-
公开(公告)号：CN107977965B
公开(公告)日：2021-05-18
申请号：CN201711262022.5
申请日：2017-12-04
Applicant: 浙江工业大学
Abstract: 一种基于CT图像的肠系膜上动脉夹层FFR的无创计算方法，包括以下步骤：S01：图像采集；S02：提取肠系膜上动脉口；S03：提取肠系膜上动脉；S04：生成肠系膜上动脉网格模型；S06：肠系膜上动脉FFRCT计算：通过公式FFRCT＝Pd/Pa计算血流储备分数，其中Pa是肠系膜夹层上游血压，Pd是肠系膜夹层下游血压；S07：对患者CTA图像进行上述实验步骤，计算得出FFRCT值。本发明基于肠系膜动脉CT图像，能快速准确的全自动得到血流储备分数FFR。
-
公开(公告)号：CN104766304A
公开(公告)日：2015-07-08
申请号：CN201510088135.2
申请日：2015-02-26
Applicant: 浙江工业大学
IPC: G06T7/00
Abstract: 一种基于多序列医学图像的血管配准方法，包括以下步骤：1)获取多序列医学血管图像，选定一个序列图像为配准的参考图像，其他序列图像作为浮动图像；2)对所述多序列医学血管图像进行去噪处理；3)血管边缘的shape context描述；4)边缘点匹配；5)滤除误匹配；6)边缘校正与插值：根据匹配点对血管壁做迭代演化，使形变后的参考图像与浮动图像血管轮廓能量函数E(pi,qj)达到最小，根据边缘校正后的结果，采用样条插值的方法对浮动图像的局部血管区域做插值，最终得到配准后的结果。本发明提供一种精度较高的基于多序列医学图像的血管配准方法。
-
公开(公告)号：CN104794708B
公开(公告)日：2018-07-06
申请号：CN201510170489.1
申请日：2015-04-10
Applicant: 浙江工业大学
Abstract: 一种基于多特征学习的动脉粥样硬化斑块成分分割方法，包括以下步骤：1)获取多序列动脉血管斑块图像；2)图像预处理；3)斑块特征提取及描述；4)分类器训练：分类器模型是支持向量机SVM；最后四种序列MRI动脉斑块图像共生成4个特征集，每一个特征集训练生成一个分类器，最终得到4个分类器，即lipid分类器，fibrous分类器，calcium分类器，hemorrhage分类器；5)训练器优化；6)对于斑块组织的某一个像素分别用四个分类器计算其隶属于不同组织的程度，根据得到的隶属度竞争排序，把隶属度最高的成分作为最终结果。本发明精确性良好、鲁棒性较高。
-
公开(公告)号：CN108053433A
公开(公告)日：2018-05-18
申请号：CN201711213529.1
申请日：2017-11-28
Applicant: 浙江工业大学
Abstract: 一种基于物理对齐和轮廓匹配的多模态颈动脉MRI配准方法，包括以下步骤：1)计算图像空间物理坐标；2)统一体像素间距转换图像格式；3)确定多模态图像层间对齐关系；4)各序列多模态二维图像内壁分割：依次选定某序列MRI图像，确定该序列图像的分割起始层和终止层，在起始层图像选定颈动脉所在的ROI，利用分割方法实现整个序列的连续自动分割；5)基于内壁轮廓的三维配准：利用清晰的内壁轮廓分割结果进行三维的连续配准。本发明对各种类型的颈动脉多模态序列图像是有效的，很好地达到像素间的对齐配准，从而方便医生后续的诊疗判断以及斑块成分分析。
-
公开(公告)号：CN108053433B
公开(公告)日：2020-06-02
申请号：CN201711213529.1
申请日：2017-11-28
Applicant: 浙江工业大学
Abstract: 一种基于物理对齐和轮廓匹配的多模态颈动脉MRI配准方法，包括以下步骤：1)计算图像空间物理坐标；2)统一体像素间距转换图像格式；3)确定多模态图像层间对齐关系；4)各序列多模态二维图像内壁分割：依次选定某序列MRI图像，确定该序列图像的分割起始层和终止层，在起始层图像选定颈动脉所在的ROI，利用分割方法实现整个序列的连续自动分割；5)基于内壁轮廓的三维配准：利用清晰的内壁轮廓分割结果进行三维的连续配准。本发明对各种类型的颈动脉多模态序列图像是有效的，很好地达到像素间的对齐配准，从而方便医生后续的诊疗判断以及斑块成分分析。
-
Patent Agency Ranking
公开(公告)号：CN107977965A
公开(公告)日：2018-05-01
申请号：CN201711262022.5
申请日：2017-12-04
Applicant: 浙江工业大学
Abstract: 一种基于CT图像的肠系膜上动脉夹层FFR的无创计算方法，包括以下步骤：S01：图像采集；S02：提取肠系膜上动脉口；S03：提取肠系膜上动脉；S04：生成肠系膜上动脉网格模型；S06：肠系膜上动脉FFRCT计算：通过公式FFRCT＝Pd/Pa计算血流储备分数，其中Pa是肠系膜夹层上游血压，Pd是肠系膜夹层下游血压；S07：对患者CTA图像进行上述实验步骤，计算得出FFRCT值。本发明基于肠系膜动脉CT图像，能快速准确的全自动得到血流储备分数FFR。
-
公开(公告)号：CN104680529A
公开(公告)日：2015-06-03
申请号：CN201510088158.3
申请日：2015-02-26
Applicant: 浙江工业大学
Abstract: 一种基于形状先验和相似性约束的颈动脉内外壁自动分割方法，所述分割方法包括如下步骤：1)通过SVM方法检测颈动脉内腔，得到内腔所在位置；2)使用各向异性的分割方法分割内壁；3)在分割内壁的基础上，结合外壁的特征学习回归模型，估算外壁大致位置，并构造概率模型；4)使用相似性约束算法分割外壁。本发明提供了一种自动方式、有效实现内外壁分割、精确度较高的基于形状先验和相似性约束的颈动脉内外壁自动分割方法。
-
公开(公告)号：CN104766304B
公开(公告)日：2017-12-05
申请号：CN201510088135.2
申请日：2015-02-26
Applicant: 浙江工业大学
IPC: G06T7/33
Abstract: 一种基于多序列医学图像的血管配准方法，包括以下步骤：1)获取多序列医学血管图像，选定一个序列图像为配准的参考图像，其他序列图像作为浮动图像；2)对所述多序列医学血管图像进行去噪处理；3)血管边缘的shape context描述；4)边缘点匹配；5)滤除误匹配；6)边缘校正与插值：根据匹配点对血管壁做迭代演化，使形变后的参考图像与浮动图像血管轮廓能量函数E(pi,qj)达到最小，根据边缘校正后的结果，采用样条插值的方法对浮动图像的局部血管区域做插值，最终得到配准后的结果。本发明提供一种精度较高的基于多序列医学图像的血管配准方法。
-
公开(公告)号：CN104680529B
公开(公告)日：2017-06-20
申请号：CN201510088158.3
申请日：2015-02-26
Applicant: 浙江工业大学
Abstract: 一种基于形状先验和相似性约束的颈动脉内外壁自动分割方法，所述分割方法包括如下步骤：1)通过SVM方法检测颈动脉内腔，得到内腔所在位置；2)使用各向异性的分割方法分割内壁；3)在分割内壁的基础上，结合外壁的特征学习回归模型，估算外壁大致位置，并构造概率模型；4)使用相似性约束算法分割外壁。本发明提供了一种自动方式、有效实现内外壁分割、精确度较高的基于形状先验和相似性约束的颈动脉内外壁自动分割方法。
-
公开(公告)号：CN104794708A
公开(公告)日：2015-07-22
申请号：CN201510170489.1
申请日：2015-04-10
Applicant: 浙江工业大学
Abstract: 一种基于多特征学习的动脉粥样硬化斑块成分分割方法，包括以下步骤：1)获取多序列动脉血管斑块图像；2)图像预处理；3)斑块特征提取及描述；4)分类器训练：分类器模型是支持向量机SVM；最后四种序列MRI动脉斑块图像共生成4个特征集，每一个特征集训练生成一个分类器，最终得到4个分类器，即lipid分类器，fibrous分类器，calcium分类器，hemorrhage分类器；5)训练器优化；6)对于斑块组织的某一个像素分别用四个分类器计算其隶属于不同组织的程度，根据得到的隶属度竞争排序，把隶属度最高的成分作为最终结果。本发明精确性良好、鲁棒性较高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
