉)、肺动脉和主动脉窦可以进行曲面展开绘制，可以显示冠状动脉、主动脉(或升主动脉)、肺动脉和主动脉窦的相关参数，输出的结果可以打印、报告和保存。
如图2所示，图2是本公开实施例示出的一种冠状动脉的起源异常判断装置的框图，该装置可设置在任何有计算能力的设备上，比如，终端设备或服务器或其它处理设备，所述装置包括：检测模块21，关键点确定模块22和判断模块23。
检测模块21，用于对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，所述中心线是表征所述冠状动脉的拓扑结构的曲线。
关键点确定模块22，用于基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点。
判断模块23，用于基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况。
本公开实施例的技术方案提供的冠状动脉的起源异常判断装置，通过检测得到的冠状动脉造影图像上主动脉的位置信息和冠状动脉的中心线等动脉位置信息，并根据上述动脉位置信息确定关键点，根据动脉位置信息与关键点的位置关系，可以自动地确定所述冠状动脉的起源异常情况，计算时间快，判断清晰方便。
在一个例子中，所述冠状动脉造影图像中的关键点包括所述中心线上的各点和所述冠状动脉的起始点。
所述关键点确定模块22，具体用于：基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点。
所述判断模块23，具体用于：基于所述主动脉的位置信息与中心线上的各点的位置关系，确定相连域，所述相连域为与主动脉的区域有交叉的中心线上的点组成的连通域；响应于所述相连域的个数大于预设阈值，确定所述冠状动脉的起源异常，且所述起源异常类型为多窦起源。
在一个例子中，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括主动脉窦的位置信息，所述主动脉窦的位置信息用于限定所述冠状动脉造影图像中主动脉窦的区域。
所述关键点确定模块22，具体用于：基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点。
所述判断模块23，具体用于：响应于所述冠状动脉的起始点在主动脉的去窦区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为冠状动脉起源于主动脉，所述主动脉的去窦区域为不包含主动脉窦的主动脉区域。
在一个例子中，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括肺动脉的位置信息，所述肺动脉的位置信息用于限定所述冠状动脉造影图像中肺动脉的区域。
所述关键点确定模块22，具体用于：基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点。
所述判断模块23，具体用于：响应于所述冠状动脉的起始点在肺动脉的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为冠状动脉起源于肺动脉。
在一个例子中，所述冠状动脉造影图像中的关键点包括左冠状动脉的左起始点和右冠状动脉的右起始点，所述动脉位置信息还包括左窦位置信息和右窦位置信息，所述左窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中左窦的区域，所述右窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中右窦的区域，所述中心线包括左冠状动脉的左中心线和右冠状动脉的右中心线；
所述关键点确定模块22，具体用于：基于所述中心线和所述主动脉的位置信息，确定所述左中心线与所述主动脉的根部相衔接的点为所述左冠状动脉的左起始点，确定所述右中心线与所述主动脉的根部相衔接的点为所述右冠状动脉的右起始点。
所述判断模块23，具体用于：响应于所述右起始点在左窦的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为窦口起源异常。
在一个例子中，所述检测模块21，具体用于：通过主动脉识别网络，对冠状动脉造影图像中的主动脉进行识别处理，得到标记所述主动脉的位置信息的冠状动脉造影图像。通过冠状动脉检测网络，对冠状动脉造影图像中的冠状动脉进行识别处理，获取所述冠状动脉造影图像中的冠状动脉位置信息。基于所述冠状动脉位置信息，确定冠状动脉的中心线。
在一个例子中，所述检测模块21，还可以用于：通过肺动脉识别网络，对冠状动脉造影图像中的肺动脉进行识别处理，得到标记所述肺动脉的位置信息的冠状动脉造影图像。通过第一主动脉窦识别网络，对冠状动脉造影图像中的主动脉窦进行识别处理，得到标记所述主动脉窦的位置信息的冠状动脉造影图像。或者，通过第二主动脉窦识别网络，对标记了主动脉的位置信息的冠状动脉造影图像中的主动脉窦进行识别处理，得到标记所述主动脉窦的位置信息的冠状动脉造影图像。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
本公开实施例还提供了一种电子设备，如图3所示，所述电子设备包括存储器31、处理器32，所述存储器31用于存储可在处理器上运行的计算机指令，所述处理器32用于在执行所述计算机指令时实现本公开任一实施例所述的冠状动脉的起源异常判断方法。
本公开实施例还提供了一种计算机程序产品，该产品包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本公开任一实施例所述的冠状动脉的起源异常判断方法。
本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的冠状动脉的起源异常判断方法。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述对本说明书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。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。
Claims (14)
1.一种冠状动脉的起源异常判断方法，其特征在于，所述方法包括：
对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，所述中心线是表征所述冠状动脉的拓扑结构的曲线；
基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点；
基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况，所述起源异常情况，包括：冠状动脉起源于肺动脉、冠状动脉起源于主动脉、窦口起源异常和多窦起源。
2.根据权利要求1所述的方法，其特征在于，所述冠状动脉造影图像中的关键点包括所述中心线上的各点；
所述基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况，包括：
基于所述主动脉的位置信息与中心线上的各点的位置关系，确定相连域，所述相连域为与主动脉的区域有交叉的中心线上的点组成的连通域；
响应于所述相连域的个数大于预设阈值，确定所述冠状动脉的起源异常，且所述起源异常类型为所述多窦起源。
3.根据权利要求1所述的方法，其特征在于，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括主动脉窦的位置信息，所述主动脉窦的位置信息用于限定所述冠状动脉造影图像中主动脉窦的区域；
所述基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点，包括：
基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点；
所述基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况，包括：
响应于所述冠状动脉的起始点在主动脉的去窦区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为所述冠状动脉起源于主动脉，所述主动脉的去窦区域为不包含主动脉窦的主动脉区域。
4.根据权利要求1所述的方法，其特征在于，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括肺动脉的位置信息，所述肺动脉的位置信息用于限定所述冠状动脉造影图像中肺动脉的区域；
所述基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点，包括：
基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点；
所述基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况，包括：
响应于所述冠状动脉的起始点在肺动脉的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为所述冠状动脉起源于肺动脉。
5.根据权利要求1所述的方法，其特征在于，所述冠状动脉造影图像中的关键点包括左冠状动脉的左起始点和右冠状动脉的右起始点，所述动脉位置信息还包括左窦位置信息和右窦位置信息，所述左窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中左窦的区域，所述右窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中右窦的区域，所述中心线包括左冠状动脉的左中心线和右冠状动脉的右中心线；
所述基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点，包括：
基于所述中心线和所述主动脉的位置信息，确定所述左中心线与所述主动脉的根部相衔接的点为所述左冠状动脉的左起始点，确定所述右中心线与所述主动脉的根部相衔接的点为所述右冠状动脉的右起始点；
所述基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况，包括：
响应于所述右起始点在左窦的区域中，或者，所述左起始点在右窦的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为所述窦口起源异常。
6.根据权利要求1所述的方法，其特征在于，所述对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，包括：
通过主动脉识别网络，对冠状动脉造影图像中的主动脉进行识别处理，得到标记所述主动脉的位置信息的冠状动脉造影图像；
通过冠状动脉检测网络，对冠状动脉造影图像中的冠状动脉进行识别处理，获取所述冠状动脉造影图像中的冠状动脉位置信息；
基于所述冠状动脉位置信息，确定冠状动脉的中心线。
7.一种冠状动脉的起源异常判断装置，其特征在于，所述装置包括：
检测模块，用于对冠状动脉造影图像进行检测，获取所述冠状动脉造影图像中的动脉位置信息，所述动脉位置信息至少包括主动脉的位置信息和冠状动脉的中心线，所述主动脉的位置信息用于限定所述冠状动脉造影图像中主动脉的区域，所述中心线是表征所述冠状动脉的拓扑结构的曲线；
关键点确定模块，用于基于所述动脉位置信息，确定所述冠状动脉造影图像中的关键点；
判断模块，用于基于所述动脉位置信息与所述关键点的位置关系，确定所述冠状动脉的起源异常情况，所述起源异常情况，包括：冠状动脉起源于肺动脉、冠状动脉起源于主动脉、窦口起源异常和多窦起源。
8.根据权利要求7所述的装置，其特征在于，所述冠状动脉造影图像中的关键点包括所述中心线上的各点和所述冠状动脉的起始点；
所述关键点确定模块，具体用于：
基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点；
所述判断模块，具体用于：
基于所述主动脉的位置信息与中心线上的各点的位置关系，确定相连域，所述相连域为与主动脉的区域有交叉的中心线上的点组成的连通域；
响应于所述相连域的个数大于预设阈值，确定所述冠状动脉的起源异常，且所述起源异常类型为所述多窦起源。
9.根据权利要求7所述的装置，其特征在于，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括主动脉窦的位置信息，所述主动脉窦的位置信息用于限定所述冠状动脉造影图像中主动脉窦的区域；
所述关键点确定模块，具体用于：
基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点；
所述判断模块，具体用于：
响应于所述冠状动脉的起始点在主动脉的去窦区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为所述冠状动脉起源于主动脉，所述主动脉的去窦区域为不包含主动脉窦的主动脉区域。
10.根据权利要求7所述的装置，其特征在于，所述冠状动脉造影图像中的关键点包括所述冠状动脉的起始点，所述动脉位置信息还包括肺动脉的位置信息，所述肺动脉的位置信息用于限定所述冠状动脉造影图像中肺动脉的区域；
所述关键点确定模块，具体用于：
基于所述中心线和所述主动脉的位置信息，确定所述中心线与所述主动脉的根部相衔接的点为所述冠状动脉的起始点；
所述判断模块，具体用于：
响应于所述冠状动脉的起始点在肺动脉的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为所述冠状动脉起源于肺动脉。
11.根据权利要求7所述的装置，其特征在于，所述冠状动脉造影图像中的关键点包括左冠状动脉的左起始点和右冠状动脉的右起始点，所述动脉位置信息还包括左窦位置信息和右窦位置信息，所述左窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中左窦的区域，所述右窦位置信息用于限定所述冠状动脉造影图像中主动脉窦中右窦的区域，所述中心线包括左冠状动脉的左中心线和右冠状动脉的右中心线；
所述关键点确定模块，具体用于：
基于所述中心线和所述主动脉的位置信息，确定所述左中心线与所述主动脉的根部相衔接的点为所述左冠状动脉的左起始点，确定所述右中心线与所述主动脉的根部相衔接的点为所述右冠状动脉的右起始点；
所述判断模块，具体用于：
响应于所述右起始点在左窦的区域中，确定所述冠状动脉的起源异常，且所述起源异常类型为所述窦口起源异常。
12.根据权利要求7所述的装置，其特征在于，
所述检测模块，具体用于：
通过主动脉识别网络，对冠状动脉造影图像中的主动脉进行识别处理，得到标记所述主动脉的位置信息的冠状动脉造影图像；
通过冠状动脉检测网络，对冠状动脉造影图像中的冠状动脉进行识别处理，获取所述冠状动脉造影图像中的冠状动脉位置信息；
基于所述冠状动脉位置信息，确定冠状动脉的中心线。
13.一种电子设备，其特征在于，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现权利要求1至6任一所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110692227.7A CN113450322B (zh) | 2021-06-22 | 2021-06-22 | 一种冠状动脉的起源异常判断方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110692227.7A CN113450322B (zh) | 2021-06-22 | 2021-06-22 | 一种冠状动脉的起源异常判断方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113450322A CN113450322A (zh) | 2021-09-28 |
| CN113450322B true CN113450322B (zh) | 2024-05-24 |
Family
ID=77812165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110692227.7A Active CN113450322B (zh) | 2021-06-22 | 2021-06-22 | 一种冠状动脉的起源异常判断方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113450322B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114041761B (zh) * | 2021-10-27 | 2022-12-09 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006068350A (ja) * | 2004-09-03 | 2006-03-16 | Toshiba Corp | 医用画像表示方法、医用画像表示装置及び医用画像表示のためのプログラム |
| CN110428420A (zh) * | 2018-09-05 | 2019-11-08 | 深圳科亚医疗科技有限公司 | 基于患者的冠状动脉ct血管造影图像来确定冠状动脉的流动信息的方法、装置和介质 |
| CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
| CN111383259A (zh) * | 2020-03-02 | 2020-07-07 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、计算机设备和存储介质 |
| CN111681211A (zh) * | 2020-05-18 | 2020-09-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种血管图像处理方法及装置 |
| CN112132882A (zh) * | 2019-11-19 | 2020-12-25 | 苏州润迈德医疗科技有限公司 | 从冠状动脉二维造影图像中提取血管中心线的方法和装置 |
| CN112652052A (zh) * | 2020-12-15 | 2021-04-13 | 山东大学 | 一种基于血管分支配准的冠状动脉三维重建方法及*** |
| CN112674872A (zh) * | 2020-12-22 | 2021-04-20 | 中国人民解放军陆军军医大学 | 一种主动脉复合体解剖特征测量方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9129417B2 (en) * | 2012-02-21 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for coronary artery centerline extraction |
-
2021
- 2021-06-22 CN CN202110692227.7A patent/CN113450322B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006068350A (ja) * | 2004-09-03 | 2006-03-16 | Toshiba Corp | 医用画像表示方法、医用画像表示装置及び医用画像表示のためのプログラム |
| CN110428420A (zh) * | 2018-09-05 | 2019-11-08 | 深圳科亚医疗科技有限公司 | 基于患者的冠状动脉ct血管造影图像来确定冠状动脉的流动信息的方法、装置和介质 |
| CN112132882A (zh) * | 2019-11-19 | 2020-12-25 | 苏州润迈德医疗科技有限公司 | 从冠状动脉二维造影图像中提取血管中心线的方法和装置 |
| CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
| CN111383259A (zh) * | 2020-03-02 | 2020-07-07 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、计算机设备和存储介质 |
| CN111681211A (zh) * | 2020-05-18 | 2020-09-18 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种血管图像处理方法及装置 |
| CN112652052A (zh) * | 2020-12-15 | 2021-04-13 | 山东大学 | 一种基于血管分支配准的冠状动脉三维重建方法及*** |
| CN112674872A (zh) * | 2020-12-22 | 2021-04-20 | 中国人民解放军陆军军医大学 | 一种主动脉复合体解剖特征测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| Anomalous origin of the left coronary artery from the right sinus: an interesting and very rare coronary anomaly circulation;Marcos Danillo Peixoto Oliveira et al.;《Journal of Xiangya Medicine》;全文 * |
| 双源CT在先天性冠状动脉起源异常的临床应用;罗立镇 等;《中国医学创新》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113450322A (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11576626B2 (en) | Systems and methods for numerically evaluating vasculature | |
| US11816837B2 (en) | Vascular characteristic determination with correspondence modeling of a vascular tree | |
| US10235753B2 (en) | Automatic recognition of anatomical landmarks | |
| CN113450322B (zh) | 一种冠状动脉的起源异常判断方法和装置 | |
| Karim et al. | Left atrium segmentation for atrial fibrillation ablation | |
| Cárdenes et al. | 3D modeling of coronary artery bifurcations from CTA and conventional coronary angiography | |
| ur Rahman et al. | Patient specific optimal catheter selection for right coronary artery | |
| CN114209344A (zh) | 一种侧枝循环状态评估方法、装置、存储介质及电子设备 | |
| CN113139961B (zh) | 一种冠状动脉优势型的确定方法和装置 | |
| US10957057B2 (en) | Post-mapping automatic identification of pulmonary veins | |
| Krissian et al. | Smooth vasculature reconstruction with circular and elliptic cross sections | |
| EP3866109A1 (en) | Methods and systems for cardiac chamber imaging | |
| Taeprasartsit et al. | System for definition of the central-chest vasculature | |
| CN116051592A (zh) | 一种冠状动脉优势型判断方法、***、装置和存储介质 | |
| CN117958966A (zh) | 一种血管介入手术的术中路径校正方法及装置 | |
| KR20230021544A (ko) | Cta 영상에서 계층적 변형을 이용한 심혈관 비강체 정합 방법, 이를 수행하기 위한 기록매체 및 장치 | |
| CN115881277A (zh) | 用于评估三维血管造影术数据集的计算机实现的方法、评估***、计算机程序 | |
| Hennemuth | Computer-assisted diagnosis and therapy planning in coronary artery disease based on cardiac CT and MRI | |
| Garreau et al. | Abilities of cardiac MSCT imaging to provide useful anatomical and functional information for Cardiac Resynchronization Therapy optimization |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240205 Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: Shenyang Neusoft Medical Systems Co.,Ltd. Country or region after: China Address before: Room 336, 177-1, Chuangxin Road, Hunnan New District, Shenyang City, Liaoning Province Applicant before: Shenyang advanced medical equipment Technology Incubation Center Co.,Ltd. Country or region before: China |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |