[go: up one dir, main page]

CN117011241A - 一种血管闭塞点确定方法、装置、设备及存储介质 - Google Patents

一种血管闭塞点确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117011241A
CN117011241A CN202310841983.0A CN202310841983A CN117011241A CN 117011241 A CN117011241 A CN 117011241A CN 202310841983 A CN202310841983 A CN 202310841983A CN 117011241 A CN117011241 A CN 117011241A
Authority
CN
China
Prior art keywords
blood vessel
segmented
blood
occlusion point
image
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
Application number
CN202310841983.0A
Other languages
English (en)
Inventor
郭梦麟
王永胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Deno Brain Neurology Medical Technology Co ltd
Original Assignee
Hangzhou Deno Brain Neurology Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Deno Brain Neurology Medical Technology Co ltd filed Critical Hangzhou Deno Brain Neurology Medical Technology Co ltd
Priority to CN202310841983.0A priority Critical patent/CN117011241A/zh
Publication of CN117011241A publication Critical patent/CN117011241A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/68Analysis of geometric attributes of symmetry
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (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)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请实施例提供了一种血管闭塞点确定方法、装置、设备及存储介质,该方法包括:获取待处理图像,待处理图像包括至少一条血管路径;对每条血管路径进行连通域提取;在提取出的连通域的数量大于数量阈值的情况下,根据每条血管路径对应的连通域,确定每条血管路径上的血管闭塞点。采用本申请实施例,通过确定待处理图像中每条血管路径对应的连通域来确定每条血管路径上的血管闭塞点,可以提高确定出在血管上确定出闭塞的位置的准确性,有利于为后续治疗提供准确的病灶位置。

Description

一种血管闭塞点确定方法、装置、设备及存储介质
技术领域
本申请涉及计算机技术,具体涉及一种血管闭塞点确定方法、装置、设备及存储介质。
背景技术
目前,急性缺血性中风是一种在世界范围内具有高发病率和高死亡率的疾病。所谓急性缺血性中风是一种脑血管疾病,其主要机制是由于供应大脑血液的主要动脉发生了阻塞,引起了局部的血流中断,使得大脑组织的血流灌注量有所减少,导致缺血区域脑组织的神经血管被破坏。其中,通过血管内取栓术来治疗血管闭塞引起的急性缺血性中风由于其有效、损伤小以及恢复快的特点,在世界范围内受到广泛的认可。所谓血管内取栓术是指通过介入的手段或者开放手术的手段,把血管内的血栓取出来的治疗手段,而血管内取栓术的实施最重要的是确定出准确的病灶位置,即确定在血管上出现闭塞的位置,从而可以对患者进行治疗。
因此,如何准确地确定出现血管闭塞的位置成为当前亟需解决的技术问题。
发明内容
本申请实施例提供了一种血管闭塞点确定方法、装置、设备及存储介质,可以提高确定在血管上出现闭塞的位置的准确性,以便为后续治疗提供准确的病灶位置。
第一方面,本申请实施例提供了一种血管闭塞点确定方法,该方法包括:
获取待处理图像,所述待处理图像包括至少一条血管路径;
对每条所述血管路径进行连通域提取;
在提取出的连通域的数量大于数量阈值的情况下,根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点。
第二方面,本申请实施例提供了一种血管闭塞点确定装置,包括:
获取单元,用于获取待处理图像,所述待处理图像包括至少一条血管路径;
提取单元,用于对每条所述血管路径进行连通域提取;
确定单元,用于在提取出的连通域的数量大于数量阈值的情况下,根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点。
另外,该方面中,血管闭塞点确定装置其他可能的实现方式可参见上述第一方面的相关内容,此处不再详述。
第三方面,本申请实施例提供了一种计算机设备,包括处理器和存储器,上述处理器和存储器相互连接,其中,上述存储器用于存储计算机程序,上述计算机程序包括程序指令,上述处理器被配置用于调用上述程序指令,执行上述第一方面提供的血管闭塞点确定的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时,上述程序指令当被处理器执行上述第一方面提供的血管闭塞点确定的方法。
在本申请实施例中,通过计算机设备在包括至少一条血管路径中进行连通域提取,得到各条血管路径中的连通域,在每条血管路径中连通域的数量大于数量阈值的情况下,可以确定血管路径中出现血流中断,进而,基于每条血管路径对应的连通域,确定血管路径中的血管闭塞点,该血管闭塞点为每条血管路径上出现闭塞的位置。通过提取连通域的方式可以确定出每条血管路径中的所有血流中断位置,避免了血流中断位置的遗漏,提高确定血流中断位置的准确性,从而有助于为后续血管内取栓术的治疗提供更准确的位置参考。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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是本申请实施例提供的一种血管闭塞点确定系统的架构示意图;
图2是本申请实施例提供的一种血管闭塞点确定方法的流程示意图;
图3是本申请实施例提供的一种血管参考图像的三维示意图;
图4是本申请实施例提供的一种血管参考图像的二维示意图;
图5为本申请实施例提供的一种确定出血管闭塞点的三维示意图;
图6为本申请实施例提供的一种确定出血管闭塞点的二维示意图;
图7为本申请实施例提供的一种确定血流异常区域的三维示意图;
图8为本申请实施例提供的一种确定血流异常区域的二维示意图;
图9是本申请实施例提供的一种血管闭塞点确定装置的结构示意图;
图10是本申请实施例提供的一种计算机设备的结构示意图。
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作出创造性劳动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。
在通过血管图像确定血管闭塞位置的过程中发现:人体,特别是颅内的血管较为复杂,不同的血管的分支较多,在不同血管路径中确定血管闭塞位置较为复杂,特别是涉及在血管路径中确定出现中间闭塞的情况,所谓中间闭塞是指在血管路径中某一位置的上游和下游均存在血流经过,但该位置没有血流经过。目前,通常是具有临床经验的医生通过观察血管图像来确定血管闭塞位置,从而进行后续的治疗。通过医生判断血管的血流中断的位置可能会由于血管的结构复杂,分叉较多而出现误差,使得医生无法准确的确定出病灶位置,导致后续的治疗受到影响。
由此,本申请实施例提出了一种血管闭塞点确定的方案,该方案可以应用于在确定血管闭塞的场景中,具体可以应用于确定诸如颅内的血管出现中间闭塞的场景中。其中,计算机设备可以获取包括至少一条血管路径的待处理图像,进而,计算机设备可以对该待处理图像中的每条血管路径进行连通域提取,在提取出的连通域的数量大于数量阈值的情况下,计算机设备可以根据每条血管路径对应的连通域,确定每条血管路径上的血管闭塞点。由此,通过对血管路径中的连通域进行提取,可以确定是否属于中间闭塞的情况,在确定属于中间闭塞的情况下,可以根据每个血管路径中的连通域确定具体的血流闭塞点的位置,从而有利于提高确定血流闭塞位置的准确性,特别是提高属于中间闭塞的情况的病灶位置的准确性,为后续治疗提供方便。
基于上述描述,请参阅图1,图1是本申请实施例提供的一种血管闭塞点确定系统的架构示意图,该血管闭塞点确定系统可以包括多个终端设备,例如,图像获取设备101、血管闭塞点确定设备102以及图像显示设备103。其中,图像获取设备101可以和血管闭塞点确定设备102通过有线或无线的方式进行直接或间接的连接,血管闭塞点确定设备102可以和图像显示设备103通过有线或无线的方式进行直接或间接的连接。可选地,图像获取设备101和血管闭塞点确定设备102可以是同一计算机设备,即血管闭塞点确定设备102可以为具有待处理图像的获取功能的设备,例如该血管闭塞点确定设备102可以为具有拍摄医学影像图像功能的设备。又或者,血管闭塞点确定设备102和图像显示设备103也可以是同一计算机设备,即血管闭塞点确定设备102可以为具有显示功能的设备。再或者,上述图像获取设备101、血管闭塞点确定设备102以及图像显示设备103可以为同一计算机设备,该血管闭塞点确定设备102为具有图像获取功能和图像显示功能的设备。
需要说明的是,图1所示的设备数量和形态用于举例,并不构成对本申请实施例的限定,实际应用中血管闭塞点确定系统可以包括多个图像获取设备,也可以包括多个血管闭塞点确定设备,还可以包括多个图像显示设备。本申请实施例以一个图像获取设备(图像获取设备101)、一个血管闭塞点确定设备(血管闭塞点确定设备102)以及一个图像显示设备(图像显示设备103)为例进行绘制和讲解。
具体的,如图1所示,图像获取设备101可以获取包括至少一条血管路径的待处理图像,进而图像获取设备101可以将待处理图像传输至血管闭塞点确定设备102,由血管闭塞点确定设备102对待处理图像中的每条血管路径进行连通域提取,并判断提取出的连通域的数量是否大于数量阈值,在血管闭塞点确定设备102确定提取出的连通域的数量大于数量阈值的情况下,血管闭塞点确定设备102可以根据每条血管路径对应的连通域,确定每条血管路径上的血管闭塞点,该血管闭塞点为在该血管路径中的出现血流中断的位置。
其中,上述图像获取设备101、血管闭塞点确定设备102以及图像显示设备103可以是终端设备,例如可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等等,但不局限于此。上述图像获取设备101、血管闭塞点确定设备102和图像显示设备103还可以是服务器,例如可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
可以理解的是,本申请实施例描述的血管闭塞点确定系统是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着系统架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
基于上述血管闭塞点确定方案和血管闭塞点确定系统,本申请实施例提供了一种血管闭塞点确定方法,本申请实施例提出的血管闭塞点确定方法可由计算机设备来执行,该计算机设备可以是图1所示的血管闭塞点确定系统中的血管闭塞点确定设备102,该血管闭塞点确定设备102与图像获取设备101、图像显示设备103为同一设备。若该血管闭塞点确定设备102为服务器时,可以是专用的服务器,也可以是某些互联网应用服务器,通过该互联网应用服务器不仅可以执行本申请实施例的相关步骤,还可以提供其他服务。
请参阅图2,图2是本申请实施例提供的一种血管闭塞点确定方法的流程示意图,该方法包括以下步骤S201-步骤S203:
S201、获取待处理图像。
在本申请实施例中,待处理图像为包括有至少一条血管路径的图像,可以是单通道的二维的图像(以下实施例中可以简称为二维图像),也可以是单通道的三维的图像(以下实施例中可以简称为三维图像),本申请对此不做限定。其中,待处理图像可以是计算机设备获取到的,例如其他计算机设备发送至该计算机设备的,也可以是该计算机设备为具有拍摄医学影像图像的功能的设备,该待处理图像可以是计算机设备基于拍摄得到的图像并进行处理得到的,还可以是其他方式获取到的,例如是本地获取的,本申请对此不做限定。
所谓血管路径是指包括多个分段血管的一条血液流通的路径,本申请为了描述方便,以一条血管路径为例进行描述,一条血管路径中包括至少一个分段血管,在同一血管路径的不同分段血管中,血流的流向相同,在不考虑血液的左右方向的流向的情况下,血流流向通常为从脑下部流向脑上部,脑下部为下巴所在的区域,脑上部为头顶所在的区域。
需要说明的是,为描述方便,本申请以颅内血管为例,分段血管可以是根据临床学对颅内的血管进行了分段后得到的血管。以颈内动脉和脑中动脉为例,将颈内动脉血管划分为7个分段血管,大脑中动脉划分为3个分段血管为例,例如颈内动脉划分为C1段-C7段,以及大脑中动脉划分为M1段-M3段:C1段为颈段、C2段为岩段、C3段为破裂孔段、C4段为海绵窦段、C5段为床突段、C6段为眼段、C7段为交通段;以及M1段为水平段、M2段为回转段、M3段为侧裂段。
人体中脑内的分段血管分为左侧分段血管和右侧分段血管,左侧分段血管和右侧分段血管关于预设对称面对称,该预设对称面例如可以是脑对称面。
其中,左侧的C1分段血管可以标识为L(left)-C1,右侧的C1分段血管可以标识为R(right)-C1。在本申请实施例中,如果不考虑血流的左右流向,在正常血流流向信息中,血流通常起始于C1段,流经C2段、C3段、C4段、C5段、C6段、C7段、M1段、M2段,直至M3段为止,则血管路径例如可以是L-C1~L-M3,即表示左侧从C1流向M3的血管路径,血管路径例如还可以是R-C1~R-M3,表示右侧从C1流向M3的血管路径。
在一种可能的实现方式中,计算机设备可以获取初始血管图像,对初始血管图像进行目标分段血管的提取处理和排序处理得到上述待处理图像。
该初始血管图像可以是二维图像,也可以是三维图像,本申请对此不做限定,该初始血管图像与该待处理图像的类型相同。
该初始血管图像可以为该计算机设备获取到的医学影像,该医学影像为进行脑灌注后采用电子计算机断层扫描(Computed Tomography,CT)设备扫描得到的脑部血管图像,从而初始血管图像包括所有脑部分段血管,但是并未对其包括的多个分段血管进行区分体现。由于获取到的初始血管图像中包括目标分段血管之外的血管,因此在获取初始血管图像之后,可以对初始血管图像进行目标分段血管的提取处理,得到初始血管图像中包括的目标分段血管,例如,若初始血管图像为颅内血管图像,则目标分段血管为C1~C7,以及M1~M3,目标分段血管包括至少一段分段血管,目标分段血管中不同的分段血管进行不同的标识以进行区分。
其中,目标分段血管的提取处理可以理解为计算机设备将初始血管图像包括的目标分段血管从整个脑部血管中分割出来,目标分段血管采用不同图像参数进行区分标识。可选地,计算机设备可以通过深度学习的方式进行分段血管的提取处理,例如将初始血管图像输入血管分割模型,得到输出的目标分段血管。可选地,计算机设备也可以通过基于图像纹理等传统图像处理的算法的方式进行分段血管的提取处理,本申请对此不做限定。示例性的,提取到的目标分段血管包括的至少一个分段血管,例如可以是L-C1~L-M3和R-C1~R-M3中的至少一个分段血管。
具体的,由于对目标分段血管采用标识进行区分的方式,可以是将不同的分段血管设定为不同的颜色,即设置不同的图像参数,从而计算机设备在进行分段血管的提取处理过程中,计算机设备可以接收用户设定,或者获取默认设定的各个分段血管关联的图像参数。可以理解的是,不同分段血管关联的图像参数不同,该图像参数用于指示在图像中不同分段血管所呈现的颜色。可选地,在初始血管图像为二维图像的情况下,该图像参数例如可以是图像中像素点的像素值;在初始血管图像为三维图像的情况下,该图像参数例如可以是图像中体素点的体素值。可以理解的是,体素点类比于像素点,可以表示三维图像中的点,体素值类比于像素点的像素值,可以表示三维图像中的点的颜色(亮度信息)。
其中,以初始血管图像为三维图像为例进行讲解,在对目标分段血管中的一个分段血管进行标识时,可以将同一分段血管的所有体素点设为相同的体素值,不同分段血管的所有体素点设为不同的体素值,由此在初始血管图像中,不同分段血管呈现不同的颜色,从而达到区分的目的。例如,将初始血管图像中提取出的目标分段血管包括的分段血管L-C1的体素值设为110,分段血管L-C2的体素值设为134,表示将分段血管L-C1的所有体素点的体素值均设为110,分段血管L-C2的所有体素点的体素值均设为134,由于其体素值不同,分段血管L-C1和分段血管L-C2所呈现的颜色不同,分段血管L-C1或分段血管L-C2中每个分段血管的所有体素点所呈现的颜色相同。
进一步地,由于分段血管的提取处理仅是提取出一个个的分段血管,而需要确定出现血流中断的位置是相对一条血管路径而言,则需要确定提取到的目标分段血管中属于同一血管路径的分段血管,以及属于不同血管路径的分段血管,从而得到至少一条血管路径,以便后续进行血流中断位置的判断。具体的,计算机设备在对初始血管图像进行目标分段血管的提取处理之后,可以对提取出的目标分段血管包括的分段血管进行排序处理,从而得到包括至少一条血管路径的待处理图像,待处理图像可以用Vesselsegment进行标识。
需要说明的是,在对目标分段血管进行标识时,所标识的图像参数可以是按照预设排序方向进行排序的,该预设排序方向例如可以为上述正常血流流向。例如,一条血管路径中包括C1-M3这10个分段血管,正常血流流向为C1流向M3,则可以预先设定C1-M3这10个分段血管关联的图像参数满足预设数值规律,例如这10个分段血管关联的图像参数满足从小到大的等差数列的规律,或者从大到小的等比数列的规律等等,本申请对此不做限定。
由此,计算机设备基于预设的排序方向和所提取到的目标分段血管关联的图像参数,按照预设数值规律对各个图像参数进行排序,从而确定能够满足预设数值规律的分段血管属于同一血管路径,不满足预设数值规律的分段血管不属于同一血管路径,由此,得到包括至少一条血管路径的待处理图像,每条血管路径包括至少一个分段血管。例如,由于血管中间闭塞会导致部分目标分段血管完全缺失,因此初始血管图像中不包括完全缺失的目标分段血管,从而待处理图像中的一条血管路径可以包括L-C1~L-M3中的至少一个分段血管,另一条血管路径可以包括R-C1~R-M3中的至少一个分段血管。可选地,上述两条血管路径关于预设对称面对称。
举例来说,若存在6个目标分段血管(A1、A2、A3、A4、A5以及A6),其中目标分段血管A1的图像参数为10,A2的图像参数为12,A3的图像参数为14,A4的图像参数为16,A5的图像参数为18,A6的图像参数为20。假设血管存在中间闭塞的情况,A1上非起点处存在闭塞点,A2被完全闭塞,A3上非终点处存在闭塞点,则初始血管图像中包括的目标分段血管为A1,A3、A4、A5以及A6,从而对初始血管图像进行目标分段血管提取,提取到的目标血管为A1的起点到A1的闭塞点之间的部分血管A1,目标血管A3的闭塞点到A3终点之间的部分血管A3,目标分段血管A4、A5以及A6。假设通过分段血管A1~A6的图像参数确定A1~A6属于同一血流路径,且流向为A1-A2-A3-A4-A5-A6,则可得到待处理图像中的血流路径为A1-A3-A4-A5-A6。
请参阅图3,图3是本申请实施例提供的一种血管参考图像的三维示意图,该血管参考图像不存在任何血管闭塞点。如图3所示,血管参考图像中包括至少一条血管路径,该血管路径可以是一条血液流通的通路,每条血管路径中包括至少一个分段血管,图3右侧以一个血管路径为例,该血管路径中包括6个分段血管,如图3所示的分段血管1、分段血管2、分段血管3、分段血管4、分段血管5和分段血管6,在该待处理图像中,各个分段血管的颜色不同。
请一并参阅图4,图4是本申请实施例提供的一种血管参考图像的二维示意图。如图4所示,血管参考图像包括至少一条血管路径,每条血管路径中包括至少一个分段血管,例如在图4右侧中,以该虚线框中包括一条血管路径为例,该血管路径包括分段血管1(横线填充)、分段血管2(竖线填充)、分段血管3(黑色方块填充)和分段血管4(黑色圆点填充)。在该待处理图像中,不同分段血管的颜色不同,例如图4右侧以不同填充方式代表不同的颜色。
S202、对上述待处理图像中每条血管路径进行连通域提取。
其中,在图像处理领域中,连通域是指在图像中具有相同图像参数的相邻图像的点的集合。将图像中的连通域提取出来(设置一个标记),则称为连通域提取。
在一种可能的实现方式中,在对待处理图像进行连通域提取之前,对待处理图像进行二值化处理。
需要说明的是,由于在待处理图像中,在血管路径中,若在某一段血管中没有血流经过,则这段血管在图像中是不显影的,因此,对待处理图像进行二值化处理后,可以通过连通域提取的方式,来确定在待处理图像中包括已经显影的分段血管的连通域,进而可以基于连通域确定在血管路径中是否存在血流中断,以及基于连通域的位置,确定血流中断的位置,即确定出血管闭塞点。
在一种可能的实现方式中,计算机设备可以对待处理图像中各个血管路径进行初始连通域提取,该初始连通域提取的规则为图像参数相同的相邻点的集合,从而得到各个血管路径中的初始连通域。由于各个分段血管关联的图像参数相同,且每个分段血管中所有点(所有像素点或者所有体素点)关联的图像参数(像素值或者体素值)相同,则提取出的每个连通域可以由一个或多个分段血管组成。
在一种可能的实现方式中,在进行连通域提取之后,基于预设的分段血管关联的图像参数,对连通域中包括的分段血管的图像参数进行替换。
S203、在提取出的连通域的数量大于数量阈值的情况下,根据每条血管路径对应的连通域,确定每条血管路径上的血管闭塞点。
在本申请实施例中,由于在待处理图像中,存在血流中断的区域不显影的情况,因此可以基于提取出每条血管路径的连通域的数量对血管路径是否存在血流中断的情况进行判断。在提取出的血管路径对应的连通域的数量大于数量阈值的情况下,确定该血管路径存在中间血流中断。其中,数值阈值例如可以为1,若血管路径中不存在中间血流中断,该血管路径中的连通域可以为1,即整个血管路径为一个连通域。
每条血管路径上的血管闭塞点为用于指示中间闭塞的闭塞位置,该血管闭塞点的数量可以是一个,也可以是多个,本申请对此不做限定。
示例性的,以血管路径包括分段血管L-C1~L-M3为例,若该血管路径对应两个连通域,连通域1包括分段血管L-C1~L-C7,连通域2包含分段血管L-C7~L-M3,则表明在该血管路径中的分段血管L-C7处存在1处中间闭塞的情况。再一示例性的,仍以血管路径包括分段血管L-C1~L-M3为例,若该血管路径对应三个连通域,连通域1包括L-C1~L-C7,连通域2包括L-C7,连通域3包含L-C7~L-M3,则表明该血管路径中的分段血管L-C7处存在2处中间闭塞的情况。又一示例性的,若该血管路径对应两个连通域,连通域1包括L-C1~L-C7,连通域2包括L-M1~L-M3,则表明该血管路径中的分段血管L-C7可能存在中间闭塞,该血管路径中的分段血管L-M1也可能存在中间闭塞。
其中,计算机设备在确定每条血管路径上的血管闭塞点为血管路径上的所有血管闭塞点的总称。具体的,该血管闭塞点中可以包括多个点,这多个点也可以称为血管闭塞点,虽然二者所采用的词语相同,但是具体的含义并不相同,其在一些语境中表示所有点的总和,也可以表示每一个点。需要说明的是,在确定各个血管闭塞点时,以两个点为一对血管闭塞点进行确定的。
计算机设备具体可以根据每条血管路径中分段血管的排序方向,和每个连通域包括的分段血管,对每条血管路径对应的连通域进行排序,得到连通域排序顺序,并基于该连通域排序顺序来确定每条血管路径中的血管闭塞点。
可选地,计算机设备可以根据分段血管关联的图像参数,确定血管路径中分段血管的排序方向,从而对每条血管路径中包括的连通域进行排序。或者,根据血管路径中分段血管的排序方向为预设血流流向,从而对每条血管路径中包括的连通域进行排序,该预设血流流向可以是正常血流流向,例如,正常血流流向是血流通常起始于C1段,流经C2段、C3段、C4段、C5段、C6段、C7段、M1段、M2段,直至M3段,其分段血管关联的图像参数所满足的预设数值规律可以与该正常血流流向匹配。则可以根据每个连通域包括的分段血管,以及各个分段血管关联的图像参数来进行排序。例如,上述连通域1包括分段血管L-C1~L-C7,连通域2包含分段血管L-C7~L-M3,则得到该血管路径对应的连通域的连通域排序顺序:连通域1、连通域2。
进而,计算机设备可以根据该连通域排序顺序中,每两个相邻的连通域中,距离最近的两个点确定为一对血管闭塞点(也可以称为血管闭塞点对),以每对血管闭塞点包括第一血管闭塞点和第二血管闭塞点为例。例如,上述连通域排序顺序为连通域1(L-C1~L-C7)、连通域2(L-C7~L-M3),则计算机设备可以在分段血管L-C7上确定第一血管闭塞点和第二血管闭塞点,该第一血管闭塞点和第二血管闭塞点的距离最短。其中,计算机设备确定的两个血管闭塞点可以是在分段血管的血管中线上,即该第一血管闭塞点和第二血管闭塞点在分段血管L-C7的血管中线上,而第一血管闭塞点在连通域1中,第二血管闭塞点在连通域2中。
示例性的,若血管路径对应的连通域1包括L-C1~L-C7,连通域2包括L-C7,连通域3包含L-C7~L-M3,根据分段血管的排序方向,得到的连通域排序顺序为:连通域1、连通域2以及连通域3。则计算机设备可以确定2对血管闭塞点,第一对血管闭塞点包括的第一血管闭塞点为连通域1中L-C7的终点,第二血管闭塞点为连通域2中L-C7的起点。第二对血管闭塞点包括的第一血管闭塞点为连通域2中L-C7的终点,第二血管闭塞点为连通域3中L-C7的起点。
进一步地,计算机设备可以基于血管闭塞点确定闭塞血管,确定闭塞血管是指确定存在血流闭塞的分段血管的分段标识。其中,计算机设备可以获取每个分段血管关联的预设图像参数,从而通过预设图像参数确定对应的分段血管。例如,计算机设备可以获取血管路径包括的各个分段血管的预设图像参数,进而确定第一血管闭塞点和第二血管闭塞点所在的分段血管关联的图像参数,可以确定第一血管闭塞点和第二血管闭塞点所在的具体的分段血管,得到具体的分段标识,从而可以输出分段标识,以提供准确的血管闭塞的位置,有利于为血管内取栓术的实施提供病灶位置信息。
其中,除了将血管路径中第一血管闭塞点和第二血管闭塞点所在的分段血管作为闭塞血管之外,还可以将血管路径中第一血管闭塞点和第二血管闭塞点所在分段血管之间的所有分段血管均确定为闭塞血管。例如,血管路径中包括2个连通域,连通域1包括分段血管L-C1~L-C5,连通域2包括分段血管L-M1~L-M3。若基于连通域1和连通域2确定的第一血管闭塞点在分段血管L-C5,第二血管闭塞点在分段血管L-M1,则可以确定闭塞血管包括分段血管L-C6和分段血管L-C7。
可选地,若第一血管闭塞点为分段血管L-C5的血管中线的最后一个点(终点),第二血管闭塞点为分段血管L-M1的血管中线的第一个点(起点),则可能是分段血管L-C6和分段血管L-C7完全闭塞。其中,若第一血管闭塞点为分段血管L-C5中除第一个点(起点)和最后一个点(终点)以外的点,则可能存在分段血管L-C5部分闭塞的情况。
请参阅图5,图5为本申请实施例提供的一种确定出血管闭塞点的三维示意图。如图5所示,半透明的管状物表示血管,在血管中不同颜色的一段血管表示不同的分段血管,各个分段血管内点状线为血管中线,各个分段血管的球状位置为血管闭塞点所在的位置。以一条血管路径中的至少一个分段血管为例进行讲解,如方框中所示,该方框中为该血管路径中出现的中间闭塞的情况,两个球状表示血管闭塞点对中的第一血管闭塞点和第二血管闭塞点。第一血管闭塞点和第二血管闭塞点分别在连通域排序顺序中相邻的两个连通域中。
请一并参阅图6,图6为本申请实施例提供的一种确定出血管闭塞点的二维示意图。如图6所示,以一条血管路径中的至少一个分段血管为例进行讲解,如图6右侧所示,在连通域排序顺序中相邻的两个连通域中包括血管闭塞点对,如连通域1中包括第一血管闭塞点,在连通域2中包括第二血管闭塞点,在第一血管闭塞点和第二血管闭塞点中的分段血管可以确定为闭塞血管。
在一种可能的实现方式中,计算机设备在确定血管闭塞点之后,可以基于血管闭塞点确定血流异常区域。具体可以根据每对血管闭塞对中的第一血管闭塞点的位置信息和第二血管闭塞点的位置信息,生成血流异常区域,若在该血管路径中确定至少一对血管闭塞点,则可以生成至少一个血流异常区域。具体的,计算机设备可以获取参考图像区域,例如是预设的图像区域,待处理图像为二维图像的情况下,该参考图像区域可以是长方形区域、圆形区域等,待处理图像为三维图像的情况下,该参考图像区域可以是长方体区域,该长方体区域具体可以是以闭塞端点为角点构成的长方体,也可以是包括更大范围的长方体,该参考图像区域还可以是球体区域等,本申请对此不做限定。其中,计算机设备基于一对血管闭塞点确定的血流异常区域中包括该血管闭塞点对,具体可以对参考图像区域进行缩放,使得缩放得到的图像区域中包括血管闭塞点,从而得到血管路径中的至少一个血流异常区域。
请参阅图7,图7为本申请实施例提供的一种确定血流异常区域的三维示意图。如图7所示,半透明的管状物表示血管,在血管中不同颜色的一段血管表示不同的分段血管,各个分段血管内点状线为血管中线,各个分段血管的球状位置为血管闭塞点所在的位置。以一条血管路径中的至少一个分段血管为例进行讲解,方框表示存在中间闭塞的情况。具体的,以一对血管闭塞点为例进行讲解,每条血管路径中的每对血管闭塞点确定异常血流区域的方式相同。在确定出第一血管闭塞点和第二血管闭塞点之后,可以获取参考图像区域,以参考图像区域为球形区域为例,基于第一血管闭塞点和第二血管闭塞点可以生成异常血流区域,该异常血流区域包括第一血管闭塞点和第二血管闭塞点。
请一并参阅图8,图8为本申请实施例提供的一种确定血流异常区域的二维示意图。如图8所示,以一条血管路径中的至少一个分段血管为例进行讲解,如图6右侧所示,在该血管路径中,包括两个连通域,连通域1和连通域2,基于连通域1和连通域2确定一对血管闭塞点,该血管闭塞点对包括的第一血管闭塞点在连通域1中,第二血管闭塞点在连通域2中,计算机设备获取到的参考图像区域可以为矩形区域,基于参考图像区域,以及第一血管闭塞点和第二血管闭塞点,可以生成血流异常区域,该血流异常区域包括第一血管闭塞点和第二血管闭塞点。
在另一种可能的实现方式中,计算机设备还可以基于每对血管闭塞点来确定血流异常区域。为了描述方便,以一对血管闭塞点为例进行描述,该对血管闭塞点包括第一血管闭塞点和第二血管闭塞点。计算机设备可以分别确定该第一血管闭塞点和第二血管闭塞点所在的分段血管是否相同,具体可以根据第一血管闭塞点和第二血管闭塞点所在图像的点(如像素点或者体素点)关联的图像参数是否相同来进行判断。进而,在确定第一血管闭塞点和第二血管闭塞点所在的分段血管相同的情况下,可以根据第一血管闭塞点和第二血管闭塞点,确定包括该第一血管闭塞点和第二血管闭塞点的血流异常区域。
其中,该血流异常区域还可以包括该第一血管闭塞点和第二血管闭塞点所在的部分或全部分段血管。例如,在确定第一血管闭塞点和第二血管闭塞点所在的分段血管均为分段血管L-C5的情况下,计算机设备可以获取参考图像区域,进而基于第一血管闭塞点和第二血管闭塞点的位置,对参考图像区域进行缩放,使得缩放后的参考图像区域包括该第一血管闭塞点和第二血管闭塞点以及分段血管L-C5中的部分血管。如待处理图像为二维图像,该参考图像区域为长方形,则可以将第一血管闭塞点和第二血管闭塞点作为长方形对边上的点或者对角线上的两个点,从而得到血流异常区域。
进一步地,在确定第一血管闭塞点和第二血管闭塞点所在的分段血管不同的情况下,计算机设备可以分别基于第一血管闭塞点和第二血管闭塞点确定血流异常区域,并将基于第一血管闭塞点确定的血流异常区域和基于第二血管闭塞点确定血流异常区域合并,得到该血管路径的血流异常区域。具体的,计算机设备可以确定对侧分段血管,并基于对侧分段血管、第一血管闭塞点和第二血管闭塞点,确定血流异常区域。其中,对侧分段血管可以包括第一对侧分段血管与第二对侧分段血管,第一对侧分段血管与第一血管闭塞点所在的分段血管关于预设对称面对称,第二对侧分段血管与第二血管闭塞点所在的分段血管关于预设对称面对称。在该待处理图像包括颅内血管的图像的情况下,预设对称面可以为脑对称面。
具体的,计算机设备可以根据第一对侧分段血管和第一血管闭塞点,确定第一血管闭塞点对应的第一血流异常区域,并根据第二对侧分段血管和第二血管闭塞点,确定第二血管闭塞点对应的第二血流异常区域,进而根据第一血流异常区域和第二血流异常区域,确定血流异常区域。可以理解的是,计算机设备可以分别基于每对血管闭塞点中的第一血管闭塞点确定的第一血流异常区域,可以基于每对血管闭塞点中的第二血管闭塞点确定血流异常区域。其中,第一血管闭塞点和第二血管闭塞点的确定方式相同,为描述方便,以下实施例以第一血管闭塞点为例进行讲解。
其中,计算机设备可以确定第一对侧分段血管是否满足血流中断条件,所谓血流中断条件是指该第一对侧分段血管是否存在血流中断,在计算机设备确定第一对侧分段血管满足血流中断条件的情况下,获取第一血管闭塞点关联的潜在异常区域,并基于第一血管闭塞点关联的潜在异常区域和第一血管闭塞点,生成第一参考血流异常区域,该第一参考血流异常区域即为第一血流异常区域。需要说明的是,该潜在异常区域可以为预设的图像区域,例如该第一血管闭塞点所在的分段血管的区域,也可以为包括更大范围的图像区域,例如包括第一血管闭塞点所在的分段血管以及相邻分段血管的图像区域,本申请对此不做限定。
示例性的,第一血管闭塞点所在的分段血管为L-C1,则第一对侧分段血管为R-C1,则可以判断R-C1是否满足血流中断条件,在确定R-C1满足血流中断条件的情况下,可以获取第一血管闭塞点关联的潜在异常区域,例如获取长方体的图像区域,进而基于潜在异常区域和第一血管闭塞点生成第一参考血流区域,以潜在异常区为包括L-C1的图像区域为例,则该第一参考血流区域包括L-C1的图像区域以及第一血管闭塞点。
其中,在计算机设备确定第一对侧分段血管不满足血流中断条件的情况下,确定映射区域,并根据映射区域和第一血管闭塞点生成第二参考血流异常区域,该第二参考血流异常区域即为第一血流异常区域。具体的,计算机设备可以确定第一对侧分段血管所在的图像区域,如包括该第一对侧分段血管的图像区域。进而,计算机设备可以将该第一对侧分段血管所在的图像区域映射到该第一血管闭塞点所在的分段血管的一侧,该映射可以是将第一对侧分段血管所在的图像区域基于预设对称面进行对称处理,并与该第一血管闭塞点结合,得到映射区域,所谓与第一血管闭塞点结合是指,映射得到的映射区域包括该第一血管闭塞点。其中,对称处理可以是根据图像区域的坐标和预设对称面的坐标来进行处理的。
需要说明的是,对于第一对侧分段血管仅会存在满足血流中断条件的情况或者不满足血流中断条件的情况,因此,上述第一血流异常区域可以根据第一参考血流异常区域或者第二参考血流异常区域来确定,第一参考血流异常区域和第二参考血流异常区域不能同时存在。该第一对侧分段血管所在的图像区域的也可以是基于参考图像区域进行缩放处理得到的图像区域,该参考图像区域可以是二维的,也可以是三维的,例如可以为长方体、球体等三维图像区域,或者是为长方形、圆形等二维图像区域,本申请对此不做限定。
示例性的,第一血管闭塞点所在的分段血管为L-C1,则该第一对侧分段血管为R-C1,以R-C1在坐标(x1,x2,y1,y2,z1,z2)构成的图像区域内,预设对称面为脑对称面为例。计算机设备可以将该坐标(x1,x2,y1,y2,z1,z2)构成的图像区域根据脑对称面进行对称处理,并对对称处理得到的图像区域进行缩放处理,从而得到包括第一血管闭塞点的映射区域,也即是上述第一血流异常区域。
其中,计算机设备在确定血流异常区域之前,需先判断在不同分段血管的第一血管闭塞点和第二血管闭塞点的对侧分段血管包括的各个分段血管,如与第一血管闭塞点所在分段血管关于预设对称面对称的第一对侧分段血管,以及与第二血管闭塞点所在分段血管关于预设对称面对称的第二对侧分段血管是否满足血流中断条件。该血流中断条件用于判断该第一对侧分段血管和第二对侧分段血管是否出现血流中断的情况,进而根据是否满足血流中断的情况来进一步确定血流异常区域。
具体的,以第一对侧分段血管是否满足血流中断条件为例,计算机设备可以通过在待处理图像中第一对侧分段血管关联的图像参数是否存在,由于在没有血流经过的区域在待处理图像上不显影,因此若在待处理图像上不存在该第一对侧分段血管关联的图像参数,例如第一对侧分段血管的体素值完全缺失,则表明该第一对侧分段血管为闭塞血管,该第一对侧分段血管满足血流中断条件。
需要说明的是,在计算机设备判断该第一对侧分段血管的关联的图像参数存在的情况下,不代表该第一对侧分段血管就一定不满足血流中断条件,还需进一步进行判断。计算机设备可以对第一对侧分段血管所在的血管路径(可以称为对侧血管路径)进行连通域提取,进而计算机设备可以基于预设排序方向对对侧血管路径提取到的对侧连通域进行排序,得到对侧连通域排序顺序,具体提取方式和排序方式与第一血管闭塞点所在的血管路径进行连通域提取的方式相同,这里不再赘述。其中,对侧连通域排序顺序为第一对侧分段血管所在的对侧血管路径中的多个对侧连通域的顺序,对侧血管路径为与第一血管闭塞点所在的血管路径关于预设对称面对称。
进一步地,计算机设备可以判断第一对侧分段血管关联的图像参数是在对侧连通域排序顺序中,每个对侧连通域中分段血管关联的图像参数的最大值和/或最小值,若是,则确定该第一对侧分段血管满足血流中断条件,反之,则确定该第一对侧分段血管不满足该血流中断条件。进而,计算机设备在确定第一对侧分段血管满足中断条件的情况下,可以确定映射区域。计算机设备在确定第一对侧分段血管不满足中断条件的情况下,可以确定潜在异常区域。
示例性的,以第一闭塞端点所在的分段血管为L-C7为例,与该血管路径关于预设对称面对称的对侧血管路径进行连通域提取,得到对侧连通域1包括R-C1~R-C7和对侧连通域2包含R-C7~R-M3。进一步计算机设备可以确定对侧连通域排序顺序为对侧连通域1、对侧连通域2,并确定该第一血管闭塞点所在的L-C7的第一对侧分段血管为R-C7,R-C7为对侧连通域排序顺序(以图像参数从小到大进行排序)中,对侧连通域1中分段血管关联的图像参数的最大值,对侧连通域2中分段血管关联的图像参数的最小值,从而计算机设备可以确定该第一对侧R-C7满足血流中断条件。
由此,在本申请实施例中,通过确定血管闭塞点,可以用于辅助诊断血管闭塞的情况,特别是出现上下游均有血流经过的中间闭塞的情况,并可以通过血管闭塞点确定血管闭塞的端点,为后续治疗手段的实施(如血管内取栓术),提供更加准确的病灶位置信息。通过确定血流异常区域可以确定出由于出现血流闭塞而导致血流异常的区域位置,有利于后续对经过治疗手段治疗之后血流异常区域的分段血管的血流情况。
在本申请实施例中,通过计算机设备在包括至少一条血管路径中进行连通域提取,得到各条血管路径中的连通域,在每条血管路径中连通域的数量大于数量阈值的情况下,可以确定血管路径中出现血流中断,进而,基于每条血管路径对应的连通域,确定血管路径中的血管闭塞点,该血管闭塞点为每条血管路径上出现闭塞的位置。通过提取连通域的方式可以确定出每条血管路径中的所有血流中断位置,避免了血流中断位置的遗漏,提高确定血流中断位置的准确性,从而有助于为后续血管内取栓术的治疗提供更准确的位置参考。
请一并参阅图9,图9是本申请实施例提供的一种血管闭塞点确定装置的结构示意图,如图9所示的血管闭塞点确定装置90可以包括:获取单元901、提取单元902、确定单元903和生成单元904。其中,各个单元的详细描述如下:
获取单元901,用于获取待处理图像,所述待处理图像包括至少一条血管路径;
提取单元902,用于对每条所述血管路径进行连通域提取;
确定单元903,用于在提取出的连通域的数量大于数量阈值的情况下,根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点。
根据本申请的另一个实施例,图9所示的血管闭塞点确定装置中的各个单元可以分别或者全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以是由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其他实施例中,基于血管闭塞点确定装置也可以包括其他单元,在实际应用中,这些功能也可以由其他单元协助实现,并且可以由多个单元协作实现。
需要说明的是,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
基于上述血管闭塞点确定方法实施例的描述,本申请实施例还公开了一种计算机设备,请参见图10,该计算机设备至少可包括处理器1001、通信接口1002以及计算机存储介质1003。其中,计算机设备内的处理器1001、通信接口1002以及计算机存储介质1003可通过总线或其他方式连接。
上述计算机存储介质1003是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质1003既可以包括计算机设备的内置存储介质,当然也可以包括计算机设备支持的扩展存储介质。计算机存储介质1003提供存储空间,该存储空间存储了计算机设备的操作系统。并且,在该存储空间中还存放了适于被处理器1001加载并执行的一条或多条程序指令,这些程序指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器;可选的,还可以是至少一个远离前述处理器的计算机存储介质、上述处理器可以称为中央处理单元(Central Processing Unit,CPU),是计算机设备的核心以及控制中心,适于被实现一条或多条指令,具体加载并执行一条或多条指令从而实现相应的方法流程或功能。
在一种实施方式中,可由处理器1001加载并执行计算机存储介质中存放的一条或多条程序指令,以实现上述有关血管闭塞点确定方法实施例中的方法的相应步骤;具体实现中,计算机存储介质中的一条或多条第一指令由处理器1001加载并执行如下操作:
获取待处理图像,所述待处理图像包括至少一条血管路径;
对每条所述血管路径进行连通域提取;
在提取出的连通域的数量大于数量阈值的情况下,根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点。
需要说明的是,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,处理器运行该计算机程序,使得该计算机设备执行前述实施例提供的方法。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括程序指令,该程序指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该程序指令,处理器执行该程序指令,使得该计算机设备执行前述实施例提供的方法。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所揭露的仅为本申请一种较佳实施例而已,当然不能以此来限定本申请之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本申请权利要求所作的等同变化,仍属于发明所涵盖的范围。

Claims (12)

1.一种血管闭塞点确定方法,其特征在于,包括:
获取待处理图像,所述待处理图像包括至少一条血管路径;
对每条所述血管路径进行连通域提取;
在提取出的连通域的数量大于数量阈值的情况下,根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取初始血管图像;
对所述初始血管图像进行目标分段血管提取,并基于预设排序方向,提取到的目标分段血管关联的图像参数,对提取到的目标分段血管进行排序,得到包括至少一条血管路径的所述待处理图像。
3.根据权利要求1或2所述的方法,其特征在于,每条所述血管路径包括至少一个分段血管,每个所述连通域包括至少一个分段血管;
所述根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点,包括:
根据每条所述血管路径中分段血管的排序方向,和每个所述连通域包括的分段血管,对每条所述血管路径对应的连通域进行排序,得到连通域排序顺序;
根据所述连通域排序顺序,将在每两个相邻的连通域中的,距离最近的两个点确定为血管闭塞点。
4.根据权利要求1所述的方法,其特征在于,每条所述血管路径包括至少一个分段血管,所述血管闭塞点包括至少一对血管闭塞点,每对所述血管闭塞点包括第一血管闭塞点和第二血管闭塞点;所述方法还包括:
在所述第一血管闭塞点和所述第二血管闭塞点所在的分段血管相同的情况下,根据所述第一血管闭塞点和所述第二血管闭塞点,确定所述待处理图像中的血流异常区域,其中,所述血流异常区域中包括所述第一血管闭塞点和所述第二血管闭塞点;
在所述第一血管闭塞点和所述第二血管闭塞点所在的分段血管不同的情况下,确定对侧分段血管,以及基于所述对侧分段血管、所述第一血管闭塞点,以及所述第二血管闭塞点,确定血流异常区域。
5.根据权利要求4所述的方法,其特征在于,所述对侧分段血管包括第一对侧分段血管与第二对侧分段血管,所述第一对侧分段血管与所述第一血管闭塞点所在的分段血管关于预设对称面对称,所述第二对侧分段血管与所述第二血管闭塞点所在的分段血管关于所述预设对称面对称;
所述基于所述对侧分段血管、所述第一血管闭塞点,以及所述第二血管闭塞点,确定血流异常区域,包括:
根据所述第一对侧分段血管和所述第一血管闭塞点,确定所述第一血管闭塞点对应的第一血流异常区域,以及根据所述第二对侧分段血管和所述第二血管闭塞点,确定所述第二血管闭塞点对应的第二血流异常区域;
根据所述第一血流异常区域和所述第二血流异常区域,确定血流异常区域。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一对侧分段血管和所述第一血管闭塞点,确定所述第一血管闭塞点对应的第一血流异常区域,包括:
在所述第一对侧分段血管关联的图像参数满足血流中断条件的情况下,获取所述第一血管闭塞点关联的潜在异常区域,以及基于所述潜在异常区域和所述第一血管闭塞点生成第一参考血流异常区域,所述第一参考血流异常区域包括所述潜在异常血流区域和所述第一血流异常点;
在所述第一对侧分段血管关联的图像参数不满足血流中断条件的情况下,确定映射区域,并根据所述映射区域和所述第一血管闭塞点生成第二参考血流异常区域,所述第二参考血流异常区域包括所述映射区域和所述第一血流异常点,所述映射区域与所述第一对侧分段血管所在的图像区域关于所述预设面对称;
根据所述第一参考血流异常区域确定所述第一血流异常区域,或者,根据所述第二参考血流异常区域确定所述第一血流异常区域。
7.根据权利要求6所述的方法,其特征在于,所述血流中断条件包括以下其中一项:
所述第一对侧分段血管的关联的图像参数不存在;
所述第一对侧分段血管关联的图像参数为对侧连通域排序顺序中,每个对侧连通域中分段血管关联的图像参数的最大值和/或最小值;
其中,所述对侧连通域排序顺序为所述第一对侧分段血管所在的对侧血管路径中的多个对侧连通域的顺序,所述对侧血管路径为与所述第一血管闭塞点所在的血管路径关于所述预设对称面对称。
8.根据权利要求1所述的方法,其特征在于,每条所述血管路径包括至少一个分段血管,所述血管闭塞点包括至少一对血管闭塞点,每对所述血管闭塞点包括第一血管闭塞点和第二血管闭塞点;
所述方法还包括:
根据每对所述血管闭塞点中第一血管闭塞点的位置信息,每对所述血管闭塞点中第二血管闭塞点的位置信息,生成血流异常区域,以生成至少一个血流异常区域。
9.根据权利要求5-8任一项所述的方法,其特征在于,所述方法还包括:
获取每条所述血管路径包括的至少一个分段血管中每个分段血管关联的预设图像参数,每个预设图像参数对应一个分段标识;
根据所述预设图像参数、所述第一血管闭塞点和所述第二血管闭塞点所在分段血管关联的图像参数,确定所述血流异常区域包括的分段血管的分段标识。
10.一种血管闭塞点确定装置,其特征在于,包括:
获取单元,用于获取待处理图像,所述待处理图像包括至少一条血管路径;
提取单元,用于对每条所述血管路径进行连通域提取;
确定单元,用于在提取出的连通域的数量大于数量阈值的情况下,根据每条所述血管路径对应的连通域,确定每条所述血管路径上的血管闭塞点。
11.一种计算机设备,其特征在于,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-9任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序或者程序指令,所述计算机程序或所述程序指令被处理器执行时,所述计算机程序或者所述程序指令当被处理器执行如权利要求1-9中任一项所述的方法。
CN202310841983.0A 2023-07-10 2023-07-10 一种血管闭塞点确定方法、装置、设备及存储介质 Pending CN117011241A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310841983.0A CN117011241A (zh) 2023-07-10 2023-07-10 一种血管闭塞点确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310841983.0A CN117011241A (zh) 2023-07-10 2023-07-10 一种血管闭塞点确定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117011241A true CN117011241A (zh) 2023-11-07

Family

ID=88570251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310841983.0A Pending CN117011241A (zh) 2023-07-10 2023-07-10 一种血管闭塞点确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117011241A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252805A (zh) * 2023-07-10 2023-12-19 杭州德诺脑神经医疗科技有限公司 一种血管闭塞点确定方法、装置、设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080097200A1 (en) * 2006-10-20 2008-04-24 Blume Walter M Location and Display of Occluded Portions of Vessels on 3-D Angiographic Images
US20090324052A1 (en) * 2006-09-06 2009-12-31 Agency For Science, Technology And Research Detection and localization of vascular occlusion from angiography data
CN108601568A (zh) * 2016-02-08 2018-09-28 索尼公司 用于体积图像数据集中的脉管结构的分割的方法和系统
CN110084776A (zh) * 2019-06-14 2019-08-02 上海健康医学院 一种用于周围血管阻塞性疾病检测的图像融合方法
WO2021213124A1 (zh) * 2020-04-21 2021-10-28 深圳睿心智能医疗科技有限公司 血流特征预测方法、装置、计算机设备和存储介质
CN113593678A (zh) * 2021-08-03 2021-11-02 北京安德医智科技有限公司 基于血管影像补全的脑卒中分型方法及装置
CN114078105A (zh) * 2020-07-30 2022-02-22 深圳市理邦精密仪器股份有限公司 血管的检测方法、超声设备以及计算机可读存储介质
CN114299057A (zh) * 2021-12-31 2022-04-08 上海联影医疗科技股份有限公司 血管中心线的提取方法和存储介质
CN114663651A (zh) * 2022-03-24 2022-06-24 北京安德医智科技有限公司 一种根据颅内cta图像识别血管闭塞状态的方法和装置
JP2023059147A (ja) * 2021-10-14 2023-04-26 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法及び医用画像処理プログラム
CN116228779A (zh) * 2023-05-10 2023-06-06 北京清影华康科技有限公司 一种血管中心路径提取方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090324052A1 (en) * 2006-09-06 2009-12-31 Agency For Science, Technology And Research Detection and localization of vascular occlusion from angiography data
US20080097200A1 (en) * 2006-10-20 2008-04-24 Blume Walter M Location and Display of Occluded Portions of Vessels on 3-D Angiographic Images
CN108601568A (zh) * 2016-02-08 2018-09-28 索尼公司 用于体积图像数据集中的脉管结构的分割的方法和系统
CN110084776A (zh) * 2019-06-14 2019-08-02 上海健康医学院 一种用于周围血管阻塞性疾病检测的图像融合方法
WO2021213124A1 (zh) * 2020-04-21 2021-10-28 深圳睿心智能医疗科技有限公司 血流特征预测方法、装置、计算机设备和存储介质
CN114078105A (zh) * 2020-07-30 2022-02-22 深圳市理邦精密仪器股份有限公司 血管的检测方法、超声设备以及计算机可读存储介质
CN113593678A (zh) * 2021-08-03 2021-11-02 北京安德医智科技有限公司 基于血管影像补全的脑卒中分型方法及装置
JP2023059147A (ja) * 2021-10-14 2023-04-26 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法及び医用画像処理プログラム
CN114299057A (zh) * 2021-12-31 2022-04-08 上海联影医疗科技股份有限公司 血管中心线的提取方法和存储介质
CN114663651A (zh) * 2022-03-24 2022-06-24 北京安德医智科技有限公司 一种根据颅内cta图像识别血管闭塞状态的方法和装置
CN116228779A (zh) * 2023-05-10 2023-06-06 北京清影华康科技有限公司 一种血管中心路径提取方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李道伟;郭文力;卢再鸣;乞文旭;郭启勇;: "双源CT双能量减影诊断下肢血管疾病", 中国医学影像技术, no. 10, 20 October 2009 (2009-10-20) *
杜光舟;侯志辉;郑海生;吴先衡;杨有优;林黛英;: "冠状动脉慢性完全闭塞病变计算机断层扫描血管成像的形态学特征", 岭南心血管病杂志, no. 03, 28 May 2020 (2020-05-28) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252805A (zh) * 2023-07-10 2023-12-19 杭州德诺脑神经医疗科技有限公司 一种血管闭塞点确定方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US10679740B2 (en) System and method for patient privacy protection in medical images
US20250182897A1 (en) Medical image processing apparatus, method, and program
CN114387464B (zh) 基于ivus影像的易损斑块识别方法、计算机设备、可读存储介质和程序产品
CN108198184A (zh) 造影图像中血管分割的方法和系统
KR101953752B1 (ko) 심층 신경망을 이용하여 영상의 분류 및 국소화를 수행하는 방법 및 이를 이용한 장치
CN112861961B (zh) 肺血管分类方法及装置、存储介质及电子设备
KR102220109B1 (ko) 심층 신경망을 이용하여 영상을 분류하는 방법 및 이를 이용한 장치
JP6983573B2 (ja) 画像処理装置、画像処理方法およびプログラム
CN112132854B (zh) 图像分割的方法及装置,以及电子设备
CN113658165A (zh) 杯盘比确定方法、装置、设备及存储介质
CN112102275B (zh) 肺主动脉血管图像提取方法、装置、存储介质及电子设备
CN115115657B (zh) 病灶分割方法及装置、电子设备及存储介质
CN111918611A (zh) 胸部x线图像的异常显示控制方法、异常显示控制程序、异常显示控制装置以及服务器装置
CN115147360B (zh) 一种斑块分割方法、装置、电子设备及可读存储介质
CN109785399B (zh) 合成病变图像的生成方法、装置、设备及可读存储介质
CN114926448A (zh) 一种胶囊内窥镜图像特征点提取方法
CN117011241A (zh) 一种血管闭塞点确定方法、装置、设备及存储介质
WO2019073962A1 (ja) 画像処理装置及びプログラム
US12033248B2 (en) Correction instruction region display apparatus, correction instruction region display method, and correction instruction region display program
CN116030042B (zh) 一种针对医生目诊的诊断装置、方法、设备及存储介质
KR20210020983A (ko) 심층 신경망을 이용하여 영상을 분류하는 방법 및 이를 이용한 장치
CN117252805A (zh) 一种血管闭塞点确定方法、装置、设备及存储介质
JP6482457B2 (ja) 骨代謝解析支援プログラム及び方法
US11593518B2 (en) Medical image processing apparatus and medical image processing method
TWI868960B (zh) 電腦裝置及用於醫學影像辨識的人工智慧模型的深度學習方法

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