CN116777887A - 血管中心线树的提取方法、装置、设备、介质及程序产品 - Google Patents
血管中心线树的提取方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN116777887A CN116777887A CN202310792344.XA CN202310792344A CN116777887A CN 116777887 A CN116777887 A CN 116777887A CN 202310792344 A CN202310792344 A CN 202310792344A CN 116777887 A CN116777887 A CN 116777887A
- Authority
- CN
- China
- Prior art keywords
- vessel
- point
- blood vessel
- aortic
- centerline
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 54
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 153
- 210000000709 aorta Anatomy 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000002583 angiography Methods 0.000 claims description 4
- 238000002591 computed tomography Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010968 computed tomography angiography Methods 0.000 description 18
- 230000003902 lesion Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 239000000243 solution Substances 0.000 description 7
- 210000001367 artery Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 210000001715 carotid artery Anatomy 0.000 description 5
- 210000002254 renal artery Anatomy 0.000 description 4
- 210000003291 sinus of valsalva Anatomy 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 210000003734 kidney Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000002251 Dissecting Aneurysm Diseases 0.000 description 1
- 206010053649 Vascular rupture Diseases 0.000 description 1
- 208000007474 aortic aneurysm Diseases 0.000 description 1
- 206010002895 aortic dissection Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003090 iliac artery Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 208000019553 vascular disease Diseases 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06T2207/30—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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种血管中心线树的提取方法、装置、设备、介质及程序产品,包括:首先,获取目标主动脉的主动脉血管图像。接下来,将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型。然后,将血管表面模型、目标主动脉的血管起始点和目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到目标主动脉的主动脉血管中心线树。最后,遍历至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新主动脉血管中心线树。以避免多根血管中心线的重叠位置存在偏差。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种血管中心线树的提取方法、装置、设备、介质及程序产品。
背景技术
目前,主动脉血管疾病(如主动脉瘤和主动脉夹层)有逐年增多趋势,一旦发生血管破裂即转为危急重症,在临床上死亡率非常高。医生可以基于主动脉中心线树得到患者的病变分析结果(如,是否存在病变,病变程度、病变位置)和介入治疗方案。因此,如何快速精准提取主动脉血管中心线树,在主动脉血管疾病诊疗上具有重要的临床价值和实际意义。
其中,主动脉中心线树是指从主动脉血管图像获取的主动脉血管的特征曲线。主动脉血管图像是指通过电子计算机断层扫描血管造影(CTA,Computed Tomographyangiography)成像设备对患者主动脉进行造影得到的三维血管图像。
相关技术中,首先,将主动脉血管图像(二值图像),输入血管建模工具(VascularModeling Toolkit,VMTK)提供的表面模型生成函数,得到主动脉的表面模型,然后将表面模型和主动脉血管端点(包括主动脉血管的起始点和终止点),输入VMTK提供的血管中心线提取函数,得到主动脉血管中心线树。然而,主动脉血管中心线树包括多根血管中心线,血管中心线与终止点一一对应,每根血管中心线都是独立的。因此,导致多根血管中心线的重叠位置可能存在偏差,进而导致基于主动脉血管中心线树得到的病变分析结果或介入治疗方案不准确。
发明内容
本申请提供一种血管中心线树的提取方法、装置、设备、介质及程序产品,以避免多根血管中心线的重叠位置存在偏差。
第一方面,提供一种血管中心线树的提取方法,包括:首先,获取目标主动脉的主动脉血管图像。接下来,将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型。然后,将血管表面模型、目标主动脉的血管起始点和目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到目标主动脉的主动脉血管中心线树。最后,遍历至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新主动脉血管中心线树。
其中,主动脉血管图像是根据电子计算机断层扫描血管造影CTA图像进行分割得到的二值图像。CTA图像为包括目标主动脉的切片图像。至少一个血管终止点包括左髂终止点或者右髂终止点。主动脉血管中心线树包括至少一根血管中心线。至少一根血管中心线与至少一个血管终止点一一对应。血管中心线树的提取预置条件为:与基准中心线相比,位置偏差值小于预置偏差阈值。基准中心线是指左髂终止点或者右髂终止点对应的血管中心线。
第二方面,提供一种血管中心线树的提取装置,包括:图像获取模块、面片获取模块、线树提取模块、线树更新模块。
其中,图像获取模块,用于获取目标主动脉的主动脉血管图像;主动脉血管图像是根据电子计算机断层扫描血管造影CTA图像进行分割得到的二值图像;CTA图像为包括目标主动脉的切片图像;
面片获取模块,用于将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型;
线树提取模块,用于将血管表面模型、目标主动脉的血管起始点和目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到目标主动脉的主动脉血管中心线树;其中,至少一个血管终止点包括左髂终止点或者右髂终止点;主动脉血管中心线树包括至少一根血管中心线;至少一根血管中心线与至少一个血管终止点一一对应;
线树更新模块,用于遍历至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新主动脉血管中心线树;预置条件为:与基准中心线相比,位置偏差值小于预置偏差阈值;基准中心线是指左髂终止点或者右髂终止点对应的血管中心线。
第三方面,提供一种电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行如第一方面或其各实现方式中的方法。
第四方面,提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
第五方面,提供一种计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。
第六方面,提供一种计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的方法。
通过本申请提供的技术方案,首先,电子设备可以获取目标主动脉的主动脉血管图像。接下来,电子设备将血管中心线树的提取主动脉血管图像,输入预置表面模型生成算法,得到血管中心线树的提取目标主动脉的血管表面模型。然后,电子设备将血管中心线树的提取血管表面模型、血管中心线树的提取目标主动脉的血管起始点和血管中心线树的提取目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到血管中心线树的提取目标主动脉的主动脉血管中心线树。最后,电子设备遍历血管中心线树的提取至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新血管中心线树的提取主动脉血管中心线树。在上述过程中,电子设备可以每根血管中心线中符合预置条件的血管中心线的点坐标与基准中心线的点坐标相同,即基准中心线与其他血管中心线中的重叠位置对应的点坐标相同,以此,可以避免多根血管中心线的重叠位置存在偏差,进而提高基于主动脉血管中心线树得到的病变分析结果或介入治疗方***性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景图;
图2为本申请实施例提供的一种血管中心线树的提取方法的流程图;
图3为本申请实施例提供的一种主动脉血管图像的示意图;
图4为本申请实施例提供的一种主动脉血管中心线树的示意图;
图5为本申请实施例提供的另一种血管中心线树的提取方法的流程图;
图6为本申请实施例提供的一种血管中心线树的提取装置600的示意图;
图7是本申请实施例提供的电子设备700的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如上所述,在相关技术中,首先,将主动脉血管图像(二值图像),输入表面模型生成函数,得到主动脉的表面模型,然后将表面模型和主动脉血管端点(包括主动脉血管的起始点和终止点),输入血管中心线提取函数,得到主动脉血管中心线树。这样得到的主动脉血管中心线树包括多根血管中心线,血管中心线与终止点一一对应,每根血管中心线都是独立的。因此,可能导致多根血管中心线的重叠位置可能存在偏差,进而导致基于主动脉血管中心线树得到的病变分析结果或介入治疗方案不准确。
为了解决上述技术问题,本申请的发明构思是:电子设备可以多根血管中心线的重叠位置对应的点坐标设置为相同的点坐标,从而避免多根血管中心线的重叠位置存在偏差,进而提高基于主动脉血管中心线树得到的病变分析结果或介入治疗方***性。
应理解的是,本申请技术方案可以应用于如下场景,但不限于:
在一些可实现方式中,图1为本申请实施例提供的一种应用场景图,如图1所示,该应用场景中可以包括电子设备110和网络设备120。电子设备110可以通过有线网络或者无线网络与网络设备120建立连接。
示例性的,电子设备110可以是台式电脑、笔记本电脑、平板电脑等,但不限于此。网络设备120可以是终端设备或者服务器,但不限于此。在本申请的一种实施例中,电子设备110可以向网络设备120发送请求消息,该请求消息可以用于请求获取主动脉血管图像、血管起始点和血管终止点,进一步地,电子设备110可以接收网络设备120发送的响应消息,该响应消息包括主动脉血管图像、血管起始点和血管终止点。
此外,图1示例性地给出了一个电子设备和一个网络设备,实际上可以包括其他数量的电子设备和网络设备,本申请对此不作限制。
在另一些可实现方式中,本申请技术方案也可以由上述电子设备110执行,或者,本申请技术方案还可以由上述网络设备120执行,本申请对此不做限制。
在介绍了本申请实施例的应用场景之后,下面将对本申请技术方案进行详细阐述:
图2为本申请实施例提供的一种血管中心线树的提取方法的流程图,该方法可以由如图1所示的电子设备110执行,但不限于此。如图2所示,该方法可以包括如下步骤:
S210:电子设备获取目标主动脉的主动脉血管图像。
其中,如图3所示,主动脉血管图像是根据电子计算机断层扫描血管造影CTA图像进行分割得到的二值图像。CTA图像为包括目标主动脉的切片图像。CTA图像是指静脉注射造影剂后,利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕对目标主动脉所处的位置一个接一个的断面扫描,得到的3维图像。
具体的,CTA图像包括多张切片图像,CTA图像的大小可以为M*N*L,
其中,为M、N为每张切片图像的长和宽,例如M为512,N为512,L为CTA图像中切片图像的数量,也就是切片图像的层数(一般大于500)。通常,相邻层的切片图像的轴向间距在0.5毫米至2毫米之间,轴向是指CT断层扫描的Z轴方向,该轴向为按照人体从脚到头的方向。
在一些实施例中,电子设备可以利用NNUNet模型对CTA图像进行分割处理得到主动脉血管图像,还可以从其他电子设备获取主动脉血管图像,在本申请实施例中对此不做限定。
在一些实施例中,针对主动脉血管图像中可能存在的连接分叉缺陷,电子设备在提取主动脉血管中心线树的过程中,可能出现提取错误,进而可能导致终止提取过程。为了避免出现终止提前过程中问题,电子设备可以采用形态学闭运算操作进行缺陷修补。
具体的,电子设备可以按照预置膨胀核半径和预置腐蚀核半径,对主动脉血管图像进行膨胀腐蚀处理,得到缺陷修补后的主动脉血管图像。
可以理解的是,首先,电子设备根据预置膨胀核半径,对主动脉血管图像进行膨胀处理,对血管连接缺陷进行填充。然后,电子设备根据预置腐蚀核半径,对膨胀后的图像进行腐蚀处理,使得处理后的图像恢复到原图像大小。示例性的,预置膨胀核半径可以为5(临近像素点数),同样的,预置腐蚀核半径也为5(临近像素点数)。
如此,通过膨胀腐蚀操作可以修补主动脉血管图像的连接分叉缺陷,进而在提取主动脉血管中心线树的过程中,避免出现提取错误,进而避免终止提取过程。
S220:电子设备将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型。
其中,预置表面模型生成算法,可以是等值面提取算法,具体用于从三维离散数据场(主动脉血管图像)中,提取离散的三角面片,得到血管表面模型。
在本申请实施例中,血管表面模型包括至少两个血管面片。实际上,为了提高血管表面模型与主动脉血管图像的一致性,尤其是为了表示细血管,血管表面模型中的面片数量会很多。因此,在后续提取主动脉血管中心线树的过程中,需要对应进行大量的运算,导致提取主动脉血管中心线树的效率极低。为此,电子设备可以抽取血管表面模型中的部分血管面片,以便于减少提取主动脉血管中心线树的计算量,提高提取主动脉血管中心线树的效率,同时不影响主动脉血管中心线树的准确性。
具体的,电子设备可以对血管表面模型进行面片抽取运算,更新血管表面模型。可以理解的是,面片抽取运算用于衰减面片数量。面片抽取运算可以采用均匀衰减方式减少面片数量。通过设置抽取系数,控制血管面片的衰减率。其中,衰减率可以为30%、50%、90%
示例性的,血管表面模型包括100个血管面片,假设抽取系数为2,那么首先抽取血管表面模型中的第一个血管面片,然后抽取血管表面模型中的第三个血管面片,以此类推,从100个血管面片中抽取50个血管面片,此时的衰减率为50%。
示例性,血管表面模型包括100个血管面片,假设抽取系数为5,那么首先抽取血管表面模型中的第一个血管面片,然后抽取血管表面模型中的第六个血管面片,以此类推,从100个血管面片中抽取20个血管面片,此时的衰减率为80%。
如此,通过抽取至少两个血管面片中的部分血管面片,能够在不影响主动脉血管中心线树的准确性的前提下,减少提取主动脉血管中心线树的计算量,提高提取主动脉血管中心线树的效率。
在另一些实施例中,由于血管表面模型中不同的血管面片对应的像素点密度存在差异,导致血管表面模型对应的血管图像表面凹凸不平,可能导致主动脉血管中心线树的提取效果较差。电子设备还可以基于预置平滑算法,根据预置光滑度阈值对血管表面模型进行光滑处理。需要说明的是,如果不对血管表面模型进行面片抽取运算,那么在得到血管表面模型之后即对血管表面模型进行光滑处理,如果血管表面模型进行面片抽取运算,那么在进行面片抽取运算之后,再对血管表面模型进行光滑处理。
具体的,预置平滑算法可以为Taubin平滑算法,预置平滑算法中可以更改平滑速率和迭代次数,以使得光滑度参数值属于预置范围,如,0.1-0.2。
如此,电子设备基于预置平滑算法,根据预置光滑度阈值对血管表面模型进行光滑处理,可以使得血管表面模型对应的血管图像表面更光滑,有利用提高主动脉血管中心线树的提取效果。
S230:电子设备将血管表面模型、目标主动脉的血管起始点和目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到目标主动脉的主动脉血管中心线树。
其中,至少一个血管终止点包括左髂终止点或者右髂终止点;主动脉血管中心线树包括至少一根血管中心线。至少一根血管中心线与至少一个血管终止点一一对应。
可以理解的是,血管起始点可以为目标主动脉的升主动脉的起始端点,即,主动脉窦部端点。至少一个血管终止点可以为目标主动脉的支干血管末端,如,左髂终止点、右髂终止点、左锁骨终止点、左颈终止点、右颈终止点、右锁骨终止点、左肾终止点和右肾终止点。
在本申请实施例中,对于血管起始点和至少一个血管终止点,电子设备可以根据用户的输入获取,电子设备还可以根据其他电子设备的发送获取,电子设备还可以根据血管端点提取算法,从主动脉血管图像中获取,在本申请实施例中对血管起始点和至少一个血管终止点的来源不做限定。
在本申请实施例中,预置中心线提取算法可以为加权最短路径算法。具体的,通过跟踪血管起始点到至少一个血管终止点中的任一血管终止点,生成一根血管中心线。与至少一个血管终止点相对应,主动脉血管中心线树中包括的至少一根血管中心线,也就是一组中心线序列,在该组中心线序列中的各个血管中心线,按照至少一个血管终止点的顺序排列。
示例性的,至少一个血管中心线中各个血管中心线相互叠加,如图4所示,得到主动脉血管中心线树。
在一些实施例中,电子设备还可以根据预置点距步长,对主动脉血管中心线树中的每根血管中心线进行光滑均匀处理。
具体的,通过预置中心线提取算法得到的血管中心线上的像素点都是不均匀的。电子设备可以设置预置点距步长(如2毫米),对每根血管中心线进行样条曲线过来,使得血管中心线上的像素点光滑均匀分布。
如此,在对主动脉血管中心线树中的每根血管中心线进行光滑均匀处理之后,如果进行放大、缩小、局部手动调整等操作,那么主动脉血管中心线树不受影响,以此提高基于主动脉血管中心线树得到的病变分析结果或介入治疗方***性。
S240:电子设备遍历至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新主动脉血管中心线树。
其中,预置条件为:与基准中心线相比,位置偏差值小于预置偏差阈值;基准中心线是指左髂终止点或者右髂终止点对应的血管中心线。
在本申请实施例中,主动脉血管中心线树中包括至少一根血管中心线。每根血管中心线从血管起始点开始到至少一个血管终止点中的一个血管终止点位置,即,每根血管中心线都是相互独立的。由于主动脉的结构特点,至少一根血管中心线中的任意两根血管中心线都存在重叠位置,在基于每根血管中心线都是相互独立的,因此,各个血管中心线的重叠位置可能会有偏差。电子设备可以通过将重叠位置合并共享现,以规避重叠位置出现的偏差。
示例性的,左髂终止点对应的血管中心线,从血管起始点(主动脉窦部端点)开始,经过左锁骨动脉对应的分叉点、左颈动脉对应的分叉点、右颈动脉对应的分叉点、右锁骨动脉对应的分叉点、左肾动脉对应的分叉点和右肾动脉对应的分叉点,到达左髂动脉对应的分叉点,直至左肾左髂终止点。左肾终止点对应的血管中心线,从血管起始点(主动脉窦部端点)开始,经过左锁骨动脉对应的分叉点、左颈动脉对应的分叉点、右颈动脉对应的分叉点和右锁骨动脉对应的分叉点,到达左肾动脉对应的分叉点,直至左肾终止点。因此,左肾终止点和左髂终止点对应的血管中心线重叠位置,从血管起始点(主动脉窦部端点)开始,经过左锁骨动脉对应的分叉点、左颈动脉对应的分叉点、右颈动脉对应的分叉点和右锁骨动脉对应的分叉点,直至左肾动脉对应的分叉点为止。
在一些可实现方式中,如图5所示,本步骤S240可以包括:
S510:电子设备根据预置数据转换函数,获取主动脉血管中心线树对应的中心线字典数据。
其中,中心线字典数据包括字典标识、身份标识ID数组和点坐标数组;字典标识用于标记血管中心线的中心线线序;身份标识ID数组包括字典标识标记的血管中心线包含的所有像素点的点序集合,点坐标数组包括字典标识标记的血管中心线包含的所有像素点的三维坐标数据;点坐标数组对应的像素点从血管起始点开始,到字典标识标记的血管中心线的血管终止点为止。
在本申请实施例中,主动脉血管中心线树是由点线面组成的vtkPolyData模型数据。通过预置数据转换函数,将主动脉血管中心线树(vtkPolyData模型数据)转换为中心线字典数据(点坐标数据)。
示例性的,假设主动脉血管中心线树包括10根血管中心线,对于第一根血管中心线(像素点数量为351),可以设置对应的字典标识为“001”,可以设置身份标识(IdentityDocument,ID)数组[1,2,…,351]。按照血管中心线序列依次连续排号,对于第二根血管中心线(像素点数量为240),可以设置对应的字典标识为“002”,可以设置ID数组[352,353,…,591]。以此类推,对第三至第十根血管中心线进行设置。
示例性的,在上一示例的基础上,坐标数组是按照ID号联系存放的,包含所有的点坐标。对于第一根血管中心线(像素点数量为351),点坐标数组中包括351个坐标元素,每个坐标元素与一个像素点对应,每个坐标元素包括x、y、z三个坐标值,电子设备可以采用(001,1)标识第一根血管中心线中的第一个像素点。类似的,电子设备可以采用(002,353)标识第二根血管中心线中的第二个像素点。由此,电子设备可以查找主动脉血管中心线树上任意像素点的坐标值。
S520:电子设备将左髂终止点或者右髂终止点对应的血管中心线,确定为基准中心线。
其中,基准中心线是指左髂终止点或者右髂终止点对应的血管中心线。由于主动脉是从升到降,直至髂动脉分支血管,因此,基准中心线是主动脉中心线树中最长的血管中心线。以此确保,所有的可能重叠位置都在基准中心线上。
可以理解的是,电子设备获取至少一个血管终止点之后,可以将左髂终止点或者右髂终止点设置为第一个血管终止点。
S530:电子设备按照字典标识的顺序,遍历至少一根血管中心线中的每根血管中心线,将每根血管中心线对应的点坐标数组,与基准中心线对应的点坐标数组进行比较,从血管起始点开始计算像素点对的位置偏差值。
在本申请实施例中,按照字典标识顺序,即,至少一根血管中心线中各个血管中心线的排列顺,每次将一根血管中心线对应的点坐标数组,与基准中心线对应的点坐标数组进行比较。
示例性,假设主动脉血管中心线树包括10根血管中心线。第一根血管中心线即为基准中心线。将第一根血管中心线与第二根血管中心线进行比较。从第一根血管中心线对应的点坐标数组中提取第一个像素点对应的点坐标,再从第二根血管中心线对应的点坐标数组中提取第一个像素点对应的点坐标,两个对应的像素点构成一个像素点对。分别比较x、y、z三对坐标值,确定位置偏差值。位置偏差值可以包括三对坐标值对应的三个差值。
S540:电子设备如果位置偏差值小于预置偏差阈值,则获取位置偏差值对应的像素点对中属于基准中心线的像素点的基准点坐标和基准点序,将位置偏差值对应的像素点对中不属于基准中心线的像素点的点坐标替换为基准点坐标,同时,将位置偏差值对应的像素点对中不属于基准中心线的像素点的点序替换为基准点序。
在本申请实施例中,位置偏差值小于预置偏差阈值,可以理解为三对坐标值对应的三个差值都小于预置偏差阈值(2毫米)。
示例性的,假设主动脉血管中心线树包括10根血管中心线,针对基准中心线与第二根血管中心线,如果100个像素点对应的位置偏差值都小于预置偏差阈值,则获取基准中心线中100个像素点的基准点坐标和基准点序,ID数组[1,2,…,100],以及对应的点坐标数组中的100个基准坐标元素。然后将第二根血管中心线对应的ID数组[352,353,…,591]替换为[1,2,…,100,453,…,591],以及对应的点坐标数组中的100个待定坐标元素替换为100个基准坐标元素。
如果所述位置偏差值不小于预置偏差阈值,则对下一根血管中心线对应的位置偏差值进行判断,直至遍历至少一根血管中心线中的每根血管中心线。
S550:电子设备按照基准中心线中不同像素点之间的点序步长,重新设置每根血管中心线对应的ID数组中除了基准点序之外的点序。
示例性,将替换后的第二根血管中心线对应的ID数组[1,2,…,100,453,…,591],根据[1,2,…,100]之间的点序步长为1,以及基准中心线对应的ID数组[1,2,…,351],重新设置第二根血管中心线对应的ID数组[1,2,…,100,352,453,…,490]。类似的,对于第三根血管中心线对应的ID数组非重叠位置的像素点的点序从491开始续编,直至所有的血管中心线对应的ID数组都重新设置。
S560:电子设备根据重新替换的点坐标,重新替换的点序以及重新设置的点序,更新主动脉血管中心线树。
在本申请实施例中,重新替换的点坐标,重新替换的点序以及重新设置的点序之后,针对不同的血管中心线对应的重叠位置具有相同的ID号,以及相同的点坐标,并且非重叠位置对应的ID号连续编号,如此能够得到避免多根血管中心线的重叠位置存在偏差。
在一些实施例中,电子设备确定基准中心线之后,还可以为各个血管中心线重新建立中心线字典数据,即,将上述更新后的ID号重新存储,直接得到重新替换的点坐标,重新替换的点序以及重新设置的点序。
如此,通过重新替换的点坐标,重新替换的点序以及重新设置的点序,以使得重叠位置具有相同的点坐标和点序,可以避免多根血管中心线的重叠位置存在偏差,进而提高基于主动脉血管中心线树得到的病变分析结果或介入治疗方***性。
在上述过程中,电子设备可以每根血管中心线中符合预置条件的血管中心线的点坐标与基准中心线的点坐标相同,即基准中心线与其他血管中心线中的重叠位置对应的点坐标相同,以此,可以避免多根血管中心线的重叠位置存在偏差,进而提高基于主动脉血管中心线树得到的病变分析结果或介入治疗方***性。
图6本申请实施例提供的一种血管中心线树的提取装置600的示意图。如图6所示,该装置600包括:图像获取模块610、面片获取模块620、线树提取模块630和线树更新模块640。
图像获取模块610,用于获取目标主动脉的主动脉血管图像;主动脉血管图像是根据电子计算机断层扫描血管造影CTA图像进行分割得到的二值图像;CTA图像为包括目标主动脉的切片图像;
面片获取模块620,用于将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型;
线树提取模块630,用于将血管表面模型、目标主动脉的血管起始点和目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到目标主动脉的主动脉血管中心线树;其中,至少一个血管终止点包括左髂终止点或者右髂终止点;主动脉血管中心线树包括至少一根血管中心线;至少一根血管中心线与至少一个血管终止点一一对应;
线树更新模块640,用于遍历至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新主动脉血管中心线树;预置条件为:与基准中心线相比,位置偏差值小于预置偏差阈值;基准中心线是指左髂终止点或者右髂终止点对应的血管中心线。
在一些实现方式中,线树更新模块640,具体用于根据预置数据转换函数,获取主动脉血管中心线树对应的中心线字典数据;中心线字典数据包括字典标识、身份标识ID数组和点坐标数组;字典标识用于标记血管中心线的中心线线序;身份标识ID数组包括字典标识标记的血管中心线包含的所有像素点的点序集合,点坐标数组包括字典标识标记的血管中心线包含的所有像素点的三维坐标数据;点坐标数组对应的像素点从血管起始点开始,到字典标识标记的血管中心线的血管终止点为止;将左髂终止点或者右髂终止点对应的血管中心线,确定为基准中心线;按照字典标识的顺序,遍历至少一根血管中心线中的每根血管中心线,将每根血管中心线对应的点坐标数组,与基准中心线对应的点坐标数组进行比较,从血管起始点开始计算像素点对的位置偏差值;如果位置偏差值小于预置偏差阈值,则获取位置偏差值对应的像素点对中属于基准中心线的像素点的基准点坐标和基准点序,将位置偏差值对应的像素点对中不属于基准中心线的像素点的点坐标替换为基准点坐标,同时,将位置偏差值对应的像素点对中不属于基准中心线的像素点的点序替换为基准点序;按照基准中心线中不同像素点之间的点序步长,重新设置每根血管中心线对应的ID数组中除了基准点序之外的点序;根据重新替换的点坐标,重新替换的点序以及重新设置的点序,更新主动脉血管中心线树。
在一些实现方式中,如图6所示,上述装置还包括:图像处理模块650。
图像处理模块650,用于获取目标主动脉的主动脉血管图像之后,按照预置膨胀核半径和预置腐蚀核半径,对主动脉血管图像进行膨胀腐蚀处理,得到缺陷修补后的主动脉血管图像。
在一些实现方式中,血管表面模型包括至少两个血管面片,如图7所示,上述装置还包括:面片抽取模块660。
面片抽取模块660,用于将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型之后,对血管表面模型进行面片抽取运算,更新血管表面模型;面片抽取运算用于衰减面片数量。
在一些实现方式中,如图6所示,上述装置还包括:表面处理模块670。
表面处理模块670,用于将主动脉血管图像,输入预置表面模型生成算法,得到目标主动脉的血管表面模型之后,基于预置平滑算法,根据预置光滑度阈值对血管表面模型进行光滑处理。
在一些实现方式中,如图6所示,上述装置还包括:线条处理模块680。
线条处理模块680,用于更新主动脉血管中心线树之后,根据预置点距步长,对主动脉血管中心线树中的每根血管中心线进行光滑均匀处理。
应理解的是,血管中心线树的提取装置实施例与血管中心线树的提取方法实施例可以相互对应,类似的描述可以参照血管中心线树的提取方法实施例。为避免重复,此处不再赘述。具体地,图6所示的装置600可以执行上述血管中心线树的提取方法实施例,并且装置600中的各个模块的前述和其它操作和/或功能分别为了实现上述血管中心线树的提取方法中的相应流程,为了简洁,在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的装置600。应理解,该功能模块可以通过硬件形式实现,也可以通过软件形式的指令实现,还可以通过硬件和软件模块组合实现。具体地,本申请实施例中的血管中心线树的提取方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成,结合本申请实施例公开的血管中心线树的提取方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。可选地,软件模块可以位于随机存储器,闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述医护团队配置方法实施例中的步骤。
图7是本申请实施例提供的电子设备700的示意性框图。
如图7所示,该电子设备700可包括:
存储器710和处理器720,该存储器710用于存储计算机程序,并将该程序代码传输给该处理器720。换言之,该处理器720可以从存储器710中调用并运行计算机程序,以实现本申请实施例中的方法。
例如,该处理器720可用于根据该计算机程序中的指令执行上述方法实施例。
在本申请的一些实施例中,该处理器720可以包括但不限于:
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)、现场可编程门阵列(FieldProgrammable 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、分立硬件组件等等。
在本申请的一些实施例中,该存储器710包括但不限于:
易失性存储器和/或非易失性存储器。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。
在本申请的一些实施例中,该计算机程序可以被分割成一个或多个模块,该一个或者多个模块被存储在该存储器710中,并由该处理器720执行,以完成本申请提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述该计算机程序在该电子设备中的执行过程。
如图7所示,该电子设备还可包括:
收发器730,该收发器730可连接至该处理器720或存储器710。
其中,处理器720可以控制该收发器730与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。收发器730可以包括发射机和接收机。收发器730还可以进一步包括天线,天线的数量可以为一个或多个。
应当理解,该电子设备中的各个组件通过总线***相连,其中,总线***除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。
本申请还提供了一种计算机存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得该计算机能够执行上述方法实施例的方法。或者说,本申请实施例还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述方法实施例的方法。
当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,该模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。例如,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以该权利要求的保护范围为准。
Claims (10)
1.一种血管中心线树的提取方法,其特征在于,包括:
获取目标主动脉的主动脉血管图像;所述主动脉血管图像是根据电子计算机断层扫描血管造影CTA图像进行分割得到的二值图像;所述CTA图像为包括所述目标主动脉的切片图像;
将所述主动脉血管图像,输入预置表面模型生成算法,得到所述目标主动脉的血管表面模型;
将所述血管表面模型、所述目标主动脉的血管起始点和所述目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到所述目标主动脉的主动脉血管中心线树;其中,所述至少一个血管终止点包括左髂终止点或者右髂终止点;所述主动脉血管中心线树包括至少一根血管中心线;所述至少一根血管中心线与所述至少一个血管终止点一一对应;
遍历所述至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新所述主动脉血管中心线树;所述预置条件为:与所述基准中心线相比,位置偏差值小于预置偏差阈值;所述基准中心线是指所述左髂终止点或者所述右髂终止点对应的血管中心线。
2.根据权利要求1所述的方法,其特征在于,所述遍历所述至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新所述主动脉血管中心线树,包括:
根据预置数据转换函数,获取所述主动脉血管中心线树对应的中心线字典数据;所述中心线字典数据包括字典标识、身份标识ID数组和点坐标数组;所述字典标识用于标记所述血管中心线的中心线线序;所述身份标识ID数组包括所述字典标识标记的血管中心线包含的所有像素点的点序集合,所述点坐标数组包括所述字典标识标记的血管中心线包含的所有像素点的三维坐标数据;所述点坐标数组对应的像素点从所述血管起始点开始,到所述字典标识标记的血管中心线的血管终止点为止;
将所述左髂终止点或者所述右髂终止点对应的血管中心线,确定为所述基准中心线;
按照所述字典标识的顺序,遍历所述至少一根血管中心线中的每根血管中心线,将所述每根血管中心线对应的点坐标数组,与所述基准中心线对应的点坐标数组进行比较,从所述血管起始点开始计算像素点对的位置偏差值;
如果所述位置偏差值小于预置偏差阈值,则获取所述位置偏差值对应的像素点对中属于所述基准中心线的像素点的基准点坐标和基准点序,将所述位置偏差值对应的像素点对中不属于所述基准中心线的像素点的点坐标替换为所述基准点坐标,同时,将所述位置偏差值对应的像素点对中不属于所述基准中心线的像素点的点序替换为所述基准点序;
按照所述基准中心线中不同像素点之间的点序步长,重新设置所述每根血管中心线对应的ID数组中除了所述基准点序之外的点序;
根据所述重新替换的点坐标,所述重新替换的点序以及重新设置的点序,更新所述主动脉血管中心线树。
3.根据权利要求1所述的方法,其特征在于,所述获取目标主动脉的主动脉血管图像之后,所述方法还包括:
按照预置膨胀核半径和预置腐蚀核半径,对所述主动脉血管图像进行膨胀腐蚀处理,得到缺陷修补后的主动脉血管图像。
4.根据权利要求1所述的方法,其特征在于,所述血管表面模型包括至少两个血管面片,所述将所述主动脉血管图像,输入预置表面模型生成算法,得到所述目标主动脉的血管表面模型之后,所述方法还包括:
对所述血管表面模型进行面片抽取运算,更新所述血管表面模型;所述面片抽取运算用于衰减面片数量。
5.根据权利要求1所述的方法,其特征在于,所述将所述主动脉血管图像,输入预置表面模型生成算法,得到所述目标主动脉的血管表面模型之后,所述方法还包括:
基于预置平滑算法,根据预置光滑度阈值对所述血管表面模型进行光滑处理。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述更新所述主动脉血管中心线树之后,所述方法还包括:
根据预置点距步长,对所述主动脉血管中心线树中的每根血管中心线进行光滑均匀处理。
7.一种血管中心线树的提取装置,其特征在于,包括:
图像获取模块,用于获取目标主动脉的主动脉血管图像;所述主动脉血管图像是根据电子计算机断层扫描血管造影CTA图像进行分割得到的二值图像;所述CTA图像为包括所述目标主动脉的切片图像;
面片获取模块,用于将所述主动脉血管图像,输入预置表面模型生成算法,得到所述目标主动脉的血管表面模型;
线树提取模块,用于将所述血管表面模型、所述目标主动脉的血管起始点和所述目标主动脉的至少一个血管终止点,输入预置中心线提取算法,得到所述目标主动脉的主动脉血管中心线树;其中,所述至少一个血管终止点包括左髂终止点或者右髂终止点;所述主动脉血管中心线树包括至少一根血管中心线;所述至少一根血管中心线与所述至少一个血管终止点一一对应;
线树更新模块,用于遍历所述至少一根血管中心线中的每根血管中心线,将符合预置条件的血管中心线的点坐标更新为基准中心线的点坐标,并且,更新所述主动脉血管中心线树;所述预置条件为:与所述基准中心线相比,位置偏差值小于预置偏差阈值;所述基准中心线是指所述左髂终止点或者所述右髂终止点对应的血管中心线。
8.一种电子设备,其特征在于,包括:
处理器和存储器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以执行权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1-6中任一项所述的方法。
10.一种包含指令的计算机程序产品,其特征在于,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310792344.XA CN116777887A (zh) | 2023-06-30 | 2023-06-30 | 血管中心线树的提取方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310792344.XA CN116777887A (zh) | 2023-06-30 | 2023-06-30 | 血管中心线树的提取方法、装置、设备、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116777887A true CN116777887A (zh) | 2023-09-19 |
Family
ID=87992829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310792344.XA Pending CN116777887A (zh) | 2023-06-30 | 2023-06-30 | 血管中心线树的提取方法、装置、设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777887A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115150A (zh) * | 2023-10-20 | 2023-11-24 | 柏意慧心(杭州)网络科技有限公司 | 用于确定分支血管的方法、计算设备和介质 |
-
2023
- 2023-06-30 CN CN202310792344.XA patent/CN116777887A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115150A (zh) * | 2023-10-20 | 2023-11-24 | 柏意慧心(杭州)网络科技有限公司 | 用于确定分支血管的方法、计算设备和介质 |
CN117115150B (zh) * | 2023-10-20 | 2024-01-26 | 柏意慧心(杭州)网络科技有限公司 | 用于确定分支血管的方法、计算设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111680447A (zh) | 血流特征预测方法、装置、计算机设备和存储介质 | |
CN105246409A (zh) | 图像处理装置及图像处理方法 | |
CN109712163B (zh) | 冠脉提取方法、装置、图像处理工作站和可读存储介质 | |
CN110751187B (zh) | 异常区域图像生成网络的训练方法和相关产品 | |
CN113160189A (zh) | 血管中心线提取方法、装置、设备及存储介质 | |
CN116777887A (zh) | 血管中心线树的提取方法、装置、设备、介质及程序产品 | |
CN111968130B (zh) | 脑部造影图像处理方法、装置、介质及电子设备 | |
US11996198B2 (en) | Determination of a growth rate of an object in 3D data sets using deep learning | |
CN111640124B (zh) | 一种血管提取方法、装置、设备及存储介质 | |
CN117115150B (zh) | 用于确定分支血管的方法、计算设备和介质 | |
CN114004793A (zh) | 血流特性获取方法、装置、电子设备及存储介质 | |
CN115439533A (zh) | 获得颅内动脉瘤在血管分段位置的方法、计算机设备、可读存储介质和程序产品 | |
CN114556484A (zh) | 用于基于模型的支架设计和放置的***和方法 | |
Luximon et al. | Machine‐assisted interpolation algorithm for semi‐automated segmentation of highly deformable organs | |
CN114066802A (zh) | 一种用于确定心肌区域中的异常的方法、设备和*** | |
CN113409333A (zh) | 一种三维图像的切割方法及电子设备 | |
KR101404345B1 (ko) | 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법 | |
CN112132981A (zh) | 图像处理的方法及装置,电子设备及存储介质 | |
CN116721072A (zh) | 获取主动脉中心线的方法、装置、设备、介质及程序产品 | |
CN109272485B (zh) | 血管三维模型的修补方法、装置和电子设备 | |
CN110993059B (zh) | 一种最大剂量点优化方法、装置、电子设备及存储介质 | |
CN113963155A (zh) | 自动计划方法、装置和计算机可读存储介质 | |
CN106503429B (zh) | 一种采样方法及放射治疗计划优化方法 | |
CN115482181B (zh) | 一种图像信息提取方法、装置、电子设备和可读存储介质 | |
CN115511773B (zh) | 一种血管中心线提取方法、装置、设备和可读存储介质 |
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 |