【技術實現步驟摘要】
本專利技術屬于醫學圖像處理,具體涉及一種基于三維醫學圖像數據的心臟二尖瓣六分區瓣葉測量方法。本專利技術采用了一種3d轉2d形態變換技術,自動測量二尖瓣六分區瓣葉長度。
技術介紹
1、二尖瓣是心臟左心室與左心房之間的重要瓣膜結構，其正常功能對維持心血管系統至關重要。二尖瓣由前葉和后葉組成，依據carpentier分類法，進一步細分為a1、a2、a3和p1、p2、p3六個分區。準確測量這六個分區的瓣葉長度，對于診斷二尖瓣疾病、評估病變嚴重程度以及制定治療方案具有重要意義。
2、傳統的二尖瓣瓣葉長度的測量主要依賴于二維超聲心動圖,這種方法存在以下局限:
3、1、二維成像無法完全展示三維結構的二尖瓣,可能導致臨床診斷中的測量誤差；
4、2、測量結果的重復性和可比性較差，且依賴操作者的經驗；
5、3、難以精確區分六個分區,尤其是相鄰分區之間的界限。
6、隨著醫學影像技術的發展,三維ct和mri為二尖瓣結構的觀察提供了新的可能。然而,如何從這些三維數據中準確提取二尖瓣六分區的瓣葉長度仍然是一個挑戰。目前,大多數方法仍然依賴于人工測量,這不僅耗時耗力,而且容易受到主觀因素的影響,難以保證測量的一致性和準確性。因此,開發一種能夠自動、準確、可重復地測量二尖瓣六分區瓣葉長度的方法具有重要的臨床意義。這種方法應該能夠充分利用三維醫學圖像數據,克服二維測量的局限性,并且能夠減少人為誤差,提高測量的效率和準確性，為醫生提供更準確的診斷依據，減少誤診和延誤治療的風險。
7、本專利技術
技術實現思路
1、本專利技術旨在通過對目前左心二尖瓣結構三維數據的分析與處理的缺失，提出一種基于3d轉2d形態變換的二尖瓣瓣葉長度自動測量方法，包括以下步驟：
2、步驟1：獲取患者心臟的三維醫學圖像數據；
3、步驟2：在獲取的三維醫學圖像數據中，提取二尖瓣結構，包括二尖瓣瓣葉結構的a1分區、a2分區、a3分區、p1分區、p2分區、p3分區共六個分區，同時提取相關的心臟結構，包括主動脈、左心室、左心肌和左心房；
4、步驟3：基于提取的二尖瓣結構，通過擬合結構點集，計算二尖瓣瓣環結構的正交平面；
5、步驟4：基于步驟3中計算的正交平面，使用二尖瓣a1、p1分區結構點集，a3、p3分區結構點集，依次計算二尖瓣前葉與后葉輪廓的相接點；
6、步驟5：基于二尖瓣瓣環的正交平面與空間任意兩個點，構建與其正交的唯一平面表達式，以便進行進一步的長度測量；
7、步驟6：利用ckdtree算法確定瓣葉六個分區之間的相接區域，并分別定義靠近左心房的一端為頂點，靠近左心室的一端為底點；
8、步驟7：分別使用步驟6中確定的二尖瓣六個分區相接區域的頂點和底點，依次確定六個分區的瓣葉投影平面；
9、步驟8：基于空間對角距離篩選二尖瓣的點集，并計算對應的投影點集；
10、步驟9：利用alpha?shapes算法，針對六個分區的投影點集，分別提取每個分區的投影點的輪廓，并進一步校正為線性三維點集；
11、步驟10：計算每個分區對應的三維點集的空間長度，最終確定二尖瓣六個分區的瓣葉長度。
12、進一步的，在所述步驟1中，所述的三維醫學圖像數據可為包含人體左心區域信息的任意醫學圖像數據。
13、進一步的，在所述步驟2中，使用醫學標注軟件手動標注結構，或者使用ai深度學習算法自動完成二尖瓣主要結構分割；所述深度學習算法包括nnunet和swinunetr；經過標注或者分割后的二尖瓣六個分區依次為a1分區、a2分區、a3分區、p1分區、p2分區和p3分區。
14、進一步的，在所述步驟3中，通過擬合結構點集確定二尖瓣瓣環結構正交平面planem的具體方法為：
15、
16、h＝xtx
17、hv＝λv
18、n·(x-c)＝0
19、其中pi是二尖瓣結構點集中的第i個點，n是點集中點的總數，xi是中心化后的點，x是所有中心化點的矩陣，xt是其轉置，λ是特征值，v是對應的特征向量，最終平面的參數向量是[n；d]，正交平面planem方程表示為：
20、nxx+nyy+nzz-n·c＝0。
21、進一步的，在所述步驟4中，基于計算得到的正交平面，通過計算a1、p1分區結構交界點集和a3、p3分區結構交界點集，計算外輪廓左右的相接點，具體步驟如下：
22、步驟4.1：利用a3、p3分區結構，計算兩個結構交界處所有相鄰的點集,計為pointslcc；同樣，利用a1、p1分區結構，計算兩個結構交界處所有相鄰的點集,計為pointsrcc；
23、步驟4.2：重新約束步驟3中計算得到的二尖瓣瓣環正交平面planem的方向，規定其指向左心房為正方向；
24、步驟4.3：依次計算pointslcc、pointsrcc兩組點集中每個點距離planem的距離dispointslcc、dispointsrcc；
25、步驟4.4：兩組點集選取最大距離的點依次計為pointlc、pointrc
26、pointlc＝pointslcc[index[max(dispointslcc)]]
27、pointrc＝pointsrcc[index[max(dispointsrcc)]]
28、其中，index[max(dis)]是最大距離點的索引，pointlc為二尖瓣a3、p3分區結構交界頂點，pointrc為二尖瓣a1、p1分區結構交界頂點。
29、進一步的，在所述步驟5中，基于正交平面planem和空間中兩個任意點p0、p1，得到經過線段p0、p1且與planem正交的唯一平面planel表達式。
30、進一步的，在所述步驟6中，使用ckdtree算法計算靠近左心房的一端的頂點以及靠近左心室一端的底點具體步驟如下：
31、步驟6.1：利用k-d樹依次提取二尖瓣a1-a2分區、a2-a3分區、p1-p2分區和p2-p3分區的各相接區域點集,依次計為pointsa1-a2、pointsa2-a3、pointsp1-p2、pointsp2-p3；
32、步驟6.2：依次利用步驟2中獲取的左心房和左心室結構，分別計算左心房和左心室三維結構的中心點，計為center_pointatrium、center_pointventricle；
33、步驟6.3：分別計算左心房的中本文檔來自技高網...
【技術保護點】
1.一種基于3D轉2D形態變換的二尖瓣瓣葉長度自動測量方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟2中，使用醫學標注軟件手動標注結構，或者使用AI深度學習算法自動完成二尖瓣主要結構分割；所述深度學習算法包括nnUNet和SwinUNETR；經過標注或者分割后的二尖瓣六個分區依次為A1分區、A2分區、A3分區、P1分區、P2分區和P3分區。
3.根據權利要求2所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟3中，通過擬合結構點集確定二尖瓣瓣環結構正交平面Planem的具體方法為：
4.根據權利要求3所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟4中，基于計算得到的正交平面，通過計算A1、P1分區結構交界點集和A3、P3分區結構交界點集，計算外輪廓左右的相接點，具體步驟如下：
5.根據權利要求4所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟5中，基于正交平面Planem和空間中兩個任意點p0、p1，得到經過線段p0、p1且與Planem正交的唯一
6.根據權利要求5所述的二尖瓣瓣葉長度自動測量方法，其特征在于，進一步的，在所述步驟6中，使用cKOTree算法計算靠近左心房的一端的頂點以及靠近左心室一端的底點具體步驟如下：
7.根據權利要求6所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟7中，基于步驟6中確定的頂點和底點，分別計算每個分區的瓣葉投影平面，步驟如下：
8.根據權利要求7所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟8中，使用二尖瓣點集得到投影點集的具體步驟如下：
9.根據權利要求8所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟9中，使用Alpha?shapes算法與樣條差值提取最終瓣葉點集，具體步驟如下：
10.根據權利要求9所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟10中，使用均勻采樣后的點集，依次計算每個點之間距離：
...【技術特征摘要】
1.一種基于3d轉2d形態變換的二尖瓣瓣葉長度自動測量方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟2中，使用醫學標注軟件手動標注結構，或者使用ai深度學習算法自動完成二尖瓣主要結構分割；所述深度學習算法包括nnunet和swinunetr；經過標注或者分割后的二尖瓣六個分區依次為a1分區、a2分區、a3分區、p1分區、p2分區和p3分區。
3.根據權利要求2所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟3中，通過擬合結構點集確定二尖瓣瓣環結構正交平面planem的具體方法為：
4.根據權利要求3所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟4中，基于計算得到的正交平面，通過計算a1、p1分區結構交界點集和a3、p3分區結構交界點集，計算外輪廓左右的相接點，具體步驟如下：
5.根據權利要求4所述的二尖瓣瓣葉長度自動測量方法，其特征在于，在所述步驟5中，基于正交平面plan...
【專利技術屬性】
技術研發人員：劉健，魏培堅，劉先寶，蔡雨辰，王源，馬琛明，
申請(專利權)人：南京圣德醫療科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。