CN114170378A - 医疗设备、血管及内部斑块三维重建方法和装置 - Google Patents
医疗设备、血管及内部斑块三维重建方法和装置 Download PDFInfo
- Publication number
- CN114170378A CN114170378A CN202111425153.7A CN202111425153A CN114170378A CN 114170378 A CN114170378 A CN 114170378A CN 202111425153 A CN202111425153 A CN 202111425153A CN 114170378 A CN114170378 A CN 114170378A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- plaque
- information
- contour
- image information
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 20
- 238000012952 Resampling Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 3
- 230000002792 vascular Effects 0.000 claims 1
- 210000001715 carotid artery Anatomy 0.000 description 9
- 210000000269 carotid artery external Anatomy 0.000 description 6
- 210000004004 carotid artery internal Anatomy 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000001326 carotid sinus Anatomy 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 210000001168 carotid artery common Anatomy 0.000 description 2
- 102000007330 LDL Lipoproteins Human genes 0.000 description 1
- 108010007622 LDL Lipoproteins Proteins 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明揭示了一种医疗设备、血管及内部斑块三维重建方法和装置，方法包括步骤：获取一组血管径向切面的血管图像信息，将血管图像信息通过血管分割模型和斑块分割模型检测，获取血管轮廓信息和斑块轮廓信息；再对血管轮廓信息沿扫描轨迹三维建模，生成血管三维模型；将斑块轮廓信息遍历血管三维模型，生成带有斑块的血管三维模型，通过该方法和装置可以清晰地绘制出血管及内部斑块的三维结构，便于医生做出更准确的判断，提高了患者的医疗体验。
Description
技术领域
本发明涉及医疗超声技术领域，尤其涉及一种医疗设备、血管及内部斑块三维重建方法和装置。
背景技术
目前在扫查颈动脉部位时，一般采用超声检查，根据回声的情况来判断是稳定斑块还是不稳定斑块，如低回声或无回声，则可能是不稳定斑块。
但该判断结果并不清晰，只能给出大概的情况，还需要配合血脂检查，例如检测低密度脂蛋白的参数范围，且即便如此仍不能清晰地反应斑块的全貌，且检索过程繁琐。另外，一般地的颈动脉斑块不需要手术，但严重的颈动脉斑块需要在评估后才能判断是否手术，不够清晰的超声检查也影响了医生对于是否手术的评估。且目前颈动脉斑块的手术存在风险，对于本不必要手术却手术，或本必要手术却未手术的患者来说，都是存在问题的。如何使颈动脉斑块的显示更加清晰直观，有助于解决这些问题。
发明内容
为解决现有技术中血管的斑块呈现不够清晰直观的问题，本发明的目的在于提供一种血管及内部斑块三维重建方法和装置。
为实现上述发明目的，本发明一实施方式提供一种血管及内部斑块三维重建方法，包括步骤：
获取一组血管径向切面的血管图像信息，多个所述血管图像信息沿扫描轨迹依次排布；
将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息；
将所述血管轮廓信息基于扫描轨迹进行筛选；
将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息；
将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选；
将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型；
将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型。
作为本发明的进一步改进，所述步骤“获取一组血管径向切面的血管图像信息”包括：
获取沿扫描轨迹依次排布的一组原始图像、三维模型的长度和深度信息；
对所述原始图像进行重新采样，获得血管图像信息，所述血管图像信息为一组灰度图。
作为本发明的进一步改进，所述步骤“获取沿扫描轨迹依次排布的一组原始图像、三维模型的长度和深度信息”包括：
获取扫查参数信息，所述扫查参数信息包括扫查距离信息和扫查深度信息；
根据所述扫查距离信息、扫查深度信息和所述原始图像的张数信息，计算三维模型的长度信息和深度信息。
作为本发明的进一步改进，所述步骤“对所述原始图像进行重新采样，获得血管图像信息”包括：
将所述原始图像灰度化并压缩为重采样图像，所述原始图像为一组与血管延伸方向垂直的横向扫查彩色图像；
以所述重采样图像为数据源，根据所述长度信息和深度信息，通过线性插值的算法生成一组血管图像信息。
作为本发明的进一步改进，所述步骤“将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息”包括：
将所述血管图像信息通过血管分割模型检测，将所述血管图像信息的灰度值大于等于预设血管置信值的像素替换为第一值，灰度值小于所述预设血管置信值的像素替换为第二值，生成血管轮廓信息。
作为本发明的进一步改进，所述步骤“将所述血管轮廓信息基于扫描轨迹进行筛选”包括：
将所述血管轮廓信息上替换为第一值的区域做外接矩形，并确定外接矩形的中心点，进一步得到沿扫描轨迹依次排布的多个所述血管轮廓信息的中心点，根据最小二乘算法拟合血管延伸轨迹，若某张血管轮廓信息的中心点与所述血管延伸轨迹的偏离值超过预设血管偏离值，筛除该血管轮廓信息。
作为本发明的进一步改进，所述步骤“将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息”包括：
将筛选后的所述血管轮廓信息对应的所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息。
作为本发明的进一步改进，所述步骤“将筛选后的所述血管轮廓信息对应的所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息”包括：
将与筛选后所述血管轮廓信息对应的血管图像信息通过斑块分割模型检测，将所述血管图像信息的灰度值大于等于预设斑块置信值的像素替换为第一值，灰度值小于所述预设斑块置信值的像素替换为第二值，生成斑块轮廓信息。
作为本发明的进一步改进，所述步骤“将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选”包括：
若某张斑块轮廓信息上第一值的区域与其对应的所述血管轮廓信息中的第一值的区域的偏离程度大于预设斑块偏离值，筛除该斑块轮廓信息。
作为本发明的进一步改进，所述步骤“将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型”包括：
基于血管轮廓信息中的第一值与第二值的交界轮廓确定第一等值面，并通过移动立方体算法生成闭合的灰度等值面，所述灰度等值面为血管三维模型；
将所述血管三维模型生成为第一颜色。
作为本发明的进一步改进，所述步骤“将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型”包括：
沿着扫描轨迹依次将斑块轮廓信息中的第一值与第二值的交界轮廓确定第二等值面，将所述第二等值面遍历所述血管三维模型，所述第二等值面所在区域替换为区别于所述第一颜色的第二颜色，生成带有斑块的血管三维模型。
为实现上述发明目的之一，本发明一实施例提供了一种血管及内部斑块三维重建装置，包括：
获取模块，用于获取一组血管径向切面的血管图像信息，多个所述血管图像信息沿扫描轨迹依次排布；
血管轮廓识别模块，用于将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息，并用于将所述血管轮廓信息基于扫描轨迹进行筛选；
斑块识别模块，用于将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息，并用于将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选；
血管建模模块，用于将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型；
斑块建模模块，用于将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型。
为实现上述发明目的之一，本发明一实施例提供了一种电子设备，其特征在于，包括：
存储模块，存储计算机程序；
处理模块，执行所述计算机程序时可实现上述的血管及内部斑块三维重建方法中的步骤。
为实现上述发明目的之一，本发明一实施例提供了一种可读存储介质，其存储有计算机程序，该计算机程序被处理模块执行时可实现上述的血管及内部斑块三维重建方法中的步骤。
与现有技术相比，本发明具有以下有益效果：通过该方法和装置可以清晰地绘制出血管及内部斑块的三维结构，且通过超声的方式获取多个纵切面，与现有的扫查方式一致，尤其适用于对颈动脉的扫查，可以清晰地展示颈内动脉和颈外动脉的分叉，便于找到颈动脉窦的位置，且由于呈现更加直接，也便于更准确地测量斑块的具体尺寸，便于医生做出更准确的判断，提高了患者的医疗体验。
附图说明
图1是本发明一实施例的血管及内部斑块三维重建方法的流程图；
图2是本发明一实施例的血管径向切面的其一原始图像的示意图；
图3是本发明一实施例的其一血管轮廓信息的示意图；
图4是本发明一实施例的其一斑块轮廓信息的示意图；
图5是本发明一实施例的带有斑块的血管三维模型的示意图；
图6是本发明一实施例的三维重建装置的模块示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
应该理解，本文使用的例如“上”、“上方”、“下”、“下方”等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个单元或特征相对于另一个单元或特征的关系。空间相对位置的术语可以旨在包括设备在使用或工作中除了图中所示方位以外的不同方位。
本发明一实施例提供一种医疗设备、血管及内部斑块三维重建方法和装置，应用该方法可以清晰直观地绘制出血管的三维模型，并在血管上呈现出斑块的具体结构，方便医生和患者更准确地把握血管，尤其是颈动脉斑块的情况。
图1为本申请一个实施方式的一种血管及内部斑块三维重建方法，该三维重建方法是基于超声扫查获得的纵向切面图作为数据源，本实施例可以以扫描颈动脉为例进行说明。
虽然本申请提供了如下述实施方式或流程图所述的方法操作步骤，但是基于常规或者无需创造性的劳动，所述方法在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施方式中所提供的执行顺序。
具体地，包括如下步骤：
步骤101：获取一组血管径向切面的血管图像信息，多个所述血管图像信息沿扫描轨迹依次排布；
步骤102：将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息；
步骤103：将所述血管轮廓信息基于扫描轨迹进行筛选；
步骤104：将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息；
步骤105：将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选；
步骤106：将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型；
步骤107：将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型。
对于步骤101，本发明可实现方式中，可以先获取沿扫描轨迹依次排布的一组原始图像和扫查参数信息，其中，原始图像是与颈动脉血管方向垂直、且连续的多幅横向扫查超声图像，扫查参数信息包括了扫查距离信息和扫查深度信息。原始图像可以是RGBA的32位的彩色图像，也可以是灰度图，图2中将灰度图作为原始图像进行输入。扫查超声图像完全覆盖了患者的颈动脉，包括主动脉、分叉位置、颈内动脉和颈外动脉，以使得在三维重建后的三维模型中完整呈现患者颈动脉的全貌，尤其是显示出整个颈动脉内的斑块情况。
在获得原始图像后，对所述原始图像进行重新采样，获得血管图像信息，所述血管图像信息为一组灰度图，血管图像还可以进行一定程度的压缩，以减少运算量。
根据所述扫查距离信息、扫查深度信息和所述原始图像的张数信息，计算三维模型的长度信息和深度信息。
再以所述重采样图像为数据源，根据所述长度信息和深度信息，通过线性插值的算法生成一组血管图像信息。通过线性插值的方式，对原始图像的数据量进行补充，也使生成的三维模型更加平滑。
对于步骤102，将所述血管图像信息通过血管分割模型检测，将所述血管图像信息的灰度值大于等于预设血管置信值的像素替换为第一值，灰度值小于所述预设血管置信值的像素替换为第二值，生成血管轮廓信息。
血管轮廓信息如图3所示，根据血管深度学习可以判断图2上每个像素点是血管或在血管内的可能性，然后确定出血管的轮廓，第一值可以为255，第二值为0，将血管从原始图像中区分出来。
另外，图3的血管可以为颈总动脉，如果是在分叉位置上方的图像，则可以包括颈内动脉和颈外动脉两根血管，在Y型的分叉位置显示出从一根血管变两根血管逐渐过渡的剖面，从而在最终的三维模型中一目了然地体现Y型的分叉，便于医生找到分叉位置。
对于步骤103，将所述血管轮廓信息上替换为第一值的区域做外接矩形，并确定外接矩形的中心点，进一步得到沿扫描轨迹依次排布的多个所述血管轮廓信息的中心点，根据最小二乘算法拟合血管延伸轨迹，若某张图上的中心点与所述血管延伸轨迹的偏离值超过预设血管偏离值，筛除该张图片。通过最小二乘算法，可以对空间中的多个中心点进行曲线的拟合，拟合出的曲线为血管的延伸方向，再将过于离散的中心点所在的图片去除，保留与血管延伸的方向一致的图片，避免医生在超声扫查时手部的过分抖动、或是血管轮廓模型的检测失真，导致三维模型的失真。
另外，在图片中存在多个连通区域时，根据该图片所在位置确定图上的血管数量，如过出现的连通区域数量大于血管数量，则对多个连通区域确定外接矩形的面积，将这些连通区域的面积更小的排除。例如图上只有颈总动脉，却出现3个连通区域，仅将面积最大的区域保留为第一值，将剩下两个面积小的连通区域的像素都替换为第二值。如果图上有颈内动脉和颈外动脉，却出现五个连通区域，仅将面积大的两个区域保留为第一值，将面积小于最大的两个区域的其他连通区域的像素都替换为第二值。
对于步骤104，至少部分所述血管图像信息，可以是全部的血管图像信息都通过斑块分割模型，也可以是其中的一部分，具体地，是在步骤103中筛选后的所述血管轮廓信息对应的所述血管图像信息，这样可以减少运算量。
将与筛选后所述血管轮廓信息对应的血管图像信息通过斑块分割模型检测，将所述血管图像信息的灰度值大于等于预设斑块置信值的像素替换为第一值，灰度值小于所述预设斑块置信值的像素替换为第二值，生成斑块轮廓信息。
斑块轮廓信息如图4所示，根据斑块深度学习可以判断图2上每个像素点是斑块的可能性，然后确定出斑块的轮廓，第一值可以为255，第二值为0，将斑块从原始图像中区分出来。
对于步骤105，将所述斑块轮廓信息上第一值的区域与其对应的所述血管轮廓信息中的第一值的区域的偏离程度大于预设斑块偏离值，筛除该张图片。
理论上，步骤105中确定出的斑块应该完全在步骤103判断的血管内，以图3和图4为例，当斑块完全在血管内时，此时斑块的判断可靠；当斑块完全在血管外时，此时判断存在问题，去除该图片；当斑块不完全在血管内时，根据预设斑块偏离值进行判断，根据需要的精度不同，预设斑块偏离值设置的大小不同，调节不同大小的斑块判断的精细程度。
对于步骤106，面绘制可以采用多种算法，如移动立方体算法，基于血管轮廓信息中的第一值与第二值的交界轮廓确定第一等值面，再通过移动立方体算法生成闭合的灰度等值面，所述灰度等值面为血管三维模型。
将所述血管三维模型生成为第一颜色，第一颜色可以为红色。
对于步骤107，沿着扫描轨迹依次将斑块轮廓信息中的第一值与第二值的交界轮廓确定第二等值面，将所述第二等值面遍历所述血管三维模型，所述第二等值面所在区域替换为区别于所述第一颜色的第二颜色，第二颜色可以为黄色或黑色；生成带有斑块的血管三维模型，如图5所示，斑块也可以通过移动立方体的算法，生成连续完整的封闭形状，将血管内的斑块的位置的颜色进行替换，最终呈现带有斑块的血管的三维模型。
通过该方法和装置可以清晰地绘制出血管及内部斑块的三维结构，且通过超声的方式获取多个纵切面，与现有的扫查方式一致，尤其适用于对颈动脉的扫查，可以清晰地展示颈内动脉和颈外动脉的分叉，便于找到颈动脉窦的位置，且由于呈现更加直接，也便于更准确地测量斑块的具体尺寸，便于医生做出更准确的判断，提高了患者的医疗体验。
本发明可实现方式中，在获得带有斑块的血管三维模型后，可以进一步方便地计算血管的尺寸和软硬程度，方便给出医生更具体且准确的数据。
可以通过计算斑块轮廓的最小外接矩形获得斑块的宽高；也可以通过面积法计算斑块的狭窄率，计算斑块轮廓的面积和血管轮廓面积的比值；还可以按照斑块轮廓内的像素点亮度大于某一阈值的比例，计算斑块的软硬程度。
如图6所示，在一个实施例中，提供了一种血管及内部斑块三维重建装置，该三维重建装置可以集成在医疗设备或服务器中，具体可以包括获取模块、血管轮廓识别模块、斑块识别模块、血管建模模块、斑块建模模块，各模块具体功能如下：
获取模块，用于获取一组血管径向切面的血管图像信息，多个所述血管图像信息沿扫描轨迹依次排布；
血管轮廓识别模块，用于将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息，并用于将所述血管轮廓信息基于扫描轨迹进行筛选；
斑块识别模块，用于将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息，并用于将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选；
血管建模模块，用于将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型；
斑块建模模块，用于将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型。
在一个实施例中，获取模块还包括重采样模块，获取模块用于获取沿扫描轨迹依次排布的一组原始图像、三维模型的长度和深度信息；
重采样模块对所述原始图像进行重新采样，获得血管图像信息，所述血管图像信息为一组灰度图。
在一个实施例中，获取模块用于获取扫查参数信息，所述扫查参数信息包括扫查距离信息和扫查深度信息；
三维重建装置还包括处理模块，处理模块用于根据所述扫查距离信息、扫查深度信息和所述原始图像的张数信息，计算三维模型的长度信息和深度信息。
在一个实施例中，重采样模块用于将所述原始图像灰度化并压缩为重采样图像，所述原始图像为一组与血管延伸方向垂直的横向扫查彩色图像；
处理模块用于以所述重采样图像为数据源，根据所述长度信息和深度信息，通过线性插值的算法生成一组血管图像信息。
在一个实施例中，血管轮廓识别模块用于将所述血管图像信息通过血管分割模型检测，将所述血管图像信息的灰度值大于等于预设血管置信值的像素替换为第一值，灰度值小于所述预设血管置信值的像素替换为第二值，生成血管轮廓信息。
在一个实施例中，血管轮廓识别模块用于将所述血管轮廓信息上替换为第一值的区域做外接矩形，并确定外接矩形的中心点，进一步得到沿扫描轨迹依次排布的多个所述血管轮廓信息的中心点，根据最小二乘算法拟合血管延伸轨迹，若某张图上的中心点与所述血管延伸轨迹的偏离值超过预设血管偏离值，筛除该张图片。
在一个实施例中，斑块识别模块用于将与筛选后所述血管轮廓信息对应的血管图像信息通过斑块分割模型检测，将所述血管图像信息的灰度值大于等于预设斑块置信值的像素替换为第一值，灰度值小于所述预设斑块置信值的像素替换为第二值，生成斑块轮廓信息。
在一个实施例中，斑块识别模块用于将所述斑块轮廓信息上第一值的区域与其对应的所述血管轮廓信息中的第一值的区域的偏离程度大于预设斑块偏离值，筛除该张图片。
在一个实施例中，血管建模模块用于基于血管轮廓信息中的第一值与第二值的交界轮廓确定第一等值面，并通过移动立方体算法生成闭合的灰度等值面，所述灰度等值面为血管三维模型；将所述血管三维模型生成为第一颜色。
在一个实施例中，斑块建模模块用于沿着扫描轨迹依次将斑块轮廓信息中的第一值与第二值的交界轮廓确定第二等值面，将所述第二等值面遍历所述血管三维模型，所述第二等值面所在区域替换为区别于所述第一颜色的第二颜色，生成带有斑块的血管三维模型。
所述三维重建装置可以是医疗设备、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述三维重建装置可包括，但不仅限于，处理模块、存储模块。本领域技术人员可以理解，所述示意图仅仅是三维重建装置的示例，并不构成对三维重建装置终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述三维重建装置还可以包括输入输出设备、网络接入设备、总线等。
需要说明的是，本发明实施例的三维重建装置中未披露的细节，请参照本发明实施例的三维重建方法中所披露的细节。
根据本发明的三维重建装置，可以清晰地绘制出血管及内部斑块的三维结构，且通过超声的方式获取多个纵切面，与现有的扫查方式一致，尤其适用于对颈动脉的扫查，可以清晰地展示颈内动脉和颈外动脉的分叉，便于找到颈动脉窦的位置，且由于呈现更加直接，也便于更准确地测量斑块的具体尺寸，便于医生做出更准确的判断，提高了患者的医疗体验。
该实施例的医疗设备包括：处理模块、存储模块以及存储在所述存储模块中并可在所述处理模块上运行的计算机程序，例如上述的三维重建方法程序。所述处理模块执行所述计算机程序时实现上述各个三维重建方法实施例中的步骤，例如图1所示的步骤。
另外，本发明还提出了一种电子设备，其包括存储模块和处理模块，处理模块执行所述计算机程序时可实现上述的医疗设备的三维重建方法中的步骤，也就是说，实现上述医疗设备的三维重建方法中的任意一个技术方案中的步骤。
该电子设备可以是集成于医疗设备内的一部分、或者是本地的终端设备、还可以是云端服务器的一部分。
所述处理模块可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述处理模块是所述医疗设备的控制中心，利用各种接口和线路连接整个医疗设备的各个部分。
所述存储模块可用于存储所述计算机程序和/或模块，所述处理模块通过运行或执行存储在所述存储模块内的计算机程序和/或模块，以及调用存储在存储模块内的数据，实现所述医疗设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少—个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储模块中，并由所述处理模块执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述医疗设备中的执行过程。
进一步地，本发明一实施例提供了一种可读存储介质，其存储有计算机程序，该计算机程序被处理模块执行时可实现上述的医疗设备的三维重建方法中的步骤，也就是说，实现上述三维重建方法中的任意一个技术方案中的步骤。
所述三维重建装置集成的模块如果以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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、∪盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (15)
1.一种血管及内部斑块三维重建方法，其特征在于，包括步骤：
获取一组血管径向切面的血管图像信息，多个所述血管图像信息沿扫描轨迹依次排布；
将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息；
将所述血管轮廓信息基于扫描轨迹进行筛选；
将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息；
将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选；
将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型；
将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型。
2.根据权利要求1所述的三维重建方法，其特征在于，所述步骤“获取一组血管径向切面的血管图像信息”包括：
获取沿扫描轨迹依次排布的一组原始图像、三维模型的长度和深度信息；
对所述原始图像进行重新采样，获得血管图像信息，所述血管图像信息为一组灰度图。
3.根据权利要求2所述的三维重建方法，其特征在于，所述步骤“获取沿扫描轨迹依次排布的一组原始图像、三维模型的长度和深度信息”包括：
获取扫查参数信息，所述扫查参数信息包括扫查距离信息和扫查深度信息；
根据所述扫查距离信息、扫查深度信息和所述原始图像的张数信息，计算三维模型的长度信息和深度信息。
4.根据权利要求3所述的三维重建方法，其特征在于，所述步骤“对所述原始图像进行重新采样，获得血管图像信息”包括：
将所述原始图像灰度化并压缩为重采样图像，所述原始图像为一组与血管延伸方向垂直的横向扫查彩色图像；
以所述重采样图像为数据源，根据所述长度信息和深度信息，通过线性插值的算法生成一组血管图像信息。
5.根据权利要求1所述的三维重建方法，其特征在于，所述步骤“将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息”包括：
将所述血管图像信息通过血管分割模型检测，将所述血管图像信息的灰度值大于等于预设血管置信值的像素替换为第一值，灰度值小于所述预设血管置信值的像素替换为第二值，生成血管轮廓信息。
6.根据权利要求5所述的三维重建方法，其特征在于，所述步骤“将所述血管轮廓信息基于扫描轨迹进行筛选”包括：
将所述血管轮廓信息上替换为第一值的区域做外接矩形，并确定外接矩形的中心点，进一步得到沿扫描轨迹依次排布的多个所述血管轮廓信息的中心点，根据最小二乘算法拟合血管延伸轨迹，若某张血管轮廓信息的中心点与所述血管延伸轨迹的偏离值超过预设血管偏离值，筛除该血管轮廓信息。
7.根据权利要求6所述的三维重建方法，其特征在于，所述步骤“将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息”包括：
将筛选后的所述血管轮廓信息对应的所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息。
8.根据权利要求7所述的三维重建方法，其特征在于，所述步骤“将筛选后的所述血管轮廓信息对应的所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息”包括：
将与筛选后所述血管轮廓信息对应的血管图像信息通过斑块分割模型检测，将所述血管图像信息的灰度值大于等于预设斑块置信值的像素替换为第一值，灰度值小于所述预设斑块置信值的像素替换为第二值，生成斑块轮廓信息。
9.根据权利要求8所述的三维重建方法，其特征在于，所述步骤“将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选”包括：
若某张斑块轮廓信息上第一值的区域与其对应的所述血管轮廓信息中的第一值的区域的偏离程度大于预设斑块偏离值，筛除该斑块轮廓信息。
10.根据权利要求9所述的三维重建方法，其特征在于，所述步骤“将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型”包括：
基于血管轮廓信息中的第一值与第二值的交界轮廓确定第一等值面，并通过移动立方体算法生成闭合的灰度等值面，所述灰度等值面为血管三维模型；
将所述血管三维模型生成为第一颜色。
11.根据权利要求10所述的三维重建方法，其特征在于，所述步骤“将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型”包括：
沿着扫描轨迹依次将斑块轮廓信息中的第一值与第二值的交界轮廓确定第二等值面，将所述第二等值面遍历所述血管三维模型，所述第二等值面所在区域替换为区别于所述第一颜色的第二颜色，生成带有斑块的血管三维模型。
12.一种血管及内部斑块三维重建装置，其特征在于，包括：
获取模块，用于获取一组血管径向切面的血管图像信息，多个所述血管图像信息沿扫描轨迹依次排布；
血管轮廓识别模块，用于将所述血管图像信息通过血管分割模型，获取与每个血管图像信息对应的血管轮廓信息，并用于将所述血管轮廓信息基于扫描轨迹进行筛选；
斑块识别模块，用于将至少部分所述血管图像信息通过斑块分割模型，获取与每个血管图像信息对应的斑块轮廓信息，并用于将所述斑块轮廓信息基于斑块与血管轮廓的位置关系进行筛选；
血管建模模块，用于将沿扫描方向的一组所述血管轮廓信息作为输入，通过面绘制进行三维重建，生成血管三维模型；
斑块建模模块，用于将筛选后的每个所述斑块轮廓信息遍历所述血管三维模型，生成带有斑块的血管三维模型。
13.一种医疗设备，其特征在于，包括：如权利要求12所述的血管及内部斑块三维重建装置。
14.一种电子设备，其特征在于，包括：
存储模块，存储计算机程序；
处理模块，执行所述计算机程序时可实现权利要求1至11中任意一项所述的血管及内部斑块三维重建方法中的步骤。
15.一种可读存储介质，其存储有计算机程序，其特征在于，该计算机程序被处理模块执行时可实现权利要求1至11中任意一项所述的血管及内部斑块三维重建方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111425153.7A CN114170378A (zh) | 2021-11-27 | 2021-11-27 | 医疗设备、血管及内部斑块三维重建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111425153.7A CN114170378A (zh) | 2021-11-27 | 2021-11-27 | 医疗设备、血管及内部斑块三维重建方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114170378A true CN114170378A (zh) | 2022-03-11 |
Family
ID=80481176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111425153.7A Pending CN114170378A (zh) | 2021-11-27 | 2021-11-27 | 医疗设备、血管及内部斑块三维重建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114170378A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147360A (zh) * | 2022-06-13 | 2022-10-04 | 北京医准智能科技有限公司 | 一种斑块分割方法、装置、电子设备及可读存储介质 |
| CN115661225A (zh) * | 2022-12-26 | 2023-01-31 | 深圳微创踪影医疗装备有限公司 | 三维血管图像重建方法、装置、计算机设备、存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103247071A (zh) * | 2013-03-29 | 2013-08-14 | 哈尔滨工业大学深圳研究生院 | 一种构建三维血管模型方法及设备 |
| CN107610107A (zh) * | 2017-09-01 | 2018-01-19 | 华中科技大学 | 一种基于分数维的三维血管斑块超声图像特征描述方法 |
| CN110522449A (zh) * | 2019-10-29 | 2019-12-03 | 南京景三医疗科技有限公司 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
| CN112711831A (zh) * | 2020-12-07 | 2021-04-27 | 上海联影医疗科技股份有限公司 | 血管仿真分析方法、设备、装置、计算机设备和存储介质 |
| KR20210069853A (ko) * | 2019-12-04 | 2021-06-14 | 충남대학교병원 | 동맥 2차원 초음파영상을 이용한 동맥경화반의 표면형상 및 3차원구조 추정방법 |
| CN113592879A (zh) * | 2021-07-29 | 2021-11-02 | 昆明同心医联科技有限公司 | 基于人工智能的颈动脉斑块分割方法、装置及存储介质 |
-
2021
- 2021-11-27 CN CN202111425153.7A patent/CN114170378A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103247071A (zh) * | 2013-03-29 | 2013-08-14 | 哈尔滨工业大学深圳研究生院 | 一种构建三维血管模型方法及设备 |
| CN107610107A (zh) * | 2017-09-01 | 2018-01-19 | 华中科技大学 | 一种基于分数维的三维血管斑块超声图像特征描述方法 |
| CN110522449A (zh) * | 2019-10-29 | 2019-12-03 | 南京景三医疗科技有限公司 | 一种斑块分型方法、装置、电子设备及可读存储介质 |
| KR20210069853A (ko) * | 2019-12-04 | 2021-06-14 | 충남대학교병원 | 동맥 2차원 초음파영상을 이용한 동맥경화반의 표면형상 및 3차원구조 추정방법 |
| CN112711831A (zh) * | 2020-12-07 | 2021-04-27 | 上海联影医疗科技股份有限公司 | 血管仿真分析方法、设备、装置、计算机设备和存储介质 |
| CN113592879A (zh) * | 2021-07-29 | 2021-11-02 | 昆明同心医联科技有限公司 | 基于人工智能的颈动脉斑块分割方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 金娇英等: "两种超声颈动脉血管斑块图像分割方法比较与改进", 计算机科学, 15 June 2012 (2012-06-15) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147360A (zh) * | 2022-06-13 | 2022-10-04 | 北京医准智能科技有限公司 | 一种斑块分割方法、装置、电子设备及可读存储介质 |
| CN115147360B (zh) * | 2022-06-13 | 2023-04-04 | 北京医准智能科技有限公司 | 一种斑块分割方法、装置、电子设备及可读存储介质 |
| CN115661225A (zh) * | 2022-12-26 | 2023-01-31 | 深圳微创踪影医疗装备有限公司 | 三维血管图像重建方法、装置、计算机设备、存储介质 |
| CN115661225B (zh) * | 2022-12-26 | 2023-03-21 | 深圳微创踪影医疗装备有限公司 | 三维血管图像重建方法、装置、计算机设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114170378A (zh) | 医疗设备、血管及内部斑块三维重建方法和装置 | |
| CN107292835B (zh) | 一种眼底图像视网膜血管自动矢量化的方法及装置 | |
| CN110705583A (zh) | 细胞检测模型训练方法、装置、计算机设备及存储介质 | |
| CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
| CN113989407B (zh) | Ct影像中肢体部位识别模型训练方法及*** | |
| CN116503607B (zh) | 一种基于深度学习的ct图像分割方法和*** | |
| CN115965750B (zh) | 血管重建方法、装置、计算机设备和可读存储介质 | |
| CN114365190A (zh) | 基于vrds 4d医学影像的脾脏肿瘤识别方法及相关装置 | |
| CN111932552B (zh) | 一种主动脉建模的方法及装置 | |
| CN114693710A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
| CN112699885A (zh) | 一种基于对抗生成网络gan的语义分割训练数据增广方法和*** | |
| CN114816055A (zh) | 基于vr设备的眼球运动轨迹捕捉分析方法、装置及介质 | |
| CN113506365A (zh) | 图像显示方法及相关装置和电子设备、存储介质 | |
| CN113269752A (zh) | 一种图像检测方法、装置终端设备及存储介质 | |
| CN115984131A (zh) | 双维度图像边缘增强方法及应用 | |
| AU2019430258B2 (en) | VRDS 4D medical image-based tumor and blood vessel ai processing method and product | |
| CN111612860B (zh) | 基于VRDS 4D医学影像的栓塞的Ai识别方法及产品 | |
| WO2021081850A1 (zh) | 基于vrds 4d医学影像的脊椎疾病识别方法及相关装置 | |
| CN112509080A (zh) | 一种基于迁移学习的颅内血管模拟三维模型的建立方法 | |
| CN111613302B (zh) | 基于医学影像的肿瘤Ai处理方法及产品 | |
| CN111613301B (zh) | 基于VRDS 4D医学影像的动脉与静脉Ai处理方法及产品 | |
| JP7480997B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN118172352A (zh) | 构建羊水区域分割模型方法、羊水指数测量方法及装置 | |
| CN115409690B (zh) | 一种眼底图像实时映射方法及装置 | |
| CN115908825A (zh) | 一种基于视觉处理的类圆形结构分割方法及装置 |
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 |