[发明专利]一种图像处理方法及图像处理设备有效

专利信息
申请号: 201811162122.5 申请日: 2018-09-30
公开(公告)号: CN109410182B 公开(公告)日: 2019-11-08
发明(设计)人: 郑超;肖月庭;阳光 申请(专利权)人: 语坤(北京)网络科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/136
代理公司: 北京乐知新创知识产权代理事务所(普通合伙) 11734 代理人: 李杏
地址: 102200 北京市昌平区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像处理设备 狭窄区域 软斑块 拉直 图像处理 冠脉 图像 筛选 电子计算机 参考图像 精准定位 目标定位 输出 造影 扫描 模糊 诊断 分割
【权利要求书】:

1.一种图像处理方法,其特征在于,所述方法应用于一图像处理设备,所述方法包括:

所述图像处理设备接收关于冠脉电子计算机扫描CT造影的拉直图像;

所述图像处理设备利用拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域,所述第一狭窄区域为对应所述冠脉CT造影中软斑块模糊定位的区域;

所述图像处理设备利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域,所述第二狭窄区域为对应所述冠脉CT造影中软斑块精准定位的区域。

2.根据权利要求1所述的图像处理方法,其特征在于,在所述图像处理设备利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域之后,所述方法还包括:

所述图像处理设备利用深度学习技术或传统机器学习技术,对所述第二狭窄区域进行分类筛选,输出目标定位区域。

3.根据权利要求1所述的图像处理方法,其特征在于,在对所述拉直图像进行软斑块定位筛选之前,所述方法还包括:

所述图像处理设备利用图像分割技术,对所述的拉直图像进行预处理,输出预处理后的拉直图像。

4.根据权利要求3所述的图像处理方法,其特征在于,所述方法还包括:

所述图像处理设备利用聚类算法技术,对所述预处理后的拉直图像进行钙化检出处理,得到钙化检出处理后的拉直图像。

5.根据权利要求1所述的图像处理方法,其特征在于,在所述图像处理设备利用拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域之后,所述方法还包括:

所述图像处理设备利用利用软斑块的理论位置信息,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域;

或,所述图像处理设备利用特定长度算法,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域。

6.一种图像处理设备,其特征在于,所述图像处理设备包括:

图像采集单元,用于接收关于冠脉电子计算机扫描CT造影的拉直图像;

初步筛选单元,用于通过拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域,所述第一狭窄区域为对应所述冠脉CT造影中软斑块模糊定位的区域;

二次筛选单元,利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域,所述第二狭窄区域为对应所述冠脉CT造影中软斑块精准定位的区域。

7.根据权利要求6所述的图像处理设备,其特征在于,所述图像处理设备还包括学习单元;

学习单元,在所述二次筛选单元利用与所述拉直图像相对应的参考图像,对所述第一狭窄区域进行二次筛选,输出第二狭窄区域之后,利用深度学习技术或传统机器学习技术,对所述第二狭窄区域进行分类筛选,输出目标定位区域。

8.根据权利要求6所述的图像处理设备,其特征在于,

所述初步筛选单元还用于,在对所述拉直图像进行软斑块定位筛选之前,利用图像分割技术,对所述的拉直图像进行预处理,输出预处理后的拉直图像。

9.根据权利要求8所述的图像处理设备,其特征在于,

所述初步筛选单元还用于,利用聚类算法技术,对所述预处理后的拉直图像进行钙化检出处理,得到钙化检出处理后的拉直图像。

10.根据权利要求6所述的图像处理设备,其特征在于,所述图像处理设备还包括规则单元;

规则单元,在所述初步筛选单元利用拉直分割技术,对所述拉直图像进行软斑块定位筛选,输出第一狭窄区域之后,利用软斑块的理论位置信息,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域;或,利用特定长度算法,对所述第一狭窄区域进行滤除处理,以滤除所述第一狭窄区域中的非软斑块区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于语坤(北京)网络科技有限公司,未经语坤(北京)网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811162122.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top